É necessária uma assinatura do JoVE para visualizar este conteúdo. Faça login ou inicie seu teste gratuito.

Artigo de método

Imagem de tempo de vida de fluorescência NAD (P) H para a análise metabólica do intestino murino e parasitas durante a infecção por nematóides

919 visualizações

⸱

DOI:

10.3791/64982

⸱

1 de setembro de 2023

 ,  ,  ,  ,  ,  , 
1Biophysical Analytics, Deutsches Rheuma-Forschungszentrum, Berlin - A Leibniz Institute, 2Dynamic and Functional In Vivo Imaging, Department of Veterinary Medicine, Institute for Veterinary Physiology, Freie Universität Berlin, 3Institute of Immunology, Department of Veterinary Medicine, Freie Universität Berlin, 4Laboratory for Immune Dynamics, Deutsches Rheuma-Forschungszentrum, Berlin - A Leibniz Institute, 5Intravital Microscopy and Immune Dynamics, Department of Rheumatology and Clinical Immunology, Charité - Universitätsmedizin Berlin, corporate member of Freie Universität Berlin and Humboldt Universität zu Berlin

Neste artigo

Resumo

O presente protocolo descreve a imagem de fluorescência NAD(P)H de um intestino murino explantado infectado com o parasita natural Heligmosomoides polygyrus, o que permite investigar processos metabólicos tanto no tecido do hospedeiro quanto no parasita de maneira espacialmente resolvida.

Resumo

Os parasitas geralmente têm um efeito negativo na saúde de seu hospedeiro. Eles representam um enorme fardo para a saúde, pois afetam globalmente a saúde do ser humano ou animal infestado a longo prazo e, portanto, afetam os resultados agrícolas e socioeconômicos. No entanto, efeitos imunorreguladores impulsionados por parasitas foram descritos, com potencial relevância terapêutica para doenças autoimunes. Embora o metabolismo do hospedeiro e dos parasitas contribua para sua defesa e seja a base para a sobrevivência dos nematóides no intestino, ele permaneceu amplamente pouco estudado devido à falta de tecnologias adequadas. Desenvolvemos e aplicamos imagens de fluorescência NAD (P) H ao tecido intestinal murino explantado durante a infecção com o nematóide natural Heligmosomoides polygyrus para estudar os processos metabólicos no hospedeiro e nos parasitas de maneira espacialmente resolvida. A exploração do tempo de vida de fluorescência das coenzimas nicotinamida adenina dinucleotídeo (NADH) e nicotinamida adenina dinucleotídeo fosfato (NADPH), doravante NAD (P) H, que são preservadas entre as espécies, depende de seu status de ligação e do local de ligação nas enzimas que catalisam os processos metabólicos. Concentrando-se nas enzimas dependentes de NAD(P)H mais abundantemente expressas, as vias metabólicas associadas à glicólise anaeróbica, fosforilação oxidativa/glicólise aeróbica e explosão oxidativa baseada em NOX, como um importante mecanismo de defesa, foram distinguidas, e a interferência metabólica entre o hospedeiro e o parasita durante a infecção foi caracterizada.

Introdução

As infecções parasitárias impõem um enorme fardo à saúde humana 1,2. Uma correlação entre o aumento das doenças autoimunes e o declínio das infecções parasitárias foi observada nos países industrializados. Sabe-se que os parasitas podem ter efeitos benéficos ao amortecer as respostas imunes excessivas do hospedeiro. O H. polygyrus é um parasita natural encontrado no intestino de roedores, e sabe-se que esse parasita induz mecanismos imunorreguladores que reduzem a resposta imune antiparasitária do hospedeiro por meio de, entre outros mecanismos, da indução de células T reguladoras (Treg) no hospedeiro infectado 3,4,5,6,7,8,9,10,11 . Esses mecanismos regulatórios são especialmente interessantes em doenças autoimunes degenerativas.

A análise da interferência metabólica entre o hospedeiro e os nematóides intestinais permanece amplamente negligenciada, embora o metabolismo desempenhe um papel importante tanto no hospedeiro quanto nos parasitas para defesa, sobrevivência e função. Propomos adaptar e aplicar imagens de tempo de vida de fluorescência de NADH e NADPH após excitação de dois fótons, uma tecnologia já amplamente utilizada em diferentes situações fisiológicas e fisiopatológicas em células e tecidos de mamíferos12, para investigar o metabolismo do hospedeiro e do nematóide em tecidos vivos de forma correlativa.

NADH e NADPH, conhecidos como NAD (P) H, são moléculas onipresentes que são preservadas em todas as formas de vida baseadas em células e desempenham o papel de coenzimas em várias vias metabólicas. Por exemplo, eles estão envolvidos na produção de energia, biossíntese redutiva e produção de espécies reativas de oxigênio (ROS) mediadas por NADPH oxidase, que estão principalmente ligadas à defesa celular e comunicação celular 13,14,15,16,17,20. Ambas as coenzimas emitem fluorescência a ~ 450 nm após excitação de dois fótons a 750 nm, permitindo assim imagens metabólicas sem marcadores em células e tecidos19,21. Excitar NADH e NADPH com apenas um comprimento de onda é possível devido aos seus espectros de excitação de dois fótons semelhantes e bastante amplos21.

O tempo de vida de fluorescência da coenzima NAD (P) H depende diretamente da enzima à qual ela se liga 18,21,22,23. Devido à sua estrutura química que permite a transferência de energia intramolecular, a molécula excitada de NADH ou NADPH perde energia por meio de processos de conversão interna, a uma taxa que depende de suas propriedades de ligação, às enzimas (catalisador) antes de relaxar e emitir um fóton de fluorescência. Este tempo de vida fornece informações sobre o local de ligação do NAD (P) H na enzima e, portanto, a reação bioquímica preferencial que ocorre19 , 21 , 22 , 23 , 24 , 25 . O tempo de vida de fluorescência das moléculas livres de NADH e NADPH é de ~ 450 ps, enquanto seu tempo de vida de fluorescência quando ligado a uma enzima é muito mais longo (~ 2.000 ps) e depende de seu local de ligação na respectiva enzima21.

Existem mais de 370 enzimas envolvidas em processos ligados a NAD(P)H; no entanto, apenas o mais abundante será capaz de contribuir para o tempo de vida de fluorescência NAD (P) H resultante dentro da faixa de excitação do microscópio. Usando dados de RNASeq de células de mamíferos, identificamos as enzimas dependentes de NAD(P)H mais abundantes e geramos uma referência de tempo de vida de fluorescência para interpretar os dados gerados em amostras de tecidos e células18. Assim, este trabalho distinguiu, por exemplo, entre a atividade preferencial da lactato desidrogenase (LDH), que está associada às vias metabólicas glicolíticas anaeróbias, e a atividade da isocitrato desidrogenase (IDH) e da piruvato desidrogenase (PDH), que estão envolvidas principalmente nas vias metabólicas da glicólise aeróbica/fosforilação oxidativa16,20. Além disso, a ligação do NADPH às NADPH oxidases, que são as principais enzimas responsáveis pela explosão oxidativa, pode ser facilmente resolvida devido à localização característica dessas enzimas na célula (ligada à membrana) e devido ao tempo de vida de fluorescência particularmente longo do NADPH (3.650 ps) 18 , 24 , 29 , 30 , 32 . Os dados de RNASeq de H. polygyrus mostram que a referência gerada para células de mamíferos também se aplica de forma adaptada a esse nematóide27.

Assim, neste trabalho, ao realizar imagens de fluorescência de NAD(P)H (FLIM) em amostras de duodeno recém-explantadas de camundongos infectados com H. polygyrus, foram adquiridas informações sobre a relação entre NAD(P)H livre e ligado à enzima, que retratou a atividade metabólica geral em todos os tecidos, bem como a enzima predominantemente ativa em cada pixel da imagem (ou seja, a enzima à qual o NAD(P)H se liga preferencialmente naquele local específico). O sucesso desses experimentos depende da preparação precisa da amostra do intestino explantado, da imagem ao vivo confiável da vida útil da fluorescência NAD(P)H na resolução subcelular e da avaliação padronizada de dados, conforme discutido neste protocolo.

Acesso restrito. Inicie sessão ou comece um teste para visualizar este conteúdo.

Protocolo

Todos os experimentos foram realizados de acordo com as Diretrizes Nacionais de Proteção Animal e aprovados pelo Comitê Alemão de Ética Animal para a proteção de animais (G0176/16 e G0207/19). O protocolo descreve a aquisição de dados de imagem de fluorescência NAD (P) H e a avaliação de dados, que permitem avaliar a atividade metabólica geral e as vias metabólicas específicas no intestino do hospedeiro e nos parasitas após a infecção com o nematóide intestinal murino natural, H. polygyrus. Para isso, camundongos C57BL/6 fêmeas com idade entre 10 e 12 semanas foram infectados com 200 larvas de estágio 3 (L3). Em diferentes momentos da infecção, os camundongos infectados foram sacrificados e os duodenos foram excisados e preparados para imagem conforme descrito anteriormente33. Os duodenos de camundongos não infectados, pareados por idade e sexo, foram preparados e fotografados de forma semelhante para fins de controle. Para manter as propriedades teciduais necessárias para imagens e análises adicionais, as amostras devem ser processadas imediatamente após o explante, e as próximas etapas (etapas 1.1-1.7) devem ser executadas rapidamente (Figura 1B).

1. Preparação da amostra

  1. Corte pedaços de ~ 1 cm de comprimento do duodeno inicialmente excisado.
  2. Cole o tubo de tecido esticado no meio de uma pequena placa de Petri com cola de tecido de cura rápida (47 mm de diâmetro, 10 mm de altura da borda, consulte a Tabela de Materiais) (Figura 1A2).
  3. Aplique uma fina camada de cola adicional no fundo da placa de Petri sobre uma grande área ao redor do tecido com um micropincel (Figura 1A2).
  4. Use uma tesoura romba para fazer uma incisão ao longo de todo o comprimento do intestino fisicamente fixado nas proximidades do fundo da placa de Petri (Figura 1A3).
  5. Desdobre o intestino com uma pinça romba para que o lado abluminal entre em contato completo com a cola. Assim, o intestino fica fixado pela cola com o lado luminal voltado para cima (Figura 1A4).
    1. No caso de um camundongo infectado, conte os vermes em um microscópio estereoscópico (ampliação de 10x) para garantir que a infecção foi bem-sucedida (Figura 1A5).
  6. Sele o intestino com agarose para protegê-lo de secar. Aqui, a agarose a 0,5% a 0,9% foi usada para proteger o tecido intestinal sensível da queima devido ao seu ponto de fusão de baixa temperatura de aproximadamente 38 °C. Retire 1 mL de agarose em uma pipeta e regue cuidadosamente no intestino com contato suave entre a ponta da pipeta e o tecido, de modo que uma fina camada de cerca de 0,5 mm de espessura envolva completamente o tecido ( Figura 1A6 ).
  7. Encha as placas de Petri com as amostras seladas em agarose com PBS (10%) à temperatura ambiente e feche-as com a tampa. Fotografe as amostras diretamente ou coloque-as no gelo em uma caixa com isolamento térmico para fazer fila para medição. Colocar a primeira amostra preparada sob a objetiva do microscópio numa placa de aquecimento regulada para 37 °C (figura 1A8).

2. Exames de imagem

NOTA: O sistema de microscópio usado para realizar NAD (P) H-FLIM em amostras de tecido duodenal infectado e saudável consiste nos dispositivos listados e descritos na Figura 2 e na Tabela de Materiais. Use o ImSpector 208 como software de controle para todos os módulos usados.

  1. Para encontrar inicialmente a região de interesse (ROI), coloque a amostra na placa de Petri sob a objetiva e mova-se ao longo do plano x e y manualmente para encontrar uma ROI adequada por inspeção visual usando o modo de microscopia de fluorescência de campo amplo.
  2. Mude o sistema de imagem para excitação de dois fótons usando detecção de PMT ou detecção de contagem de fótons únicos correlacionada ao tempo (TCSPC) alternando os modos no software. Tome cuidado especial para garantir que o ambiente seja escuro e livre de vibrações, para envolver o microscópio em cortinas à prova de luz e usar uma mesa óptica suspensa pneumática, se possível.
  3. Mergulhe a lente objetiva na placa de Petri que contém a amostra com o software de controle clicando no ícone do sistema de lentes e girando a roda do mouse para alterar a posição z.
  4. Ajuste o laser para 765 nm e defina a potência máxima do laser para 10%, o que corresponde a 30 mW sob a objetiva, digitando o comprimento de onda desejado no painel de comprimento de onda do software. Ajuste a potência do laser, se necessário. Meça abaixo de um ganho de 40% (~ 30 mW a 100 mW) para evitar fotodanos teciduais e alterações metabólicas indesejadas.
  5. No software, defina o tamanho do passo do estágio z para 2 μm, que corresponde à resolução axial do microscópio a 765 nm no tecido.
  6. Defina a frequência de varredura de linha para 400 Hz no painel de espelho galvo, resultando em um tempo de permanência de pixel de 4.95 μs.
  7. Defina a média da imagem em duas a quatro imagens escolhendo o número médio no menu suspenso do software (ou seja, digitalize o ROI duas a quatro vezes para adquirir imagens mais suaves). Desta forma, o tempo total de permanência do pixel é aumentado para 9,9-19,8 μs para o benefício de uma relação sinal-ruído (SNR) mais alta no processo de análise.
  8. Defina o campo de visão da imagem (FOV) para 505 pixels x 505 pixels (500 x 500 μm²) escolhendo os parâmetros no painel FOV no software.
  9. Para cada medição, calibre o módulo com antecedência para garantir o funcionamento ideal da eletrônica TCSPC clicando em inicializar na janela de calibração no menu de hardware do TCSPC.
  10. Ajuste o fotodiodo rápido externamente para detectar o trem de pulso de laser Ti:Sa usando um osciloscópio rápido.
    NOTA: O sinal do fotodiodo é usado para acionar a detecção de hPMT e a contagem de fótons pelo TCSPC em relação ao pulso de excitação. A detecção é repetida a cada 12,5 ns (ou seja, o tempo entre dois pulsos de laser consecutivos), correspondendo à taxa de repetição do laser Ti:Sa (80 MHz).
  11. Defina a faixa da profundidade de medição definindo primeiro a média para 1 e o ganho da potência do laser para ~10%, depois iniciando o modo de vídeo (clique no botão de vídeo ), procurando a profundidade da qual o sinal ainda pode ser adquirido clicando no ícone do sistema de lentes novamente e usando a roda do mouse para progredir para a amostra enquanto aumenta o ganho progressivamente.
  12. Para as imagens NAD(P)H-FLIM das amostras de tecido medidas no modo FLIM, defina o sistema para 765 nm a uma potência nominal máxima de 100 mW. Detecte o sinal de fluorescência de NAD(P)H (466/60 nm) com o PMT híbrido com um ganho de 97%, que é definido no software. O módulo TCSPC conta fótons em 227 janelas de tempo (bins), cada uma com 55 ps.
  13. Clique com o botão direito do mouse na imagem exibida durante a medição no software e escolha exibir > T-PROFILE para visualizar a curva de decaimento adquirida pelo sistema.
  14. Observe o número de caixas antes do pulso de laser na curva de decaimento para análise posterior.
  15. Adquira os dados clicando em iniciar medição.
    NOTA: Os dados devem corresponder a um formato específico. Cada fatia, registrada em qualquer profundidade de tecido, é separada por uma distância de 2 μm e tem uma área de 500 μm x 500 μm, e as fatias são adquiridas como uma pilha de fatias de 500 μm x 500 μm em pontos de tempo de 227 x 55 ps (Figura 3A). Cada voxel contém um histograma de tempo de chegada de fótons espacialmente resolvido (no plano x e no plano y). Isso representa o decaimento da fluorescência (Figura 3B). Um volume normalmente medido deve estar na forma de uma hiperpilha com dimensões de ~500 μm x 500 μm x 100-300 μm e 227 compartimentos, onde cada fatia no plano z contém os dados de intensidade dependentes do tempo, conforme descrito acima. Para um conjunto exemplar de dados de medição, isso resulta em (505 x 505 x 227) x 100 pixels (16 bits) e corresponde a cerca de 4 GB.

3. Análise dos dados

NOTA: Para a análise fasorial das imagens NAD(P)H-FLIM, o programa para calcular os tempos de vida é um código escrito sob medida em Python33.

  1. Use o Anaconda com uma distribuição Python 3.7 no IDE Spyder (consulte Tabela de Materiais). O código usa as bibliotecas padrão do Pythons.
  2. Carregue o código no IDE e execute. Uma caixa de diálogo de caminho de arquivo é aberta.
  3. Escolha a pasta com os dados brutos a serem analisados. O código é programado para escolher três parâmetros antes da análise por meio de uma caixa de diálogo de entrada do usuário do Tkinter com caixas de seleção, um menu suspenso e campos de texto.
  4. Escolha um deslocamento na caixa de diálogo de entrada. Determine o deslocamento como o número das primeiras fatias na pilha de tempo que não são analisadas.
    NOTA: O parâmetro corta os pontos de tempo antes do pulso de excitação. Com a calibração do sistema e do diodo de disparo, esse valor deve ser de aproximadamente cinco fatias ou o número de compartimentos mortos antes da excitação do laser, conforme descrito na etapa 2.14.
  5. Escolha a representação dos gráficos fasoriais no menu suspenso da caixa de diálogo de entrada. Aqui, escolha a aparência dos pontos de dados (semelhantes a nuvens ou topográficos), bem como os tiques do eixo de tempo do semicírculo (enzimas ou tempo [ps]), como opções no menu suspenso.
  6. Clique em OK.
  7. Verifique se o código calcula dois tipos de informações das pilhas z NAD(P)H-FLIM.
    1. Primeiro, meça as informações espaciais de cada fatia de volume pelo colapso das pilhas TCSPC, onde os 227 histogramas de contagem de fótons resolvidos no tempo são projetados em uma única fatia chamada imagem de projeção de intensidade (Figura 3G), e da análise baseada em Fourier das curvas de decaimento exponencial (conforme descrito por Leben et al.18), e da parte real e imaginária normalizada para cada pixel em cada fatia de volume (Figura 3C).
    2. A partir das imagens reais e imaginárias, obtenha os gráficos fasoriais (Figura 3D) e a imagem de tempo médio de fluorescência (t) (constantes médias de decaimento codificadas por cores e espacialmente resolvidas para cada voxel) (Figura 3E).
      NOTA: Conforme descrito na introdução, o tempo de vida de fluorescência de NAD (P) H, quando ligado a enzimas, é determinado pelo local de ligação da coenzima à respectiva enzima.
    3. Determine a contribuição da respectiva enzima para a atividade metabólica gerando o vetor entre o vetor de fase de cada pixel e o vetor de fase de NAD(P)H não ligado e projetando-o no semicírculo no gráfico fasorial. O semicírculo representa todos os possíveis decaimentos mono-exponenciais do tempo de vida da fluorescência em compostos puros.
    4. Usando a referência gerada anteriormente dos tempos de vida de fluorescência de NAD (P) H ligados às enzimas dependentes de NAD (P) H mais abundantes18,33 (Figura Suplementar 1), e calcule a probabilidade de ativação dessas enzimas.
      NOTA: Um código de cores da enzima mais dominante (ou seja, da enzima para a qual a maior probabilidade de ativação é calculada) é atribuído a cada pixel, produzindo assim um mapa enzimático (Figura 3F).
  8. A partir da razão entre NAD(P)H livre (não ligado) e ligado a enzimas, especificamente a partir da razão vetorial no gráfico fasorial entre NAD(P)H livre a 450 ps e o estado ligado a enzimas, calcule a atividade metabólica geral como uma porcentagem entre 0% *apenas NAD(P)H não ligado) e 100% (apenas NAD(P)H ligado a enzimas). Ao atribuir um valor de atividade metabólica (0% -100%) a cada pixel, um mapa de atividade (codificado por cores) é gerado (Figura 3F).
  9. Sobreponha os mapas resultantes com as imagens de intensidade para obter informações morfológicas adicionais. Aqui, use uma macro ImageJ (consulte Tabela de materiais) para sobrepor o matiz e a saturação dos mapas de enzimas ou atividades com o brilho das imagens de intensidade.
    1. Certifique-se de que a macro itere em toda a pilha. Para cada fatia (profundidade) na pilha, ela deve dividir a imagem de intensidade e o mapa de escolha, respectivamente, em HUE, SATURATION e BRIGHTNESS (tipo de > de imagem > pilha HSB).
    2. Separe os canais principais para ambas as pilhas HSB (pilhas de > de imagem > pilha para imagens).
    3. Feche o HUE e a SATURAÇÃO da pilha de intensidade, bem como o BRILHO da pilha de mapas (close(slicename_HUE), close(slicename_BRIGHTNESS), ...).
    4. Recombine os canais restantes para formar uma nova pilha HSB que consiste na TONALIDADE e SATURAÇÃO da fatia do mapa de interesse e no BRILHO da imagem de intensidade (a imagem > se acumula > as imagens a serem empilhadas).
    5. Altere o tipo de imagem para RGB para uma melhor aparência visual (Tipo de > imagem > cor RGB).

4. Segmentação de tecidos

NOTA: Use uma rede baseada em U-Net pré-treinada (ILASTIK, consulte a Tabela de Materiais) para segmentar o hospedeiro intestinal e o tecido do nematóide, respectivamente, e, além disso, o epitélio e a lâmina própria no hospedeiro e as áreas de sinal de fluorescência de alto NAD (P) H e áreas de sinal de fluorescência de baixo NAD (P) H no nematóide.

  1. Abra o ILASTIK e escolha um novo projeto e classificação de pixels.
  2. Carregue a projeção de intensidade calculada anteriormente na etapa 3.7.1 clicando em Adicionar novo > Adicionar imagens separadas. Carregue fatias aleatórias de várias medições no recipiente.
  3. Clique em Seleção de recursos > selecionar recursos. Adicione um valor sigma de 50 (peso sem unidade) e marque todos os recursos a serem ativos.
    NOTA: Embora o valor sigma determine o peso dos recursos, os recursos determinam as classes e a capacidade da rede de reconhecer bordas, formas, textura ou cor.
  4. Clique em Treinamento e nomeie os rótulos de acordo com o tecido a ser segmentado (por exemplo, Epitélio, Fundo, etc.) clicando neles. Selecione um rótulo e pinte todos os pixels da imagem correspondente a esse rótulo.
  5. Repita para os outros rótulos.
  6. Repita para aproximadamente metade das imagens no conjunto de dados carregado.
  7. Clique em Live Update e deixe o modelo prever os rótulos para as imagens não rotuladas restantes.
  8. Corrija aproximadamente metade das imagens apenas previstas e não rotuladas rotulando novamente as segmentações falsamente estimadas e repita a atualização ao vivo.
  9. Repita esta etapa até que a rede tenha aprendido a estimar corretamente o tecido de interesse desejado; Certifique-se de que a confiança da rede mostrada à esquerda perto dos nomes dos rótulos varie entre 95% e 98%.
  10. Carregue um novo conjunto de dados conforme descrito na etapa 3.11, desta vez com todas as fatias de uma medição, e clique em Exportação de Previsão.
  11. No menu suspenso "Fonte", escolha Segmentação Simples; em "Formato", escolha a saída a ser no formato tiff; e em "Escolher configurações de exportação de imagem", selecione o caminho de salvamento para a saída. Clique em exportar.
  12. Isso cria máscaras binárias para o tipo de tecido de interesse. Como consistem em fatias em que o tecido segmentado de interesse tem um valor de pixel de 1 e o restante tem um valor de pixel de 0 (Figura 3H), basta multiplicar as máscaras binárias pelos dados gerados, conforme listado na etapa 1.1 e nas etapas 1.4-1.7. Isso leva a dados mascarados (Figura 3 I, J, M). Use ImageJ para esta etapa (Processar > Calculadora de imagem > multiplicar).
  13. Para cada fatia de volume, calcule uma relação sinal-ruído (SNR) a partir das imagens de intensidade mascaradas. Use uma macro ImageJ para essa finalidade. Crie seu programa de forma que ele calcule a relação sinal-ruído (SNR) a partir das imagens segmentadas e mascaradas.
    1. Use o plano de fundo segmentado da etapa 3.21 como plano de fundo (BG) e o tecido segmentado de interesse como sinal (SIG) iterando sobre cada pixel de cada fatia com um valor maior que 0 com dois loops for aninhados. Calcule o SNR com a seguinte fórmula33:
      figure-protocol-1
      onde SIG médio refere-se ao valor médio do histograma de sinal, BG médio refere-se ao valor médio do histograma de fundo e BG padrão refere-se ao desvio padrão do histograma de fundo.
    2. Descarte as fatias de volume com um valor de SNR inferior a 5 da análise posterior.
  14. Com o script Python 18,33, crie um gráfico de frequência enzimática a partir dos mapas enzimáticos para cada tipo de tecido, somando e calculando a média das enzimas em fatias e, em seguida, normalizando-as para um volume de tecido de 100 μm³ (Figura 3K, N).
    1. Codifique o script de forma que ele carregue o mapa enzimático mascarado.
    2. Itere sobre cada pixel, calcule a soma dos pixels da mesma enzima e divida pelo volume analisado (o total de todos os pixels).
    3. Agrupe as abundâncias calculadas em seus estados metabólicos e calcule a média dividindo pelo número de enzimas em cada grupo. Escreva um código que atribua estados metabólicos agrupados em torno de LDH a vias anaeróbicas semelhantes à glicólise, atividade enzimática agrupada em torno de PDH/IDH/GAPDH a vias aeróbicas semelhantes à glicólise/oxFos e atividade NADPH oxidase (atividade NOX) a explosão oxidativa/estresse oxidativo usado para defesa (Figura 3L, O).
    4. Use a biblioteca matplotlib do Python para visualizar os dados com boxplots.
  15. Calcule a atividade do tecido a partir dos mapas de atividade mascarados (Figura 3F) como o valor médio em cada fatia de volume para todos os pixels com um valor maior que 0 usando uma macro ImageJ executando Analyze > Measure.
  16. Visualize todas as imagens geradas lado a lado com o ImageJ/FIJI.

Acesso restrito. Inicie sessão ou comece um teste para visualizar este conteúdo.

Resultados

Usando o procedimento NAD (P) H-FLIMatual 28 , 29 , 33 combinado com o método de análise fasorial descrito, a atividade metabólica e as vias metabólicas em duodenos saudáveis e infectados foram medidas no dia 6, dia 10, dia 12 e dia 14 pós-infecção com o nematóide intestinal murino H. polygyrus.

Viabilidade do tecido intestinal preservado no duodeno excisado revelada por NAD(P)H-FLIM<...

Acesso restrito. Inicie sessão ou comece um teste para visualizar este conteúdo.

Discussão

As etapas críticas dentro do protocolo ocorrem durante a preparação e ao encontrar o ROI. As fibras de alimentos parcialmente digeridos representam um desafio para a obtenção de imagens, principalmente devido à luminescência endógena das fibras que se sobrepõem à fluorescência do NAD(P)H, mas também devido ao seu sinal de geração harmônica. É de grande importância encontrar ROIs livres de fezes. Nosso objetivo foi evitar a medição de áreas contendo fezes. A lavagem foi evitada porque iss...

Acesso restrito. Inicie sessão ou comece um teste para visualizar este conteúdo.

Divulgações

Os autores declaram não haver interesses financeiros concorrentes.

Agradecimentos

Agradecemos a Robert Günther por seu excelente suporte técnico. Apoio financeiro do Conselho Alemão de Pesquisa (DFG) sob a concessão SPP2332 HA2542/12-1 (S.H.), NI1167/7-1 (R.A.N.), HA5354/11-1 (A.E.H.) e RA2544/1-1 (S.R.), sob a concessão SFB1444, P14 (R.A.N., A.E.H.), sob a concessão HA5354/8-2 (A.E.H.), e sob a concessão GRK2046 B4 e B5 (S.H., S.R.) e HA2542 / 8-1 (SH) são muito reconhecidos. W.L. recebeu uma bolsa de doutorado da Berliner Hochschule für Technik, Escola de Ciências Aplicadas de Berlim em Física Médica/Engenharia Física.

Acesso restrito. Inicie sessão ou comece um teste para visualizar este conteúdo.

Materiais

Lista de materiais utilizados neste artigo
NomeEmpresaNúmero de catálogoComentários
AgaroseThermo fisherJ32802.22ultra puro
Blunt tesouraFST ferramentas de ciências finas14108-09blund-blund 14 cm
Bodipy c12thermo fisherD38221 mg sólido
Unidades de controle, diodo, TCSPCLaVision BiontechpersonalizadoTrimScope II
DMSOThermo fisherD123453 mL
FiltrosChroma755466 ± 20, 525 ± 25, 593 ± 20,  655 ± 20 nm
Folha de FoliodrapeHartmann277500
LuvasSigma-AldrichZ423262
nitril Halogen torchLeicaEste item foi descontinuado e não está mais disponívelKL 1500 LCD
hPMTHamamatsu, AlemanhaH7422GaAsP
IlastikNetlifySoftware livreJava Backend
ImageJNational Institutes of healthSoftware livreFIJI - plugins padrão
ImspectorLaVision Biontech-Vers. 208
Estágio intravitalLaVision BiontechpersonalizadoTrimScope II
Sistema de lentes 20xZeissTocha de vapor de mercúrio personalizadaW-plan-apochom 20x Waterimmersion NA 1.05
personalizadoLaVision Biontech
Fisher scientific22-020-00285 mm
 TrimScope IIpersonalizadoLaVision Biontech
Rhode & Schwarz1326.2000.22
PBSSigma-AldrichAM96240,5 L
Placa de PetriSigma aldrichP560640 x 15 mm
Pipetathermo fisher4651280NEinkanalpipette
Pontas de pipetathermo fisher94056980Spitzen mit Filter
PMTHamamatsu, JapãoH7422GaAsP
PythonPython Software FoundationSoftware livreAnaconda 3.7 Spyder IDE, bibliotecas padrão com microscópio KYTE
Sterio LeicaEste item foi descontinuado e não está mais disponívelM26, zoom de 6,3x
Ti:Sa LASER CHAMELION ULTRA IICoherent,nm sintonizável, 80MHz
Tecelagem3M511150536033 mL
PinçasFST ferramentas de ciência fina11049-10blund, graefe, angeled
PinçasFST ferramentas de ciência fina91197-00Dumont, curvo
Microscópio de microbrush Osciloscópio APE-690-1080

Referências

  1. Hotez, P. J., Fenwick, A., Savioli, L., Molyneux, D. H. Rescuing the bottom billion through control of neglected tropical diseases. Lancet. 373 (9674), 1570-1575 (2009).
  2. Sartorius, B., et al. Prevalence and intensity of soil-transmitted helminth infections of children in sub-Saharan Africa, 2000-18: A geospatial analysis. The Lancet Global Health. 9 (1), e52-e60 (2021).
  3. Affinass, N., et al. Manipulation of the balance between Th2 and Th2/1 hybrid cells affects parasite nematode fitness in mice. European Journal of Immunology. 48 (12), 1958-1964 (2018).
  4. Hartmann, S., et al. Gastrointestinal nematode infection interferes with experimental allergic airway inflammation but not atopic dermatitis. Clinical & Experimental Allergy. 39 (10), 1585-1596 (2009).
  5. Hepworth, M. R., et al. Mast cells orchestrate type 2 immunity to helminths through regulation of tissue-derived cytokines. Proceedings of the National Academy of Sciences of the United States of America. 109 (17), 6644-6649 (2012).
  6. Rausch, S., et al. Establishment of nematode infection despite increased Th2 responses and immunopathology after selective depletion of Foxp3+ cells. European Journal of Immunology. 39 (11), 3066-3077 (2009).
  7. Rausch, S., et al. Parasitic nematodes exert antimicrobial activity and benefit from microbiota-driven support for host immune regulation. Frontiers in Immunology. 9, 2282(2018).
  8. Steinfelder, S., Rausch, S., Michael, D., Kuhl, A. A., Hartmann, S. Intestinal helminth infection induces highly functional resident memory CD4(+) T cells in mice. European Journal of Immunology. 47 (2), 353-363 (2017).
  9. Whelan, R. A., et al. A transgenic probiotic secreting a parasite immunomodulator for site-directed treatment of gut inflammation. Molecular Therapy. 22 (10), 1730-1740 (2014).
  10. Ziegler, T., et al. A novel regulatory macrophage induced by a helminth molecule instructs IL-10 in CD4+ T cells and protects against mucosal inflammation. The Journal of Immunology. 194 (4), 1555-1564 (2015).
  11. Grantham, B. D., Barrett, J. Amino acid catabolism in the nematodes Heligmosomoides polygyrus and Panagrellus redivivus. 2. Metabolism of the carbon skeleton. Parasitology. 93 (Pt 3), 495-504 (1986).
  12. Dmitriev, R. I., Intes, X., Barroso, M. M. Luminescence lifetime imaging of three-dimensional biological objects. Journal of Cell Science. 134 (9), 1-17 (2021).
  13. Mossakowski, A., et al. Tracking CNS and systemic sources of oxidative stress during the course of chronic neuroinflammation. Acta Neuropathologica. 130 (6), 799-814 (2015).
  14. Qian, T., et al. Label-free imaging for quality control of cardiomyocyte differentiation. Nature Communications. 12, 4580(2021).
  15. Bayerl, S., et al. Time lapse in vivo microscopy reveals distinct dynamics of microglia-tumor environment interactions-a new role for the tumor perivascular space as highway for trafficking microglia. Glia. 64 (7), 1210-1226 (2016).
  16. Skala, M. C., et al. In vivo multiphoton microscopy of NADH and FAD redox states, fluorescence lifetimes, and cellular morphology in precancerous epithelia. Proceedings of the National Academy of Sciences of the United States of America. 104 (49), 19494-19499 (2007).
  17. Skala, M. C., et al. Multiphoton microscopy of endogenous fluorescence differentiates normal, precancerous, and cancerous squamous epithelial tissues. Cancer Research. 65 (4), 1180-1186 (2005).
  18. Leben, R., Kohler, M., Radbruch, H., Hauser, A. E., Niesner, R. A. Systematic enzyme mapping of cellular metabolism by phasor-analyzed label-free NAD(P)H fluorescence lifetime imaging. International Journal of Molecular Sciences. 20 (22), 5565(2019).
  19. Chacko, J. V., Eliceiri, K. W. Autofluorescence lifetime imaging of cellular metabolism: Sensitivity toward cell density, pH, intracellular, and intercellular heterogeneity. Cytometry. 95 (1), 56-69 (2019).
  20. Stringari, C., et al. Phasor approach to fluorescence lifetime microscopy distinguishes different metabolic states of germ cells in a live tissue. Proceedings of the National Academy of Sciences of the United States of America. 108 (33), 13582-13587 (2011).
  21. Lakowicz, J. R., Szmacinski, H., Nowaczyk, K., Johnson, M. L. Fluorescence lifetime imaging of free and protein-bound NADH. Proceedings of the National Academy of Sciences of the United States of America. 89 (4), 1271-1275 (1992).
  22. Blacker, T. S., et al. Separating NADH and NADPH fluorescence in live cells and tissues using FLIM. Nature Communications. 5 (1), 3936(2014).
  23. Blacker, T. S., Duchen, M. R. NAD(P)H binding configurations revealed by time-resolved fluorescence and two-photon absorption. Biophys. J. 122 (7), 1240-1253 (2023).
  24. Niesner, R., et al. Selective detection of NADPH oxidase in polymorphonuclear cells by means of NAD(P)H-based fluorescence lifetime imaging. Journal of Biophysics. 2008, 602639(2008).
  25. Vishwasrao, H. D., Heikal, A. A., Kasischke, K. A., Webb, W. W. Conformational dependence of intracellular NADH on metabolic state revealed by associated fluorescence anisotropy. Journal of Biology and Chemistry. 280 (26), 25119-25126 (2005).
  26. Babior, B. M. NADPH oxidase: An update. Blood. 93 (5), 1464-1476 (1999).
  27. Hewitson, J. P., et al. Proteomic analysis of secretory products from the model gastrointestinal nematode Heligmosomoides polygyrus reveals dominance of venom allergen-like (VAL) proteins. Journal of Proteomics. 74 (9), 1573-1594 (2011).
  28. Rakhymzhan, A., et al. Synergistic strategy for multicolor two-photon microscopy: Application to the analysis of germinal center reactions in vivo. Scientific Reports. 7, 7101(2017).
  29. Bremer, D., et al. Method to detect the cellular source of over-activated NADPH oxidases using NAD(P)H fluorescence lifetime imaging. Current Protocols in Cytometry. 80, 9.52.1-9.52.14 (2017).
  30. Leben, R., et al. Phasor-based endogenous NAD(P)H fluorescence lifetime imaging unravels specific enzymatic activity of neutrophil granulocytes preceding NETosis. International Journal of Molecular Sciences. 19 (4), 1018(2018).
  31. Digman, M. A., Caiolfa, V. R., Zamai, M., Gratton, E. The phasor approach to fluorescence lifetime imaging analysis. Biophysics Journal. 94 (2), L14-L16 (2008).
  32. Lindquist, R. L., Bayat-Sarmadi, J., Leben, R., Niesner, R., Hauser, A. E. NAD(P)H oxidase activity in the small intestine is predominantly found in enterocytes, not professional phagocytes. International Journal of Molecular Sciences. 19 (5), 1365(2018).
  33. Liublin, W., et al. NAD(P)H fluorescence lifetime imaging of live intestinal nematodes reveals metabolic crosstalk between parasite and host. Scientific Reports. 12, 7264(2022).
  34. Nhu, N. T. Q., et al. Alkaline pH increases swimming speed and facilitates mucus penetration for Vibrio cholerae. Journal of Bacteriology. 203 (7), e00607(2021).

Acesso restrito. Inicie sessão ou comece um teste para visualizar este conteúdo.

Reimpressões e permissões

Etiquetas

Fluoresc ncia de NADPHMetabolismo de ParasitasIntera o Hospedeiro ParasitaGlic lise Anaer bicaFosforila o OxidativaExplos o Oxidativa de NOX

Este artigo foi publicado

Vídeo em breve

Fale conosco
Recomendar à biblioteca

Privacidade

Termos de Uso

Políticas

Copyright © 2026 MyJoVE Corporation. Todos os direitos reservados.