Для просмотра этого контента требуется подписка на JoVE. Войдите или начните свой бесплатный пробный период.

Методическая статья

Интегрировать изображений проточной цитометрии и транскриптомики, профилирование для оценки измененных Endocytic CD1d торговля

6.2K просмотров

⸱

DOI:

10.3791/57528

⸱

29 октября 2018 г.

 ,  , 
1Department of Environmental Health, University of Cincinnati College of Medicine

В этой статье

Краткое содержание

Imaging проточной цитометрии предоставляет идеальный подход для выявления морфологических и функциональных изменений клеток на индивидуальном и популяционной уровнях. Нарушается функция endocytic для презентации антигена липидов в подвергшихся воздействию загрязнителей дендритных клетках человека была продемонстрирована с профилирования комбинированных транскриптомики экспрессии генов и морфологических демонстрации оборота белка.

Аннотация

Популяционной анализа морфологических и функциональных изменений endocytic белков сложной из-за спроса захвата изображения на одну ячейку анализа уровня и статистические изображений на популяционной уровне. Для преодоления этой трудности, мы использовали визуализации проточной цитометрии и транскриптомики, профилирование (РНК seq) для определения измененных субцеллюлярные локализации Кластер дифференцировки 1d белка (CD1d) связанные с нарушением endocytic ген выражение в человека дендритные клетки (DCs), которые были подвержены общей липофильных воздушных загрязнителей бензо [а] пирена. Colocalization CD1d и endocytic маркер Lamp1 белков из тысячи клеток изображения, снятые с imaging проточной цитометрии было проанализировано, используя идеи и ImageJ-Фиджи программы. Многочисленные сотовой изображения с совместно окрашенных CD1d и Lamp1 белки были визуализирована после стробирования на CD1d+Lamp1+ РС с помощью идей. Расширение CD1d и Lamp1 colocalization на Бат экспозиции далее была продемонстрирована с помощью показатели scatterplots, протестированы с Мандер в коэффициенты для совместного локализованных интенсивности и нанесены на основе доли совместно локализованных участков с помощью ImageJ-Фиджи. Наши данные обеспечивают выгодно инструментальная и bioinformatic подход для измерения colocalization белка на как одного, так и популяционной сотовой уровнях, поддерживая зрением функциональный результат транскриптомики изменения в подвергшихся воздействию загрязнителей человека РСУ.

Введение

Презентация антигена, как правило, включает внутриклеточных белков людьми, который часто исследовано с помощью морфологических характеристик и фенотипические профилирование антиген представляющих клеток в1,2,3 . Чтобы интегрировать преимущества изображений и методов фенотипа, мы описываем анализа платформа отображения информации на одну ячейку и численности населения продемонстрировать измененный белок colocalization дендритных клеток человека (DCs). В презентации антигена пептидный комплекс гистосовместимости (MHC) сорта молекул привязать короткие пептиды (8-10 остатков) в эндоплазматический ретикулум активировать обычных CD8 клетки+ T, хотя II молекул MHC класса привязки относительно больше пептид (~ 20 остатков) в endocytic отсеках для активации обычных CD4 клеток+ T1,4. В противоположность этому липидов специфичные Т-клетки активируются CD1 белки с антигенами липидов, главным образом в endocytic отсеков5,6. Презентация антигена липидов требует питания липидов метаболитов в липидного метаболизма7,8,9,10 и загрузка функциональных липидов метаболитов CD1 белки в endocytic отсеков5,6. В этом контексте различных клеточных факторов, модулирует презентации антигена липидов, особенно в экологические воздействия липофильных загрязнителей и иммунных, важно определить. В этом исследовании мы использовали транскриптомики анализ, профилирование изображения и клеточных и популяционной изображений анализ человека моноцитарных DCs для определения торговли endocytic белка, способствует презентации антигена липидов в воздействия широкого круга загрязнителей. Конечно это комбинированные платформы может применяться для изучения торговли внутриклеточных белков и colocalization в различных биологических процессах.

Технически локализация внутриклеточных белков обычно была продемонстрирована с помощью конфокальной микроскопии и статистически проанализированы в ограниченное количество обнаруженных клетки1,2,3,11. Кроме того проточной цитометрии широко применяется для ворот клеточных популяций с совместно окрашенных сигналов нескольких белков на клеточном уровне12; Однако это не хватает подробной визуализации внутриклеточных белков colocalization. Для достижения всеобъемлющего и статистический анализ процент белка colocalization на уровнях как клеточного, так и населения, мы внедряем изображений профилирования и анализ подходов для определения функции белка colocalization с биологического актуальность. В частности, мы используем изображений проточной цитометрии для обнаружения colocalization CD1d и лизосомальных связанные мембранный белок 1 (Lamp1) белки в этом исследовании. Количественный анализ colocalized молекул был ранее трудно выполнить в популяционной масштабе. В этом исследовании мы адаптировали ImageJ-Фиджи программа для изучения процент белка colocalization с большим числом совместно окрашенных клеток на популяционной и индивидуальных клеточном уровнях. В частности мы измерили совместно локализованных участков, интенсивности и популяционной размер позволяет поддержать вывод о значительной степени сохранить CD1d белка в конце endocytic отсеках человека РС в подверженности липофильных загрязнителей бензо [а] пирена (БАП)13 . Этот комбинированный клеточного и населения, анализ изображений предоставляет высокую воспроизводимость, всеобъемлющий и статистически значимые результаты CD1d-Lamp1 colocalization отношение к презентации антигена тормозится липидов.

Транскриптом БАП облученных людей DCs решительно поддержали гипотезу, что endocytic липидного обмена и CD1d endocytic людьми были нарушениями в экспозиции БАП. Чтобы проверить эту гипотезу, мы применили изображений проточной цитометрии профилирование изображения DC населения, которые окрашивали совместно с несколькими белков, включая CD1d, endocytic маркеры и маркеры DC. Наконец, совместно окрашенные клетки были статистически проанализированы продемонстрировать процент от интенсивности и районов CD1d и Lamp1 colocalization.

Доступ ограничен. Войдите в систему или начните пробный период, чтобы просмотреть этот контент.

Протокол

Человека протоколов в этом исследовании были утверждены институциональных Наблюдательный Совет Университета Цинциннати и все методы были исполнены в соответствии с соответствующих руководящих принципов и правил. Образцы крови здоровых доноров были получены из центра крови Hoxworth в медицинском центре Университета Цинциннати.

1. транскриптомики профилирование воздействию загрязнителей человека моноцитарных DCs

  1. Общая добыча РНК БАП облученных DCs
    1. Дифференцировать человека DCs, используя цитокинами ГМ-КСФ и Ил-4 и разоблачить DCs бат за 4 дня13.
    2. Сортировать БАП облученных DCs, с помощью проточной цитометрии, основанный на поверхности выразили маркеры (линии–HLA-DR+), большинство из которых состоит из обычных DCs (CD11c+CD1c+)13. Как правило, сортировка 10000 РС в питательной среды, содержащие 10% FBS, центрифуга РС в 600 x g и 4 ° C на 6 мин и немедленно удалить супернатант стремление с помощью кончика пипетки 1 мл.
    3. После супернатант удаляется путем аспирации, Лизируйте клетки Пелле, добавив 0,4 мл буфера Lysis/привязки из РНК изоляции комплект для хранения в-80 ° C до извлечение RNA.
    4. Используйте комплект изоляции РНК с общей РНК добыча протокол для извлечения всего РНК14. Мера целостности РНК с помощью Bioanalyzer15.
  2. Транскриптомики анализ отсортированных DCs (рис. 1A)
    1. Подготовьте библиотеку для РНК seq с использованием библиотеки РНК подготовки комплекта. Короче говоря, фрагмент РНК изолированных поли A (~ 200 bp), обратный транскрибировать фрагменты в 1-й нити cDNA и следить за второй синтез cDNA стренги, помечены dUTP.
    2. Перевязать cDNA стренги двойной адаптер с стволовых циклической структуры после очистки шарик, конец ремонт и dA хвостов. Акцизный остатков урацила в 2-й нити cDNA и адаптер петля с энзимом пользователя (зависящие от урацила иссечение реагент) чтобы сохранить специфику прядь и открыть адаптер петля для ПЦР.
      1. Выполните 13 циклов PCR с помощью универсального и индекс специфические праймеры обогатить индексированные библиотеки. Очистить библиотеку и работать на Bioanalyzer ДНК высокой чувствительности чип, чтобы проверить качество библиотека и размер распределения.
    3. Использовать библиотеки комплекта количественной оценки и системы PCR реального времени в сочетании с библиотека размер информации для расчета библиотека концентрации через метод стандартной кривой.
    4. Пропорционально бассейн индивидуально индексированных совместимых библиотек и настроить окончательный общая концентрация 15 pM. Выполните библиотека кластера поколения и последовательности библиотеки при настройке одного чтения 1 x 50 bp для создания ~ 25 миллионов чтений на сэмпл.
  3. Виртуализация
    1. Загрузите последовательность и индексирование реагентов для SBS и PE реагент стойки, соответственно. Место реагентов в водяной бане Лаборатория класса за 1 ч до тех пор, пока весь лед растаял и реагентов в каждой бутылке/трубе смешиваются должным образом.
    2. Подготовить ICB смесь, добавив талой красителя и -20 ° C фермента в бутылке и перемешать. Приготовляют раствор NaOH согласно последовательности инструкций. Поместите все реагенты на 4 ° C до готовой к использованию.
    3. В течение 1 ч. ожидания периода, Включите секвенсор. Ждать для DONOTEJECT диска и подключите компьютер к сетевой диск.
    4. Запуск программного обеспечения управления программы sequencer.
    5. Приготовьте 2 Л обслуживания промывочный раствор, содержащий 0,5% 20 анимации и 0,03% воды 300 в лаборатории класса ProClin.
    6. В SBS реагент стойку добавьте ~ 100 мл обслуживания Вымойте решения для каждой из 8 бутылок и воронки колпачки для бутылок. В стойке реагент PE добавить ~ 12 мл обслуживания промывочного раствора в каждый из десяти 15 мл конические трубы и отбросить шапки.
    7. Загрузка двух стоек с решением заполнены бутылки/трубы в секвенсор.
    8. Программное обеспечение управления программы sequencer выберите обслуживания мыть; Следуйте инструкциям на экране для очистки жидкости системы секвенсор, до тех пор, пока процесс завершится.
    9. Начать новый запуск на вкладке «Последовательность» от программного обеспечения; прямой вывод данных на сетевой диск. Выберете параметры для одного чтения 1 x 50 bp с единого индекса мультиплексированных библиотек.
    10. При необходимости войдите в хаб последовательности BaseSpace так, что состояние виртуализации может контролироваться удаленно через компьютер или смартфон.
    11. Загрузить образец листа для демультиплексирования и предоставлять информацию реагент согласно требований программного обеспечения.
    12. Загрузить SBS и PE реагентов в секвенсор. Премьер системы с ячейкой используется поток (~ 15 мин).
    13. После завершения создания кластера (~4.5 h), вынуть ячейку потока, слегка спрей поток клеток с водой и протрите сухой, с помощью объектива бумаги. Слегка спрей поток клеток с 95% этиловом спирте и вытрите его насухо. Проверьте против света, чтобы убедиться, что поверхность чистая без мусора или соли остатков.
    14. После завершения шага премьер, загрузить кластерный потока клеток и начать последовательность. Программное обеспечение последовательности анализа просмотра будет автоматически запущен.
    15. Мониторинг качества данных последовательности через SAV включая кластера плотность, читает фильтр, кластер перевал фильтр %, % ≥Q30, наследие фаза/профаза %, индексирование КК и т.д. , что это помогает понять качество данных и устранения неполадок.
    16. Изменить ячейки прокладка потока и выполнять техническое обслуживание мыть после завершения последовательности. Sequencer готова для следующего запуска.
  4. Bioinformatic анализ
    1. Выполняйте биоинформатики РНК seq данных анализа13.

2. путь анализ транскриптомики профилей (рис. 1B)

  1. Станок Bioconductor используйте для сравнения результирующая ген выражение интенсивности графов между БАП подвержены и не подвержены DCs от трех доноров. Затем, определите дифференциально выраженной генов между БАП подвержены и не подвержены DCs, основанный на изменении абсолютной раза (> 2 складки) и ложное обнаружение оценить (ФДР) - скорректированный p- значения (< 0,05).
  2. Для прогнозирования функциональных групп дифференциально выразил генов, используйте пакет программного обеспечения ToppCluster для поиска измененных генов против нескольких баз данных, включая KEGG и REACTOME и генерировать кластеризации данных. ToppCluster использует гипергеометрических тест для получения функциональных обогащения через анализ списка обогащения гена16.
  3. Далее входные результаты этих функции кластеров до Cytoscape17,18 версии 3.3.0, широко используемым открытым исходным кодом программного обеспечения платформы для визуализации сложных сетей. Таким образом генов, участвующих в различных кластерах или пути, включая endocytic кластеры и жирового обмена, показаны в сети с цвет Аннотация усредненной раз изменения генов выражение (Рисунок 1B)13.

3. томография проточной цитометрии CD1d и Lamp1 Colocalization

  1. Антитело маркировки БАП облученных DCs
    1. Разоблачение 0,5 x 106 человека DCs 5.94 мм бат за 4 дня при 37 ° C в 2 мл полной Дульбекко среднего изменения орла. Урожай DCs центрифугированием при 400 g x 10 мин блок дифференцированных DCs путем инкубации клеток с человеческой сыворотки окон и антигуманна Fc рецепторов антител для 10 мин в лед, включая CD16, CD32 и CD64 антител против человека.
    2. Инкубировать фиолетовый блестящий 421-анти CD1c (L161), фикоэритрин/цианиновые красители 7 (PE/Cy7) - анти - HLA-DR и PE/Cy5-анти CD11c с РС на 20 мин в лед. Таблица 1 показывает этот список антител.
    3. Исправьте DCs с параформальдегида 4% в PBS и разрушения их с Permeabilization мыть буфера. Выполните внутриклеточных окрашивание с смесь из PE-меченых очищенный антинародным CD1d (51,1) и Alexa Fluor 647-помечены анти Lamp1 (CD107a) (H4A3).
  2. Imaging цитометрии измерения потока (рис. 2)
    1. Анализируйте окрашенных образцов с использованием изображений проточный цитометр потока цитометрии суть Цинциннати Детская больница, используя 40 X цель приносить 300 пикселей для ячейки с диаметром около 10 мм. Один пиксель размер составляет примерно 0,5 мм, 0,5 мм объекта.
    2. Получить 10 000 сотовой изображения в непредвзято согласно инструкции производителя.

4. Анализ потока цитометрии изображений изображений

  1. Colocalization анализ с использованием программного обеспечения идеи (рис. 2)
    1. Выполнение компенсации с одной окрашенных по сравнению с не окрашенных образцов, установив интенсивности флуоресценции-окрашенных образцов ниже порогового значения, включая-окрашенных БАП облученных DCs с Бат аутофлюоресценция, как и обычные потока данных цитометрии анализ.
    2. Ворота, окрашенные клетки для получения подмножества HLA-DR+CD11c+CD1d+Lamp1+ клетки (рисунок 2A) и шоу сотовой изображения в закрытом подмножеств (Рисунок 2Б).
    3. Сохраните клетки изображения в формате png, основанный на двух технических критериях, визуального присутствия сильных совместно окрашенных сигналов и локализация внутриклеточных белков CD1d и Lamp1, для colocalization анализа с использованием ImageJ-Фиджи (Рисунок 2Б).
  2. Используйте программное обеспечение ImageJ-Фиджи для выполнения анализа colocalization (рис. 3).
    1. Подготовка файлов входного изображения путем слияния 100 изображений сохраненные клетки для человека DCs-воздействию и воздействию БАП, соответственно (рис. 3A).
    2. Анализ CD1d (красный) и Lamp1 (зеленый) colocalization с помощью рассеяния.
      1. Запустите программу ImageJ-Фиджи. Откройте файл .png с 100 ячеек изображения (рисунок 3B и рис. 4A): «файл | Открыть».
      2. Разбить изображение с Объединенные красный и зеленый каналы на два изображения с красный или зеленый канал: «изображение | Цвет | Разделить каналы».
      3. Нарисуйте диаграмму рассеяния, используя команды «анализ | Colocalization | Colocalization порог». Сохраните рассеяния, используя клавишу «PrintScreen» .
    3. Рассчитать Мандер в colocalization коэффициенты для каждого единого сотовой изображения (n = 100) (рис. 4B)
      1. Выберите одну ячейку изображение на файл изображения с разделить каналы с помощью «овальный « инструмент выделения.
      2. Используйте команды «анализ | Colocalization | Colocalization порог». Выберите «Канал 1» из диалогового окна региона интерес (ROI). Храните все параметры вычислений, включая «Мандер используя пороги» для каждой ячейки изображения.
      3. Повторите этот расчет для всех изображений 100 клеток.
      4. Сохранение и открытие результатов с помощью таблицы.
      5. Участок среднего и стандартные ошибки для «Показатели Мандер коэффициентов» (n = 100, 0 означает не colocalization и 1 идеальным colocalization). Используйте t критерия Стьюдента для вычисления значения p для сравнения между группами БАП подвержены и не подвержены (рис. 4В).
    4. Рассчитать процент показатели пиксель интенсивности совместно локализованные между CD1d и Lamp1 для нескольких ячеек изображения (n = 100) (рис. 4 c).
      1. Используйте один и тот же протокол анализа в 4.2.3 и Дополнительно выберите параметр результат «% интенсивности выше порога colocalized».
      2. Выполните этот анализ вместе с Мандер в colocalization коэффициенты.
      3. Аналогичным образом, земельный участок, среднем и стандартные ошибки для % интенсивности colocalized между CD1d и Lamp1. Используйте t критерия Стьюдента для вычисления значения p для сравнения между группами БАП подвержены и не подвержены (рис. 4 c).

Доступ ограничен. Войдите в систему или начните пробный период, чтобы просмотреть этот контент.

Результаты

Липофильные загрязнителей БАП изменяет endocytic гена кластеров в DCs моноцитарных человека DCs. человека от каждого донора (n = 3) были инкубировали с Бат и сортируются для обычных РСУ, которые использовались для РНК добыча и транскриптомики анализа как описано далее . После нормализации экспрессии генов измененных генов между группами БАП подвержены и не подвержены были сгруппированы согласно функциональной корреляции дифференциально выраженной генов. Мы ввода списка измененных генов To...

Доступ ограничен. Войдите в систему или начните пробный период, чтобы просмотреть этот контент.

Обсуждение

Функциональные подтверждения пути измененный ген является сложной задачей, из-за широко влияние генов выражения с участием нескольких путей и трудности интеграции индивидуальных и популяционной клеточной деятельности. Мы использовали визуализации проточной цитометрии специально тест CD1d торговлей endocytic отсеков. Imaging проточной цитометрии интегрирует популяционной измерение клеток и индивидуальные демонстрации внутриклеточных colocalization несколько белков. Конфокальная микроскопия ранее предоставил высокое разреш...

Доступ ограничен. Войдите в систему или начните пробный период, чтобы просмотреть этот контент.

Раскрытие информации

Авторы не имеют ничего сообщать

Благодарности

Авторы благодарят Роберт Giulitto (центр крови Hoxworth) для образцов крови человека и читает доктор Лян Niu для нормализации экспрессии генов. Мы также благодарим Грантовая поддержка от национального института окружающей среды медицинских наук (ES006096), центр экологической генетики (ГОЗ) экспериментального проекта (с.х.), Национальный институт аллергии и инфекционных заболеваний (AI115358) (с.х.), университет Премия Совета исследований Университета Цинциннати (с.х.) и университета из Цинциннати колледж медицины Core Укрепление финансирования (X. Z.).

Доступ ограничен. Войдите в систему или начните пробный период, чтобы просмотреть этот контент.

Материалы

Список материалов, использованных в этой статье
ИмяКомпанияКаталожный номерКомментарии
ТранскриптомикаIlluminaHiSeq 2500 v4Система Illumina HiSeq
ImagingStream XMillipore100220Визуализационная проточная цитометрия
mirVana miRNA Isolation KitThermo FisherTotal RNA
Extraction Agilent RNA 6000 Pico KitAgilentTotal RNA QC analysis
Veriti 96-Well Fast Thermal CyclerThermo ПЦР Фишера, ферментная реакция
NEBНext модуль магнитной изоляции поли(A) мРНК БиолабораторияНовой Англии Очистка РНК PolyA
Автоматизированная система SMARTer ApolloTakaraPolyA Очистка РНК
NEBNext Ultra RNA Library Набор дляNew England Biolab
Agencourt AMPure XP магнитные бусиныBeckman CoulterОчистка ДНК 
2100 БиоанализаторAgilentLibrary QC, анализ распределения по размерам
Agilent High Sensitive DNA KitAgilentLibrary QC, анализ распределения по размерам
QuantStudio 5 Real-Time PCR System (Thermo Fisher)Quantification Thermo FisherLibrary
NEBNext Library Quantification
cBotIllumina Генерация кластера
TruSeq SR Cluster Kit v3 - cBot – HSIlluminaLibrary Поколение кластера
HiSeq 1000IlluminaSequencing
TruSeq SBS Kit v3 - HS (50 циклов)IlluminaSequencing
Phycoerythrin/Cyanine 7 (PE/Cy7)Bio LegendL243
Фикоэритрин/Цианин 5 (PE/Cy5)Bio Legend3.9
Бриллиантовый фиолетовый 421Bio LegendL161
PE-анти-мышь IgG2bBio Legend51.1
Alexa Fluor 647 (AF647)Bio LegendCD107a(H4A3)
подготовки библиотеки Illumina New England Biolab Library

Ссылки

  1. Roche, P. A., Cresswell, P. Antigen Processing and Presentation Mechanisms in Myeloid Cells. Microbiology Spectrum. 4 (3), (2016).
  2. Huang, S., et al. MR1 uses an endocytic pathway to activate mucosal-associated invariant T cells. The Journal of experimental medicine. 205 (5), 1201-1211 (2008).
  3. Nakamura, N., et al. Endosomes are specialized platforms for bacterial sensing and NOD2 signalling. Nature. 509 (7499), 240-244 (2014).
  4. Blum, J. S., Wearsch, P. A., Cresswell, P. Pathways of antigen processing. Annual review of immunology. 31, 443-473 (2013).
  5. Brennan, P. J., Brigl, M., Brenner, M. B. Invariant natural killer T cells: an innate activation scheme linked to diverse effector functions. Nature reviews. Immunology. 13 (2), 101-117 (2013).
  6. Zajonc, D. M., Kronenberg, M. CD1 mediated T cell recognition of glycolipids. Current opinion in structural biology. 17 (5), 521-529 (2007).
  7. Cox, D., et al. Determination of cellular lipids bound to human CD1d molecules. PloS one. 4 (5), e5325(2009).
  8. Yuan, W., Kang, S. J., Evans, J. E., Cresswell, P. Natural lipid ligands associated with human CD1d targeted to different subcellular compartments. Journal of immunology. 182 (8), 4784-4791 (2009).
  9. Huang, S., et al. Discovery of deoxyceramides and diacylglycerols as CD1b scaffold lipids among diverse groove-blocking lipids of the human CD1 system. Proceedings of the National Academy of Sciences of the United States of America. 108 (48), 19335-19340 (2011).
  10. de Jong, A., et al. CD1a-autoreactive T cells recognize natural skin oils that function as headless antigens. Nature. 15 (2), 177-185 (2014).
  11. Trombetta, E. S., Mellman, I. Cell biology of antigen processing in vitro and in vivo. Annual review of immunology. 23, 975-1028 (2005).
  12. Maecker, H. T., McCoy, J. P., Nussenblatt, R. Standardizing immunophenotyping for the Human Immunology Project. Nature reviews. Immunology. 12 (3), 191-200 (2012).
  13. Sharma, M., et al. Inhibition of endocytic lipid antigen presentation by common lipophilic environmental pollutants. Science Reports. 7 (1), 2085(2017).
  14. Boom, R., et al. Rapid and simple method for purification of nucleic acids. Journal of clinical microbiology. 28 (3), 495-503 (1990).
  15. Nachamkin, I., et al. Agilent 2100 bioanalyzer for restriction fragment length polymorphism analysis of the Campylobacter jejuni flagellin gene. Journal of clinical microbiology. 39 (2), 754-757 (2001).
  16. Kaimal, V., Bardes, E. E., Tabar, S. C., Jegga, A. G., Aronow, B. J. ToppCluster: a multiple gene list feature analyzer for comparative enrichment clustering and network-based dissection of biological systems. Nucleic acids research. 38 (Web Server issue), W96-W102 (2010).
  17. Bauer-Mehren, A. Integration of genomic information with biological networks using Cytoscape). Methods in molecular biology. 1021, 37-61 (2013).
  18. Cline, M. S., et al. Integration of biological networks and gene expression data using Cytoscape. Nature protocols. 2 (10), 2366-2382 (2007).
  19. Huang, S., Moody, D. B. Donor-unrestricted T cells in the human CD1 system. Immunogenetics. 68 (8), 577-596 (2016).
  20. Huang, S. Targeting Innate-Like T Cells in Tuberculosis. Frontiers in immunology. 7, 594(2016).
  21. Moody, D. B., Porcelli, S. A. Intracellular pathways of CD1 antigen presentation. Nature reviews. Immunology. 3 (1), 11-22 (2003).
  22. Schindelin, J., et al. Fiji: an open-source platform for biological-image analysis. Nature. 9 (7), 676-682 (2012).
  23. Diard, M., et al. Stabilization of cooperative virulence by the expression of an avirulent phenotype. Nature. 494 (7437), 353-356 (2013).
  24. Bader, E., et al. Identification of proliferative and mature beta-cells in the islets of Langerhans. Nature. 535 (7612), 430-434 (2016).
  25. Eliceiri, K. W., et al. Biological imaging software tools. Nature. 9 (7), 697-710 (2012).
  26. Costes, S. V., et al. Automatic and quantitative measurement of protein-protein colocalization in live cells. Biophysical journal. 86 (6), 3993-4003 (2004).

Доступ ограничен. Войдите в систему или начните пробный период, чтобы просмотреть этот контент.

Перепечатки и разрешения

Теги

Колокализация эндоцитозных белковвоздействие бензо[а]пиренадендритные клетки человекаанализ коэффициента Мандерсасеквенирование РНКImageJ Fijiпрограммное обеспечение IDEAS
Интегрировать изображений проточной цитометрии и транскриптомики, профилирование для оценки измененных Endocytic CD1d торговля
Связаться с нами
Порекомендовать библиотеке

Конфиденциальность

Условия использования

Политики

© 2026 MyJoVE Corporation. Все права защищены.