Wyrównanie zsynchronizowanych danych szeregów czasowych przy użyciu modelu charakteryzowania utraty synchronizacji cyklu komórkowego do porównań między eksperymentami

Summary

Jednym z wyzwań związanych z analizą eksperymentów z synchronizowanymi szeregami czasowymi jest to, że eksperymenty często różnią się długością powrotu do zdrowia po synchronizacji i okresem cyklu komórkowego. W związku z tym pomiary z różnych eksperymentów nie mogą być analizowane zbiorczo ani łatwo porównywane. W tym miejscu opisujemy metodę dopasowywania eksperymentów, aby umożliwić porównania specyficzne dla fazy.

Abstract

Badanie cyklu komórkowego często polega na synchronizowaniu populacji komórek w celu pomiaru różnych parametrów w szeregu czasowym, gdy komórki przechodzą przez cykl komórkowy. Jednak nawet w podobnych warunkach powtórzone eksperymenty wykazują różnice w czasie wymaganym do wyjścia z synchronizacji i przejścia przez cykl komórkowy, uniemożliwiając w ten sposób bezpośrednie porównania w każdym punkcie czasowym. Problem porównywania pomiarów dynamicznych między eksperymentami nasila się w populacjach zmutowanych lub w alternatywnych warunkach wzrostu, które wpływają na czas odzyskiwania synchronicznego i/lub okres cyklu komórkowego.

Wcześniej opublikowaliśmy parametryczny model matematyczny o nazwie Characterizing Loss of Cell Cycle Synchrony (CLOCCS), który monitoruje, jak synchroniczne populacje komórek uwalniają się z synchronizacji i przechodzą przez cykl komórkowy. Parametry wyuczone z modelu można następnie wykorzystać do konwersji eksperymentalnych punktów czasowych z zsynchronizowanych eksperymentów szeregów czasowych na znormalizowaną skalę czasu (punkty linii życia). Zamiast reprezentować czas, który upłynął w minutach od rozpoczęcia eksperymentu, skala linii życia reprezentuje postęp od synchronizacji do wejścia w cykl komórkowy, a następnie przez fazy cyklu komórkowego. Ponieważ punkty linii życia odpowiadają fazie przeciętnej komórki w zsynchronizowanej populacji, ta znormalizowana skala czasowa pozwala na bezpośrednie porównania między eksperymentami, w tym tymi z różnymi okresami i czasami rekonwalescencji. Co więcej, model został wykorzystany do dostosowania eksperymentów cyklu komórkowego między różnymi gatunkami (np. Saccharomyces cerevisiae i Schizosaccharomyces pombe), umożliwiając w ten sposób bezpośrednie porównanie pomiarów cyklu komórkowego, które mogą ujawnić ewolucyjne podobieństwa i różnice.

Introduction

Pomiary szeregów czasowych wykonywane na zsynchronizowanych populacjach komórek w trakcie ich postępu w cyklu komórkowym to standardowa metoda badania mechanizmów kontrolujących postęp cyklu komórkowego^{1,2,3,4,5,6,7, 8}. Możliwość dokonywania porównań między eksperymentami szeregów czasowych synchronizacji/wydania ma kluczowe znaczenie dla zrozumienia tych dynamicznych procesów. Wykorzystanie powtórzonych....

Protocol

1. Zbieranie danych z fazy cyklu komórkowego i danych eksperymentalnych

1. Zsynchronizuj komórki w odniesieniu do cyklu komórkowego przy użyciu żądanej metody synchronizacji (np. elutriacja odśrodkowa opisana w Leman et al.¹⁸ lub zatrzymanie feromonów godowych zgodnie z opisem w Rosebrock¹⁹; zarówno Leman et al.^{18, jak} i Rosebrock¹⁹ również zawierają metody uwalniania od synchronizacji). Rozpocznij pobieranie próbek w całym szeregu czasowym, upewniając się, że szereg czasowy ma długość co najmniej dwóch pełnych okresów cyklu komórkowego, a optymaln....

Results

Kroki opisane w powyższym protokole i w przepływie pracy w Rysunek 1 został zastosowany do pięciu eksperymentów z szeregami czasowymi synchronizacji cyklu komórkowego, aby zademonstrować dwa reprezentatywne porównania: między powtórzeniami z różnymi metodami synchronizacji (feromon kojarzeniowy i elutriacja odśrodkowa¹⁸) i platformy sekwencjonowania (sekwencjonowanie RNA [sekwencjonowanie RNA] i mikromacierz), a także w różnych warunkach eksperymentalnych. Przeprowadz.......

Discussion

W artykule przedstawiono metodę dokładniejszej i ilościowej oceny danych z eksperymentów szeregów czasowych na zsynchronizowanych populacjach komórek. Metoda wykorzystuje wyuczone parametry z CLOCCS, bayesowskiego modelu wnioskowania, który wykorzystuje wejściowe dane fazowe cyklu komórkowego, takie jak dane o pączkowaniu i dane o zawartości DNA cytometrycznej przepływowej, do parametryzacji każdego eksperymentu^14,15. CLOCCS wykorzystuje wejściowe dane fazowe cyk.......

Materials

List of materials used in this article

Name	Company	Catalog Number	Comments
2x PBS do roztworu			utrwalającego. Opisany w Leman 2014.
4% formaldehydu			do roztworu utrwalającego.
100% etanol			do utrwalania cytometrii przepływowej. Opisane w Haase 2002.
Cytometr
			https://gitlab.com/haase-lab-group/cloccs_alignment.git
Git			https://git-scm.com/
Java 19			https://www.oracle.com/java/technologies/downloads/#java19
Mikroskop			Do liczenia komórek i pąków.
Miniconda			https://docs.conda.io/en/latest/
Roztwór			proteazy Do protokołu cytometrii przepływowej. Opisane w Haase 2002.
RNAza Roztwór			Do protokołu cytometrii przepływowej. Opisane w Haase 2002.
SYTOX Zielony barwnik kwasem nukleinowym	Invitrogen	S7020	Do barwienia cytometrią przepływową. Opisane w Haase 2002.
Tris			pH 7,5