$$\rightleftharpoonup{xx}$$
$$\longleftharp{xx}$$,
$$\longrightharp{xx}$$,
Het hier gepresenteerde protocol beschrijft een methode om een suspensie van niet-neuronale enkele kernen geïsoleerd van de DG voor te bereiden om snRNA-seq uit te voeren. Met of zonder FANS, bioinformatische clustering onthulde goed gescheiden groepen kernen die overeenkomen met bekende celtypen binnen de DG (figuur 2E, F). Binnen het niet-FACS-gesorteerde monster bestond de meerderheid van de hoogwaardige kernen die werden gesequenced uit drie groepen neuronen (84,9% van de totale kernen voor dit monster, figuur 2E, G, H). Dergelijke resultaten worden verwacht, gezien het feit dat de meest vertegenwoordigde celpopulaties in de DG korrelneuronen, andere exciterende neuronen (gelabeld exciterende neuronen) en remmende neuronen zijn10. De geïdentificeerde niet-neuronale clusters waren meestal gemaakt van gliaceltypen (11,1%), waaronder astrocyten, oligodendrocyten en oligodendrocytenvoorlopercellen (OPC's), immuuncellen (3,3%) en Cajal-Retzius-cellen (0,6%). Bij het uitvoeren van FANS om NeuN-positieve populaties uit te sluiten (NeuN-negatieve FACS-gesorteerde steekproef; Figuur 2F,G,H), clusters van gliacellen werden overheersend (81,3%). De isolatie van een groter aantal gliale kernen maakt een betere segmentatie mogelijk van verschillende populaties die zonder FANS zouden clusteren. Inderdaad, bij het opnieuw clusteren en analyseren van specifieke genen, hetzij uitgedrukt in NSC's of in astrocyten, scheidden vier subclusters zich af (aanvullende figuur 2A, B). Kijkend naar meer specifieke cellulaire markers en het beoordelen van genexpressieniveaus in de celtypen, werd een klein cluster van NSC's gedetecteerd die afzonderlijk van de belangrijkste astrocytische populaties werden gescheiden met een hogere expressie van Hopx en Notch2 en bijna geen expressie van Aldh1a1 of Aqp4 (aanvullende figuur 2C). Vanwege de overlap in genexpressie tussen astrocyten en NSC's zou verdere analyse echter nodig zijn om specifiek verschillende subtypen cellen te profileren en te identificeren. Bovendien had het NeuN-negatieve FANS-monster extra clusters gelabeld als vasculaire cellen (2,3%) die endotheelcellen, pericyten en vasculaire leptomeningeale cellen omvatten wanneer er kruisverwijzingen naar worden verwezen voor expressie van celspecifieke markers (gegevens niet getoond).
Volgens de richtlijnen voor het gekozen protocol om bibliotheken voor sequencing te genereren, werden expressieprofielen van hoge kwaliteit verkregen met of zonder FANS. Voor monsters gesequenced bij 50.000 reads/nucleus werden gemiddeld 2.510 genen gedetecteerd per kern voor het niet-FACS-gesorteerde monster (5.578 transcripten, figuur 2H) en 1.665,5 genen (3.508 transcripten) voor NeuN-negatieve FANS-monster, na het filteren van lage kwaliteit kernen (figuur 2H, I). Deze statistieken bevestigen dat dit protocol hoogwaardige transcriptomische profilering van afzonderlijke kernen genereert, vergelijkbaar met studies met verschillende benaderingen22,23 en dat het proces van FACS-sortering kernen voor daaropvolgende snRNA-seq niet beschadigt. Met name het verschil in het aantal genen en transcripten per kern tussen de twee monsters is niet te wijten aan een lagere gegevenskwaliteit, maar aan het hoge aandeel neuronen in het niet-FACS-gesorteerde monster (84,9% vergeleken met 1,7% in NeuN-negatieve FANS-steekproef), die een hogere transcriptionele activiteit hebben (2.660 genen / kern en 6.170 transcripten / kern in niet-FACS-gesorteerd monster) dan de gemiddelde transcriptionele activiteit van alle niet-neuronale celtypen (1.090 genen / kern en 1.785 transcripties/kern, figuur 2I).
Samen tonen deze representatieve resultaten aan dat de selectie van NeuN-negatieve kernen met behulp van FANS een krachtig hulpmiddel is om celtypen met lage abundantie te isoleren van vers ontleed hersenweefsel en hoogwaardige transcriptomische profilering van één kernen van deze verschillende celpopulaties uit te voeren via snRNA-seq-methoden.
Aanvullende figuur 1: Validatie van de immunostaining voor FANS. Kernsuspensie werd geïncubeerd (A) zonder het anti-NeuN-AF 488-antilichaam als negatieve controle of (B) met het antilichaam en door de FACS-sorteerder geleid om immunostaining-omstandigheden te valideren. Klik hier om dit bestand te downloaden.
Aanvullende figuur 2: Genexpressieanalyse en herclustering van de astrocytencluster. (A) Uniform Manifold Approximation and Projection for Dimension Reduction (UMAP) plot toont de clustering van 4968 kernen op basis van genoombrede expressieprofielen uit figuur 2F. Celtype-aanroepen werden gedaan op basis van celtypemarkers. (B) Astrocytencluster bestaande uit 2579 kernen gekozen uit (A) voor verdere sub-setting om potentiële cellulaire subtypen te onderzoeken. Vier subtypen werden gedetecteerd door Seurat (0-3) clustering, weergegeven door verschillende kleuren. (C) Genexpressieniveaus van specifieke cellulaire markers in de vier celtypen. Alle percelen werden verkregen met behulp van het Seurat R-pakket24. Kortom, RNA-seq tellingen werden genormaliseerd voor elke cel door de totale expressie en vermenigvuldigd met de schaalfactor (10.000). Dit resultaat werd vervolgens gelogd. De getransformeerde waarden werden geschaald (variantie geschaald naar één) en gecentreerd (gemiddelde ingesteld op nul) binnen elke cel voordat UMAP werd toegepast om de insluitingen te berekenen, die werden gebruikt als waarden op x- en y-assen. Grafieken vertegenwoordigen de uitvoer van een dimensionale reductietechniek op een 2D-spreidingsdiagram waarbij elk punt een cel vertegenwoordigt met respectievelijke x- en y-coördinaten op basis van de celinbeddingen bepaald door de reductietechniek. Cellen met vergelijkbare genhandtekeningen worden door de inbeddingen dicht bij elkaar geplaatst. Klik hier om dit bestand te downloaden.
Aanvullende figuur 3: Genexpressieanalyse van NeuN in de neurogene afstamming. (A) UMAP-plot met de clustering van neurogene afstamming uit openbaar beschikbare dataset15. UMP's werden gegenereerd zoals in aanvullende figuur 2. (B) Genexpressieniveaus van specifieke cellulaire markers in de neurogene afstamming die Astrocyten (Aquaporine 4 = Aqp4), NSC's (Homeodomain-only protein = Hopx), NeuN/Rbfox3 (NSC's en intermediaire voorlopercellen [IPC's]) en fietsende cellen (Cyclin-dependent kinase 6 =Cdk6) laten zien. Klik hier om dit bestand te downloaden.
Aanvullende tabel 1: Samenstellingen van media en buffers die in het onderzoek zijn gebruikt. Klik hier om dit bestand te downloaden.