RESEARCH
Peer reviewed scientific video journal
Video encyclopedia of advanced research methods
Visualizing science through experiment videos
EDUCATION
Video textbooks for undergraduate courses
Visual demonstrations of key scientific experiments
BUSINESS
Video textbooks for business education
OTHERS
Interactive video based quizzes for formative assessments
Products
RESEARCH
JoVE Journal
Peer reviewed scientific video journal
JoVE Encyclopedia of Experiments
Video encyclopedia of advanced research methods
EDUCATION
JoVE Core
Video textbooks for undergraduates
JoVE Science Education
Visual demonstrations of key scientific experiments
JoVE Lab Manual
Videos of experiments for undergraduate lab courses
BUSINESS
JoVE Business
Video textbooks for business education
Solutions
Language
pt_BR
Menu
Menu
Menu
Menu
A subscription to JoVE is required to view this content. Sign in or start your free trial.
Research Article
Pascale Vonaesch1, Philippe J. Sansonetti1,2, Pamela Schnupf3
1Unité de Pathogénie Microbienne Moléculaire, INSERM U786,Institut Pasteur, 2Microbiologie et Maladies Infectieuses,Collège de France, 3Laboratory of Intestinal Immunity, Institut Imagine-INSERM UMR 1163,Université Paris Descartes-Sorbonne Paris Cité
Please note that some of the translations on this page are AI generated. Click here for the English version.
Erratum Notice
Important: There has been an erratum issued for this article. View Erratum Notice
Retraction Notice
The article Assisted Selection of Biomarkers by Linear Discriminant Analysis Effect Size (LEfSe) in Microbiome Data (10.3791/61715) has been retracted by the journal upon the authors' request due to a conflict regarding the data and methodology. View Retraction Notice
Descrevemos um método para a análise qualitativa e quantitativa da formação de grânulos de estresse em células de mamíferos após as células serem desafiadas com bactérias e vários estresses diferentes. Este protocolo pode ser aplicado para investigar a resposta do grânulo do estresse celular em uma ampla gama de interações hospedeiro-bacteriana.
A imagem fluorescente de componentes celulares é uma ferramenta eficaz para investigar interações hospedeiro-patógeno. Os agentes patogênicos podem afetar muitas características diferentes das células infectadas, incluindo a ultraestrutura orgânica, a organização da rede do citoesqueleto, bem como processos celulares, como a formação de grânulos de estresse (SG). A caracterização de como os patógenos subvertem os processos do hospedeiro é uma parte importante e integral do campo da patogênese. Embora os fenótipos variáveis possam ser facilmente visíveis, a análise precisa das diferenças qualitativas e quantitativas nas estruturas celulares induzidas pelo desafio dos patógenos é essencial para definir diferenças estatisticamente significativas entre amostras experimentais e de controle. A formação de SG é uma resposta de estresse conservada de forma evolutiva que leva a respostas antivirais e tem sido investigada por meio de infecções virais 1 . A formação de SG também afeta as cascatas de sinalização e pode ter outras conseqüências ainda desconhecidas2 . A caracterização desta resposta de estresse a agentes patogênicos que não sejam vírus, como patógenos bacterianos, é atualmente uma área de pesquisa emergente 3 . Por enquanto, a análise quantitativa e qualitativa da formação de SG ainda não é rotineiramente utilizada, mesmo nos sistemas virais. Aqui, descrevemos um método simples para induzir e caracterizar a formação de SG em células não infectadas e em células infectadas com um patógeno bacteriano citosólico, o que afeta a formação de SGs em resposta a vários estresses exógenos. A análise da formação e composição do SG é conseguida utilizando vários marcadores de SG diferentes e o plug-in do detector de pontos da ICY, uma ferramenta de análise de imagens de código aberto.
A visualização das interações hospedeiro-patógeno em um nível celular é um método poderoso para obter informações sobre estratégias patogênicas e para identificar caminhos celulares chave. Na verdade, os agentes patogênicos podem ser usados como ferramentas para identificar alvos ou estruturas celulares importantes, pois os agentes patogênicos evoluíram para subverter processos celulares centrais como uma estratégia para sua própria sobrevivência ou propagação. A visualização de componentes celulares pode ser conseguida por proteínas de hospedeiro marcadas fluorescentemente com expressão de forma recombinante. Embora isso permita uma análise em tempo real, a geração de linhas celulares com proteínas hospedeiras especificamente marcadas é altamente laboriosa e pode resultar em efeitos colaterais indesejáveis. Mais conveniente é a detecção de fatores celulares usando anticorpos específicos, porque vários fatores do hospedeiro podem ser analisados simultaneamente e um não está limitado a um tipo de célula particular. Uma desvantagem é que apenas uma visão estática pode ser capturada à medida que a análise de imunofluorescência requer a fixação de célula hospedeiraíon. No entanto, uma vantagem importante da imagem de imunofluorescência é que se presta facilmente a análise tanto qualitativa como quantitativa. Isso, por sua vez, pode ser usado para obter diferenças estatisticamente significativas para fornecer novos conhecimentos sobre interações hospedeiro-patógeno.
Os programas de análise de imagens fluorescentes são poderosas ferramentas analíticas para realizar análises 3D e 4D. No entanto, o alto custo do software e sua manutenção tornam mais atraentes os métodos baseados em software livre de código aberto. A análise cuidadosa da imagem usando o software de bioanálise é valiosa porque sustenta a análise visual e, ao atribuir significados estatísticos, aumenta a confiança na correção de um determinado fenótipo. Anteriormente, os SGs foram analisados usando o software ImageJ gratuito, o que requer a identificação manual de SGs individuais 4 . Aqui fornecemos um protocolo para a indução e análise da formação de SG celular no contexto de bacInfecções teriais usando o software livre de análise de bio-imagem de código aberto ICY (http://icy.bioimageanalysis.org). O software de análise de bio-imagem possui um programa integrado de detectores de pontos que é altamente adequado para análise de SG. Permite o ajuste fino do processo de detecção automatizada em Regiões de Interesse (ROIs) especificadas. Isso supera a necessidade de análise manual de SGs individuais e remove o viés de amostragem.
Muitos estresses ambientais induzem a formação de SGs, que são estruturas citossólicas, não membranosas densas em fase, de 0,2 a 5 μm de diâmetro 5 , 6 . Esta resposta celular é conservada evolutivamente em leveduras, plantas e mamíferos e ocorre quando a tradução global de proteínas é inibida. Envolve a agregação de complexos de iniciação de tradução estancados em SGs, que são considerados lugares de espera para mRNAs ativamente translacionais, o que permite a tradução seletiva de um subconjunto de mRNAs celulares.Após a remoção do estresse, os SGs se dissolvem e as taxas globais de resumo da síntese protéica. Os SGs são compostos de fatores de iniciação da alongamento da tradução, proteínas envolvidas no metabolismo do RNA, proteínas de ligação ao RNA, além de proteínas de andaimes e fatores envolvidos na sinalização celular do hospedeiro 2 , embora a composição exata possa variar dependendo do estresse aplicado. Os fatores ambientais que induzem a formação do SG incluem a inanição de aminoácidos, irradiação UV, choque térmico, choque osmótico, estresse do retículo endoplasmático, hipoxia e infecção viral 2 , 7 , 8 . Muitos progressos foram feitos para entender como os vírus induzem e também subverter a formação do SG, enquanto pouco se sabe sobre como outros agentes patogênicos, como patógenos bacterianos, fúngicos ou protozoários, afetam essa resposta de estresse celular 1 , 7 .
ShigeLla flexneri é um patógeno citossico facultativo gram-negativo dos seres humanos e o agente causador de diarréia grave ou shigelose. A shigelose é um grande fardo para a saúde pública e leva a 28 mil mortes por ano em crianças com menos de 5 anos de idade 9 , 10 . S. flexneri infecta o epitélio colônico e se espalha de célula para célula ao seqüestrar os componentes do citoesqueleto do hospedeiro 11 , 12 . A infecção do epitélio apóia a replicação de S. flexneri no citosol, mas os macrófagos infectados morrem através de um processo inflamatório de morte celular chamado pirotecto. A infecção leva a um recrutamento maciço de neutrófilos e inflamação grave que é acompanhada por calor, estresse oxidativo e destruição tecidual. Assim, enquanto as células infectadas estão sujeitas a estresses internos induzidos por infecção, como a ruptura de Golgi, estresse genotóxico e rearranjo do citoesqueletoS, as células infectadas também são submetidas a estresses ambientais devido ao processo inflamatório.
A caracterização do efeito da infecção por S. flexneri sobre a capacidade das células para responder a estresses ambientais usando uma série de marcadores de SG demonstrou que a infecção leva a diferenças qualitativas e quantitativas na composição SG 3 . No entanto, pouco se sabe sobre outros agentes patogênicos bacterianos. Aqui descrevemos uma metodologia para a infecção de células hospedeiras com o patógeno citossolo S. flexneri , o estressamento de células com diferentes estresses ambientais, a rotulagem de componentes de SG e a análise qualitativa e quantitativa da formação e composição de SG no contexto de infecção E células não infectadas. Este método é amplamente aplicável a outros agentes patogênicos bacterianos. Além disso, a análise de imagem da formação de SG pode ser usada para infecções por vírus ou outros agentes patogênicos. Pode ser usado para analisar SGFormação após a infecção ou o efeito da infecção na formação de SG em resposta a estresses exógenos.
1. Preparação de bactérias e células hospedeiras
2. Desafio bacteriano de células hospedeiras
3. Induzindo a formação de grânulos de estresse pela adição de estressores exógenos
4. Fixação e análise de imunofluorescência da formação de grânulos de estresse
NOTA: processe o controle eLamelas experimentais ao mesmo tempo para evitar manchas de diferenças que possam impactar a análise da imagem nas etapas subseqüentes. As amostras de controle incluem nenhuma infecção com e sem tratamento SG induzido e amostras infectadas com e sem SG induzindo tratamento.
5. Imagem de fluorescência
NOTA: Consulte o manual do usuário do microscópio para otimizar a configuração.
6. Análise de imagem
NOTA: Aqui, descreve-se a análise do SG em pilhas colapsadas usando freeware ICY. A análise de imagens de reconstruções 3D também pode ser feita usando outro software especializado. A detecção de SG pode ser realizada através de um fluxo de trabalho totalmente automatizado estabelecido para este protocolo (disponível em http://icy.bioimageanalysis.org/protocol/Stress_granule_detection_in_fluorescence_imaging). Para usar este protocolo, os núcleos precisam ser corados com uma mancha de DNA para o software para encontrar o centro de cada célula, e as bordas das células precisam ser marcadas por um marcador citoplasmático (como eIF3b) ou mancha de actina para o software Para identificar os limites das células. O fluxo de trabalho automático pode ser usado para validar resultados derivados manualmente ou diretamente para análise quando os limites celulares são detectados com alta confiança, o que seráStly depende da densidade das células e do marcador utilizado para detectar os limites das células.
Para explicar e demonstrar o protocolo descrito neste manuscrito, caracterizamos a imagem de SGs induzidos por clotrimazol em células HeLa infectadas ou não com o patógeno citosólico S. flexneri . Um esboço do procedimento é apresentado na Figura 1 e inclui S. flexneri virulento e avirulento listado em placas de Red Congo, preparação de bactérias, infecção, adição de estresse ambiental, fixação e coloração de amostras, imagem de amostra e quantificação, bem como análise de imagem . Uma série de tensões diferentes podem ser usadas para induzir formação de SG e uma variedade de marcadores de SG estão disponíveis para interrogatório. EIF3b é um marcador SG canônico que também mancha claramente o compartimento citoplasmático da célula e pode ser usado para identificar as bordas das células. G3BP1 é um marcador de SG amplamente utilizado que se agrega em SGs sem coloração de fundo ( Figura 2 A, B D ). As células são melhoras com um microscópio confocal e as pilhas cobrindo a profundidade total da célula são carregadas no freeware de análise de imagem ICY ( Figura 2 A - C ). Para identificar melhor as células infectadas e colocar células no grupo infectado ou não infectado para posterior análise, é útil aumentar a intensidade da mancha de ácido nucleico ( Figura 2 D ). No software de análise de imagem, o detector de pontos é então usado para identificar SGs dentro de cada um dos ROIs designados ( Figura 2 E ) e uma imagem binária é gerada que exibe todos os SGs identificados ( Figura 2 F ).
A análise SG precisa ser adaptada a cada marcador de SG analisado e a configuração apropriada para análise deve ser cuidadosamente escolhida. Concentrando-se na SG MaO rker G3BP1, alterando o requisito de tamanho do ponto detectado ou alterando a sensibilidade dos parâmetros de detecção levará a resultados variáveis, conforme demonstrado na Figura 3 A-C . A seleção da escala (1 - 3, embora as escalas possam ser adicionadas) é baseada no tamanho do pixel e, portanto, em escalas mais altas, SGs menores não serão contados e os números de SGs diminuirão ( Figura 3 C ). A sensibilidade é medida de 1 a 100, sendo 100 o mais sensível. Ao aumentar a sensibilidade, o número de SGs detectados aumenta ( Figura 3 C ). Assim, as configurações corretas devem ser encontradas para minimizar falsos positivos e falsos negativos. Isso é melhor feito analisando cuidadosamente os recursos visuais obtidos para cada configuração. Para G3BP1, uma escala de 2 com uma sensibilidade de 100 (2 - 100, destacada em vermelho) deu o melhor resultado. Uma escala de 2 com menor sensibilidade (50 ou 25) deixada pequenaSG sem conta (veja as setas laranja). Da mesma forma, uma escala de 3 deixou pequena SG não registrada enquanto uma escala de 1 superamplejou. Importante, podem ser adicionadas escalas adicionais para se concentrar apenas em grandes SGs, se isso for garantido. Para eIF3b, uma escala de 2 com uma sensibilidade de 55 (2 - 55) deu o melhor resultado para eIF3b (realçado em vermelho), embora as setas vermelhas destaque sob ou oversampling em uma escala de 2 a 50 e 2 - 55, respectivamente.
Uma vez que os parâmetros para análises SG estão adequadamente definidos, os dados podem ser analisados de várias maneiras ( Figura 4 ). O detector de pontos fornece o número de SGs detectados dentro de cada ROI, de modo que as células não infectadas e infectadas podem ser comparadas ( Figura 4 A ). Da mesma forma, o tamanho, neste caso, é dado número de pixels, a partir do qual a área de superfície pode ser calculada ( Figura 4 B ). Distribuição de frequência pOts também são úteis para destacar mudanças no tamanho de SGs encontrados em diferentes populações de células. Aqui, uma ausência completa de grandes SGs em células infectadas com S. flexneri , bem como uma mudança definitiva na distribuição torna-se mais clara ( Figura 4 C ). Além disso, a intensidade (mostrada aqui é a intensidade mínima e máxima) fornece informações sobre a qualidade dos SGs analisados. Para células infectadas com S. flexneri , os SGs são significativamente menos intensos. Essas análises fornecem informações estatisticamente relevantes sobre a natureza qualitativa e quantitativa das SGs formadas em resposta ao estresse exógeno quando as células são infectadas com ou sem S. flexneri .

Figura 1 : Esboço do Procedimento Experimental para Infectar Células com S. Flexneri ePara analisar o efeito da infecção SG Formação. Uma colônia Congo-Vermelha e uma colônia não-safena Congo-negativa-vermelha, são colhidas e cultivadas O / N em caldo de soja tríptico. A cultura durante a noite é subcultivada até a fase exponencial tardia antes que as bactérias estejam revestidas com PLL para promover a aderência. As células hospedeiras cultivadas em lamelas de vidro em placas de 12 poços são infectadas com bactérias por 30 min. As células de controle não estão infectadas. As células são lavadas e tratadas com indutores de estresse para induzir a formação de SG, quer por substituição do meio com meio contendo estresse ou sujeição das células às condições de estresse, como o calor. As células são então fixadas, permeabilizadas, coradas com marcadores específicos de SG imunofluorescentes e imagens usando microscopia confocal. As projeções Z são feitas usando ImageJ e analisadas usando o detector local do software de análise de imagem. Os dados são então analisados. Clique aqui para ver um grandeE a versão desta figura.

Figura 2 : Análise do Detector de Pontos das Células HeLa Infectadas com S. Flexneri por 1,5 h antes da Adição de Clotrimazol por 1 h. A. Imagem imunofluorescente de uma projeção z mostrando células coradas com os marcadores SG eIF3b e G3BP1, DAPI e actina. B. A mesma imagem que em (A), mas sem a mancha de actina para destacar o uso de eIF3b para delinear limites celulares. C. Tira de tela do software de análise de imagem com o módulo detector de pontos. D. Gating das células infectadas e não infectadas como visto usando diferentes canais. Para ver todas as bactérias, aumenta a intensidade. As células com mais de 1 bactéria presentes na célula são rotuladas com uma estrela vermelha. E. Saída do spot detecAnálise de ROIs individuais, indicando o nome do ROI, o número de pontos e sua localização. F. Imagem dos pontos detectados nos ROIs. Barra de escala = 30 μm. Clique aqui para ver uma versão maior dessa figura.

Figura 3 : Comparações de diferentes configurações de escala e sensibilidade do Detector de pontos para a detecção de SGs através de diferentes marcadores de SG. A. Zoom para células HeLa infectadas ou não com S. flexneri e coradas com DAPI e o marcador SG G3BP1 e analisadas em diferentes escalas (tamanho de pixel cortado, 1 - 3) e sensibilidade (1 - 100). Representação gráfica de números SG em células não infectadas e infectadas analisadas em diferentes escalas ( > B) e sensibilidades ( C ). Visuals ( D ) e representação gráfica ( E ) da detecção de número SG do marcador SG eIF3b para a mesma imagem ao alterar o limite de sensibilidade sem alterar o corte do tamanho do ponto. A escrita vermelha e os símbolos vermelhos indicam os melhores parâmetros. As setas vermelhas apontam para falsas positivas e flechas de laranja para a falta de detecção de SG. Os valores incluem média com desvio padrão. Os melhores resultados são destacados em vermelho. Análise estatística selecionada incluída para clareza usando o p-valores de teste de soma de classificação de Wilcoxon à esquerda e o teste F de variância à direita. * = <0,05, ** = <0,01, *** = <0,001, ns = não significativo. Barra de escala = 10 μm. Clique aqui para ver uma versão maior dessa figura.
Es / ftp_upload / 55536 / 55536fig4.jpg "/>
Figura 4 : Análise de dados de SG gerados pelo detector de pontos obtidos a partir de células HeLa tratadas com Clotrimazol Infectadas com S. Flexneri . A. Número de SGs G3BP1 por célula em células HeLa infectadas e não infectadas. B. Área de superfície de G3BP1-SGs em células infectadas e não infectadas, e sua porcentagem de freqüência de distribuição ( C ). D. Valores de intensidade mínima e máxima (arbitrária) de G3BP1-SGs. Os valores incluem significados com erro padrão. Análise estatística selecionada incluída para clareza usando o p-valores de teste de soma de classificação de Wilcoxon à esquerda e o teste F de variância à direita. * = <0,05, ** = <0,01, *** = <0,001, ns = não significativo. Clique aqui para ver uma versão maior dessa figura.
Os autores não têm nada a divulgar.
Descrevemos um método para a análise qualitativa e quantitativa da formação de grânulos de estresse em células de mamíferos após as células serem desafiadas com bactérias e vários estresses diferentes. Este protocolo pode ser aplicado para investigar a resposta do grânulo do estresse celular em uma ampla gama de interações hospedeiro-bacteriana.
O PS é um destinatário da subvenção do Grand Challenge de Bill e Melinda Gates OPP1141322. O PV foi apoiado por uma bolsa de pós-doutorado da mobilidade pós-doutora da Fundação Nacional da Ciência Nacional da Suíça e uma bolsa de pós-doutorado Roux-Cantarini. O PJS é suportado por uma concessão HHMI e ERC-2013-ADG 339579-Decrypt.
| eIF3b (N20), cabra de origem | Santa Cruz | sc-16377 | Marcador SG robusto e amplamente utilizado. A coloração citosólica permite o delineamento celular. Diluição 1:300 |
| eIF3b (A20), cabra de origem | Santa Cruz | sc-16378 | O mesmo alvo do eIF3b (N20) e em nossas mãos era idêntico ao eIF3b (N20). Diluição 1:300 |
| eIF3A (D51F4), coelho de origem (MC: monoclonal) | Sinalização Celular | 3411 | Parte do complexo multiproteico eIF3 com eIF3b . Diluição 1:800 |
| eIF4AI, origem cabra | Santa Cruz | sc-14211 | Recomendado por (Ref # 13). Diluição 1:200 |
| eIF4B, coelho de origem | Abcam | ab186856 | Bom marcador de grânulos de tensão em nossas mãos. Diluição 1:300 |
| eIF4B, coelho de origem | Sinalização Celular | 3592 | Recomendado pela Ref # 13. Diluição 1:100 |
| eIF4G, coelho de origem | Santa Cruz | sc-11373 | Marcador SG amplamente utilizado. (Ref # 13): pode não funcionar bem em linhagens de células de camundongos. Diluição 1:300 |
| G3BP1, coelho de origem (MC: monoclonal) | BD Biosciences | 611126 | Marcador SG amplamente utilizado. Diluição 1:300 |
| Tia-1, origem caprino | Santa Cruz | sc-1751 | Marcador SG amplamente utilizado. Também pode ser encontrado em corpos P quando SG estão presentes (Ref # 13). Diluição 1:300 |
| Anticorpos secundários conjugados com Alexa | |||
| A488 anti-cabra, burro de origem | Thermo Fisher | A-11055 | Absorvido em cruz. Diluição 1:500 |
| A568 anti-cabra, burro de origem | Thermo Fisher | A-11057 | Absorvido em cruz. Diluição 1:500 |
| A488 anti-rato, burro de origem | Thermo Fisher | A-21202 | Diluição 1:500 |
| A568 anti-rato, burro de origem | Thermo Fisher | A10037 | Diluição 1:500 |
| A647 anti-rato, burro de origem | Thermo Fisher | A31571 | Diluição 1:500 |
| A488 anti-coelho, burro de origem | Thermo Fisher | A-21206 | Diluição 1:500 |
| A568 anti-coelho, burro de origem | Thermo Fisher | A10042 | Diluição 1:500 |
| Shigella flexneri | Disponível em vários laboratórios mediante solicitação | ||
| Caldo de caseína triptona de soja (TCS) | BD Biosciences | 211825 | Meio de crescimento padrão para Shigella, aplicação - crescimento bacteriano |
| Ágar | TCS BD Biosciences | 236950 | Ágar de crescimento padrão para Shigella, aplicação - crescimento bacteriano |
| Vermelho do Congo | SERVA Electrophoresis GmbH | 27215.01 | Ferramenta de destriminação para Shigell que perderam o plasmídeo de virulência, aplicação - crescimento bacteriano |
| Poli-L-Lisina (PLL) | Sigma-Aldrich | P1274 | Útil para revestir bactérias para aumentar a infecção, aplicação - infecção |
| Gentamicina | Sigma-Aldrich | G1397 | Morte seletiva de bactérias extracelulares, mas não citosólicas, aplicação - infecção |
| HEPES | Life Technologies | 15630-056 | Tampão de PH útil quando as células são incubadas em RT, aplicação - cultura de células |
| Meio de Eagle Modificado de Dulbecco (DMEM) | Life Technologies | 31885 | Meio de cultura padrão para células HeLa, aplicação - cultura de células |
| Soro de bezerro fetal (FCS) | Biowest | S1810-100 | Suplementação de 5% usada para meio de cultura de células HeLa, aplicação - cultura de células |
| Aminoácidos não essenciais (NEAA) | Life Technologies | 11140 | diluição 1:100 usada para meio de cultura de células HeLa, aplicação - cultura de células |
| DMSO | Sigma-Aldrich | D2650 | Diluente de reagente, aplicação - cultura de células |
| Arsenito | de sódioSigma-Aldrich | S7400 | Potente indutor de grânulos de estresse (Nota: altamente tóxico, manuseio e descarte especiais necessários), aplicação - indutor de estresse |
| Clotrimazol | Sigma-Aldrich | C6019 | Potente indutor de grânulos de estresse (Nota: perigo para a saúde, manuseio e descarte especiais necessários), aplicação - indutor |
| de estresse Paraformaldeído (PFA | Microscopia Eletrônica Scences | 15714 | 4% PFA é usado para fixação padrão de células, aplicação - fixação |
| Triton X-100 | Sigma-Aldrich | T8787 | Usado a 0,03% para permeabilização de células hospedeiras antes da coloração imunofluorescente, aplicação - permeabilização |
| A647-faloidina | Thermo Fisher | A22287 | A diluição é de 1:40, melhor adicionada durante a coloração secundária de anticorpos, aplicação - coloração |
| DAPI | Sigma-Aldrich | D9542 | Coloração de ácido nucleide usada para visualizar tanto o núcleo do hospedeiro quanto as bactérias, aplicação - coloração |
| Parafilm | Sigma-Aldrich | BR701501 | Filme de parafina útil para coloração imunofluorescente de lamínulas, aplicação - coloração |
| Prolong Gold | Thermo Fisher | 36930 | Meio de montagem robusto que funciona bem para a maioria dos fluoróforos, aplicação - montagem |
| Mowiol | Sigma-Aldrich | 81381 | Meio de montagem barato e robusto que funciona bem para a maioria dos fluoróforos, aplicação - montagem |
| de placa de cultura de células de 24 poços | Placas de cultura de tecidos padrão Sigma-Aldrich | CLS3527 | ,aplicação - cultura de células |
| 12 mm lamínulas de vidro | NeuVitro | 1001/12 | Suporte de cultura de células para aplicações imunofluorescentes, aplicação - pinça de suporte celular |
| Sigma-Aldrich | 81381 | Meio de montagem barato e robusto que funciona bem para a maioria dos fluoróforos, aplicação - montagem | |
| Programas e Equipamentos | |||
| Prism | GraphPad Software | Análise de dados e programa gráfico com opções robustas de teste estatístico, aplicação - análise de dados | |
| Leica SP5 | Leica Microsystems | Microsope confocal, aplicação - imagem aquisição | |
| Imaris | Bitplane | Professional programa de análise de imagem, aplicação - análise de dados | |
| Excel | Microsoft | Programa de análise de dados e gráficos, aplicação - análise de dados |