$$\rightleftharpoonup{xx}$$
$$\longleftharp{xx}$$,
$$\longrightharp{xx}$$,
Representatieve driekleurige chromatine dSTORM-afbeeldingen
Het voorgestelde sequentiële kleuringsprotocol is getest geldig voor verschillende cellijnen, waaronder BJ fibroblast, HCT116, AC16, HeLa, MCF10A, enzovoort. Figuur 1 toont de representatieve beelden van BJ fibroblast, HeLa en MCF10A cellen.
Validatie van analysepijplijn met behulp van gesimuleerde datasets
De ontwikkeling van een driekleurig immunofluorescentieprotocol vereiste de creatie van een gespecialiseerde computationele benadering die in staat is om de complexiteit van multi-target nucleaire SMLM-data aan te kunnen (Figuur 2A,2 B). Gezien de dichte chromatineomgeving waarin meerdere doelen dicht bij elkaar bestaan, hebben we een point-cloud analyseframework geïmplementeerd dat direct localisatiecoördinaten verwerkt in plaats van gereconstrueerde afbeeldingen. Deze aanpak maakt gebruik van de uitgebreide clusteringanalysetools die beschikbaar zijn voor point-cloud data 40,41,42. We evalueerden systematisch het vermogen van de analysepijplijn om biologisch betekenisvolle ruimtelijke patronen te onderscheiden met behulp van gecontroleerde gesimuleerde datasets. Er werden vier verdelingstypen gegenereerd om verschillende chromatineorganisatiescenario's weer te geven: normale verdeling voor dicht geclusterde modificaties, uniforme verdeling voor verspreide patronen, toroidale verdelingsmodellering van uitsluitingszones en willekeurige verdeling als organisatorische controle (Figuur 2C). Deze gesimuleerde patronen waren verankerd in echte heterochromatineclusterposities afgeleid van experimentele H3K9me3-gegevens, waardoor realistische nucleaire ruimtelijke beperkingen behouden bleven. Dit analysekader maakt gebruik van DBSCAN-clustering (epsilon = 50 nm, minimumpunten = 3), wat een van de vele methoden is voor clusteranalyse in SMLM-data 40,41,42. Om de juiste clusteringparameters te waarborgen, hebben we eerder een optimalisatiemethode beschreven die is afgestemd op de detectie van chromatine-pakdomeinen34. Let op: wanneer dit als eerste stap in de analyse wordt gebruikt, moeten gebruikers de parameters optimaliseren die de selectie bepalen aan de hand van de structuur, omgeving en functie van hun doelwit. Hier worden de clustergrenzen bepaald door convexe hullenberekeningen, waarbij aannames over domeingeometrie worden weggenomen. Onze validatie toonde duidelijk onderscheid aan tussen alle gesimuleerde distributiepatronen via histogramprofielen op verschillende afstanden (Figuur 2D). Elk ruimtelijk organisatietype produceerde karakteristieke signaturen wanneer lokalisaties werden geanalyseerd ten opzichte van heterochromatine-centroïden. Gezamenlijke bezettingsanalyse werd getest met dual-marker simulaties met gecontroleerde ruimtelijke relaties (Figuur 2E). Ruimtelijk gescheiden markers (normaal-toroïdale configuratie) leverden minimale gewrichtsdichtheid op zoals verwacht, wat resulteerde in vlakke verdelingsprofielen (Figuur 2E). Overlappende markeringspatronen (normaal-willekeurige configuratie) veroorzaakten een afnemende hechtheid van de voegen met toenemende afstand tot referentiepunten, wat overeenkwam met theoretische voorspellingen. Deze validatieresultaten tonen het vermogen van ons kader aan om ruimtelijke koppelingsrelaties in complexe multi-target datasets te detecteren en te kwantificeren. Voor meer informatie over hoe deze gesimuleerde datasets zijn gegenereerd, raadpleeg de volledige publicatie34.
Representatieve resultaten uit chromatineorganisatie-analyse
De implementatie van onze gevalideerde analysemethode in biologische monsters onthult karakteristieke ruimtelijke organisatiepatronen die via dit protocol kunnen worden bereikt. Met behulp van HeLa-cellen verwerkt met onze driekleurige kleuringsprocedure voor H3K9me3, H3K27ac en RNA Polymerase II, demonstreren we de analytische mogelijkheden die deze methodologie mogelijk maakt. H3K9me3 heterochromatine dient als ideaal referentiesysteem, gegeven vastgesteld bewijs voor de organisatie van concentrische chromatine op de 200 nm-schaal uit eerdere superresolutieonderzoeken 23,28,35. De analyse begint met DBSCAN-gebaseerde identificatie van heterochromatinedomeinen, die vervolgens worden gecategoriseerd naar effectieve straal: kleine domeinen (25-40 nm), middelgrote domeinen (40-80 nm) en grote domeinen (80-253 nm). Deze groottestratificatie verklaart de gedocumenteerde heterogeniteit in de dimensies van DNA-verpakkingsdomeinen, met gemiddelde domeinen van ongeveer 80 nm in straal25. Afstandsmetingen maken gebruik van een 1,5x clusterstraalzoekvenster (Figuur 2B bovenaan) om proximale euchromatine- en polymerasesignalen vast te leggen (Figuur 3A,B).
Representatieve resultaten tonen aan dat zowel H3K27ac als RNA Polymerase II consequent nabij heterochromatinegrenzen lokaliseren over alle domeincategorieën, wat overeenkomt met eerdere studies28,44 en modellen voor transcriptielocatie ten opzichte van chromatinedomeinen23,35,45,46. Kwantitatieve afstandsanalyse onthult gemiddelde posities zeer dicht bij domeinperiferieën: grote domeinen tonen H3K27ac bij -1,0 nm en RNA Polymerase II op 8,4 nm van grenzen, terwijl kleinere domeinen vergelijkbare perifere associaties vertonen met kleine positieverschillen. Deze metingen geven aan dat actieve chromatine-elementen zich concentreren op het grensvlak tussen repressieve en permissieve domeinen in plaats van volledig te worden uitgesloten. Analyse van gewrichtsdichtheid toont het vermogen van het protocol aan om ruimtelijke koppeling tussen co-gelabelde doelen aan te tonen (Figuur 3C-F). Analyse ten opzichte van heterochromatinedomeinen toont een piekgewrichtsdichtheid net buiten de domeingrenzen (r/r₀> 1), wat wijst op preferentiële H3K27ac-RNA Polymerase II co-lokalisatie in perifere gebieden (Figuur 3G-I). Deze resultaten laten zien hoe deze kleurings- en analysepijplijn kan helpen bij het onderzoeken van complexe ruimtelijke relaties in dichte omgevingen.

Figuur 1: Drie kleurenafbeeldingen van de gebruikte cellen. Driekleurige beelden van (A) BJ fibroblast, (B) HeLa en (C) MCF10A. Klik hier om een grotere versie van deze figuur te bekijken.

Figuur 2: Kwantitatieve analyse-framework voor ruimtelijke organisatie van doelen ten opzichte van heterochromatineclusters. (A) Analysepijplijn voor multikanaals SMLM-gegevens die in deze studie zijn gebruikt. (B) Schema van afstandsberekeningen tot periferie voor geïdentificeerde heterochromatineclusters en de Joint Affinity Counting-methode. Beide methoden worden gebruikt om kwantitatief de rangschikking van twee doelen ten opzichte van de structuur van de heterochromatinecluster te bepalen. (C) Voorbeeldverspreidingen rond specifieke heterochromatineclusters gebruikt in een studie34 om verschillende biologische organisaties van doelstructuren te bepalen (geclusterd binnen een domein versus rond domein versus niet geassocieerd en willekeurig verdeeld). (D) Afstand tot periferie histogram voor centraal geclusterde, willekeurig verdeelde en toroïdaal verdeelde en (E) Gewrichtsaffiniteitscurves voor simulatiegevallen. Klik hier om een grotere versie van deze figuur te bekijken.

Figuur 3: Kwantitatieve ruimtelijke relaties van transcriptiemarkers rond histondomeinen. (A) Histogramresultaten van afstand tot periferie voor voorbeeldige biologische gegevens van multi-gelabelde HeLa-cellen. Voor kleine (<40 nm), middelgrote (40-80 nm) en grote (>120 nm) domeinen voor RNAPII en (B) H3K27ac ten opzichte van H3K9me3-clusters. (C-E) Voorbeeldafbeeldingen voor drie-label dSTORM-afbeelding van een HeLa-cel (H3K9me3, H3k27ac, RNAPII2-S2p, met inset- en ingezoomde afbeelding voor één domein. (F) Convex omhulsel (rood) fitting van domein afgebeeld in E met analysezone in grijs. (G) Affiniteitsplots voor RNAPII ten opzichte van H3K27ac en H3K27ac (H) ten opzichte van RNAPII in de analyse-ROI voor alle domeinen in de gegevens van middelgrootte in de dataset. (I) Gezamenlijke dichtheid van RNAPII en H3K27ac in analyse ROI voor alle middelgrote domeinen. Klik hier om een grotere versie van deze figuur te bekijken.