10-plex IF en gekoppelde virtuele H& E-beelden werden gegenereerd voor 136 weefselmicroarray-kernen die 34 menselijke weefseltypen omvatten over twee preparaten die met verschillende methodologieën zijn gemaakt (Figuur 2). Deze representatieve beelden tonen succesvolle multiplexkleuring met behouden weefselmorfologie en duidelijke detectie van meerdere biomarkers over microarraykernen van weefsels. De ene slide maakte gebruik van de geautomatiseerde slidestainer, de andere het handmatige paradevoorbereidingsproces. Een grotere incidentie van weefselartefacten werd waargenomen met de handmatige decloaking-kamergebaseerde methode, inclusief weefselloslating, evenals verloren of verschuifte kernen (Figuur 3). Deze artefacten verminderen het analyseerbare weefselgebied per monster of kern, waardoor de downstream multiplex-beeldanalyse wordt beïnvloed. Deze observaties bevestigen dat het protocol betrouwbare multiplexkleuring en beeldvorming mogelijk maakt over diverse weefseltypen.
Succesvolle multiplexbeeldvorming wordt aangetoond door behouden weefselmorfologie, consistente uitlijning over kleuringsrondes en duidelijke, specifieke biomarkersignalendetectie. Daarentegen worden suboptimale uitkomsten gekenmerkt door weefselloslating, signaalverlies of beeldvormingsartefacten die analyseerbare gebieden verminderen en de downstream analyse belemmeren.
Vervolgens werden het kleuringsprofiel van markers zoals PANCK (epitheelweefsel), CD31 (endotheelweefsel), aSMA (stromaal weefsel), keratine 15 (K15; basaal epitheel), vimentine (mesenchymale cellen), Ki67 (proliferatiemarker), CD8 (cytotoxische T-cellen) en FOXP3 (TREG's) vergeleken over beide preparatisatietechnieken, met een kleine vermindering van het signaal kwalitatief (visueel) waargenomen met de handmatige methode (Figuur 4A)). Door gebruik te maken van biomarkerclassificatiedrempels in Digital Pathology Software, werden de monsters gestratificeerd in positieve en negatieve populaties voor elk van de ~630K cellen in de dataset (Figuur 4B). Kwantitatieve beoordeling van het markersignaal werd uitgevoerd met intensiteitsmetingen afkomstig uit de digitale pathologieanalyseworkflow. Schattingen van de populatiedichtheid (waarbij het gebied onder de curve 100% van de bevolking vertegenwoordigt) en mediane intensiteitswaarden toonden bescheiden stijgingen van 5/8 biomarkers binnen positieve populaties bij gebruik van de geautomatiseerde diakleuring vergeleken met het handmatige proces (Figuur 4C).
Na het voltooien van het panel werden de hierboven beschreven markers vervolgens gekoppeld aan verdere biomarkers voor Lamin B1 (nucleair membraan) en p16 (cycline-afhankelijke kinaseremmer), waardoor de relatieve weefselabundantie en de verdeling van alle 10 markers in één monster zichtbaar werden (Figuur 5). Het vermogen om een groot aantal biomarkers te profileren is van bijzonder belang in het veld van senescentie, dat afhankelijk is van de beoordeling van meerdere orthogonale markers om een geldige classificatiete garanderen 2. Hier konden we de veranderingen in Lamin B1-intensiteit binnen p16 hoge en lage populaties profileren. Belangrijk is dat, omdat dit een multiplexmonster was, deze cellen in een ruimtelijke context konden worden geplaatst door te vergelijken met de verdeling van andere celtypen binnen hetzelfde weefsel (Figuur 6A). Via de Digital Pathology Software classificatiedrempel werd deze kleuring gekwantificeerd om aan te tonen dat de p16-positieve cellen geassocieerd waren met lagere niveaus van Lamin B1 dan hun negatieve tegenhangers (Figuur 6B), een profiel dat overeenkomt met eerder beschreven senescentie-geassocieerde markerpatronen12. We observeerden ook dat Lamin B1-negatieve cellen hogere niveaus van p16 hadden (Figuur 6C). Met behulp van de fenotypefunctie in de Digital Pathology Software (die cellen classificeert op basis van single-celsegmentatie en drempeling van meerdere markers), werd de combinatie van deze markers vervolgens gebruikt om een populatie cellen als senescent te definiëren, dat wil zeggen dat ze zowel p16-positief als Lamin B1-negatief zijn. Vervolgens werd het aandeel van deze cellen over alle kernen per weefseltype gekwantificeerd, samen met elk van de 10 markers afzonderlijk (Figuur 6D). Deze output maakt kwantitatieve vergelijking mogelijk van biomarker-gedefinieerde celpopulaties over meerdere weefseltypen binnen de multiplexdataset. Hoewel de analysepijplijn op single-celniveau werkt, wordt de huidige dataset voornamelijk gepresenteerd met behulp van populatieniveauverdelingen. De relatief lage hoeveelheid p16-positieve cellen in deze dataset kan de statistische kracht voor robuuste cel-voor-cel correlatieanalyse tussen p16 en Lamin B1 beperken, en daarom moeten dergelijke relaties met voorzichtigheid worden geïnterpreteerd.

Figuur 1: Schema dat de volledige multiplex immunofluorescentieworkflow toont. Klik hier om een grotere versie van deze figuur te bekijken.

Figuur 2: Overzicht van multiplex beeldvorming: (A-B): Virtueel H& E-beelden gegenereerd uit de DAPI-kleuring en Cy3-autofluorescentie van ronde 1 om de weefselintegriteit van de preparaten te visualiseren die zijn voorbereid met behulp van de geautomatiseerde glaaskleurings- of handmatige preparatvoorbereidingsprocessen. (C-D): Multiplex-IF-kleuring van alle biomarkers. Klik hier om een grotere versie van deze figuur te bekijken.

Figuur 3: Voorbeelden van artefacttypes: Representatieve voorbeelden van verschillende soorten artefacten die voornamelijk tijdens de preparatvoorbereiding van de preparaat kunnen worden gegenereerd. Gedeeltelijke weefselloslating kan worden waargenomen als onscherpe gebieden en kan problemen veroorzaken met de weefseluitlijning in volgende rondes. Ontbrekende kernen verminderen de experimentele kracht en komen vaak onevenredig vaak voor bij gevoelige weefseltypen. Verschoven of overlappende kernen ontstaan wanneer een kern losraakt van zijn positie op de TMA maar aan een ander gebied blijft hangen, waardoor het verlies van monster wordt verergerd doordat de verborgen kern moeilijk te analyseren is. Klik hier om een grotere versie van deze figuur te bekijken.

Figuur 4: Vergelijking van BOND autostainer en handmatig fluorescentiesignaal voor slide-voorbereiding: (A): Representatieve IF-kleuring voor structurele markers pan cytokeratine (PANCK), CD31 en alfa gladde spieractine (aSMA). Een samenvoeging van deze drie afbeeldingen wordt weergegeven in de eerste kolom. (B): Digital Pathology Software binaire classificatie-analysemaskers, die positieve markerdetectie aangeven over verschillende celtypes: CD31 (rood), FOXP3 (turquoise), Ki67 (geel), CD8 (wit), PANCK (groen). Wit vakje geeft het digitale zoomgebied aan in de onderste panelen. (C): Kwantificatie van biomarkerintensiteit in celpopulaties gegroepeerd op weefselvoorbereidingsmethode (een geautomatiseerde dia-kleuring = rood, Manual = blauw) en markerpositiviteit (donker = negatief, licht = positief). Het gebied onder elke dichtheidsplot vertegenwoordigt 100% van de geanalyseerde celpopulatie. AF = Autofluorescentie. Klik hier om een grotere versie van deze figuur te bekijken.

Figuur 5: Volledig multiplexpaneel: Representatieve beelden van appendixweefsel met A-B: volledig 10-plex IF-paneel C: PANCK (groen), D: CD31 (rood), E:aSMA (geel), F: K15 (roze), G: Vimentin (wit), H: Lamin B1 (turquoise), I:p16 (goud), J: Ki67 (felgeel), K: CD8 (felgroen) en L: FOXP3 (paars). Wit vakje = digitale zoom (Merge, CD31, aSMA, K15, Vim, LB1, p16), gestippelde doos = digitale zoom (Ki67, CD8, FOXP3). Klik hier om een grotere versie van deze figuur te bekijken.

Figuur 6: Detectie van senesescentiemarker: (A): Representatieve IF uit beelden van het alvleesklierweefsel die contrasterende kleurpatronen van Lamin B1 (turquoise) en p16 (goud) tonen, samen met ruimtelijke relatie met andere markers PANCK (groen), CD31 (rood) en Vimentin (wit). (B): Kwantificatie van de intensiteit van de lamin B1 (LB1) kern in p16 positieve en negatieve celpopulaties. (C): Kwantificatie van p16-cellulaire intensiteit in Lamin B1 (LB1) positieve en negatieve celpopulaties. Het dichtheidsplotgebied onder de curve vertegenwoordigt 100% van de bevolking. (D): Z-score genormaliseerde heatmap van gemiddelde kernpercentage positiviteit voor elk biomarker- of senescencefenotype (p16+/LB1-ve) over weefseltypen. Klik hier om een grotere versie van deze figuur te bekijken.