October 27th, 2017
Этот протокол представляет собой подход для анализа всей транскриптом от zebrafish эмбриона, личинки, или сортировка клеток. Мы включать изоляции РНК, путь анализа данных RNASeq и на основе ПЦР qRT Проверка изменения выражения гена.
Общая цель данного анализа RNASeq в образцах личинок данио-рерио состоит в том, чтобы определить профили экспрессии генов эмбрионов и личинок рыбок данио-рерио и сделать количественные сравнительные заявления об изменениях экспрессии генов между образцами. Этот метод может помочь ответить на ключевые вопросы в любой области, в которой эмбрионы или личинки данио-рерио информативны, например, как подавление одного целевого гена приводит к изменениям экспрессии генов или нарушению определенных путей по сравнению с другими условиями. Основное преимущество этого метода заключается в том, что рыбки данио поддаются производству большого количества животных, и можно легко получить данные транскриптома целых животных.
Кроме того, выделение конкретных типов клеток может быть легко достигнуто с помощью сортировки трансгенных животных. Демонстрировать процедуры будут Лэйн Хостелли, аспирант, и Джессика Несмит, постдок из моей лаборатории. Для начала культивируют эмбрионы до трехмесячного возраста, который является репродуктивной зрелостью.
Отделите двух взрослых самцов и трех самок рыб от нужного штамма в отдельные брачные резервуары с пресной водой системы вечером накануне сбора эмбрионов. На следующее утро, после того как зажгется свет, снимите разделитель и позвольте рыбам спариваться естественным образом, пока на дне аквариума не будут замечены эмбрионы. Соберите эмбрионы с 30-минутными интервалами в отдельные чашки Петри среды для эмбрионов до тех пор, пока не будет собрано нужное количество.
Чтобы определить стадию эмбрионов, культивируйте их в группах от 50 до 75 на 10-сантиметровую чашку Петри, чтобы обеспечить последовательное время развития всех эмбрионов. Затем держите тарелки при температуре 28,5 градусов по Цельсию. Измерьте возраст эмбриона с помощью сомитного числа после сегментации примерно через 24 часа после оплодотворения, или HPF, и разделите эмбрионы в зависимости от возраста развития.
После усыпления эмбрионов на нужной стадии согласно текстовому протоколу, переложите пул из 20 эмбрионов в пробирку микроцентрифуги с маркировкой объемом 1,5 миллилитров. Затем удалите излишки эмбриональной среды из микроцентрифужной пробирки. Добавьте в пробирку 200 микролитров реагента для лизиса.
И используйте пестик для механической гомогенизации эмбрионов. Затем добавьте дополнительно 800 микролитров реагента для лизиса, чтобы довести общий объем до одного миллилитра. Чтобы извлечь РНК, добавьте к собранному образцу реагент для лизиса и инкубируйте его при комнатной температуре в течение 5 минут.
Добавьте 0,2 миллилитра хлороформа на каждый 1 миллилитр используемого реагента для лизиса, и переверните пробирки вручную в течение 15 секунд. После инкубации образцов при комнатной температуре в течение двух-трех минут центрифугируйте образцы при температуре 12 000 G и 4 градусах Цельсия в течение 15 минут. Отделенную водную фазу переложите в свежую пробирку и добавьте 0,5 миллилитра изопропанола на каждый 1 миллилитр используемого реагента для лизиса.
После инкубации пробирок при комнатной температуре в течение 10 минут центрифугируйте образцы в течение 10 минут. Затем добавьте 75% этанола в РНК и центрифугируйте пробирки при температуре 7,500 G и 4 градусах Цельсия в течение 5 минут. Полностью удалите надосадочную жидкость и дайте образцу высохнуть на воздухе при комнатной температуре.
Затем повторно суспендируйте РНК в 15-30 микролитрах воды, обработанной DEPC. Чтобы очистить высококачественную РНК после извлечения гранулы и промывки образца в соответствии с текстовым протоколом, используйте абсорбционный спектрофотометр для анализа извлеченной РНК на концентрацию и чистоту. Убедитесь, что значение 260 на 230 составляет около 2,0, прежде чем отправлять образцы РНК поставщику или корпусу для анализа RNASeq и изменения экспрессии генов на основе количественной оценки прочтений секвенирования.
Чтобы сравнить одно экспериментальное состояние с контрольной группой, откройте данные дифференциально экспрессируемых генов в программном обеспечении для управления электронными таблицами. Нажмите стрелку раскрывающегося списка рядом с кнопкой сортировки и выберите пользовательскую сортировку в таблице. В появившемся окне выберите поле под столбцом и выберите сортировку по столбцу LFC.
В столбце сортировки по убедитесь, что выбраны значения. В столбце «Порядок» выберите сортировку от большего к меньшему и нажмите кнопку «ОК». Чтобы определить дифференциально экспрессируемые гены, обнаруженные в двух экспериментальных условиях, в таблице «экспериментальный» и «контрольный» выберите первую ячейку в пустом столбце.
Затем введите в ячейку следующее уравнение. Нажмите клавишу Enter или Return, чтобы запустить уравнение. Выделите ячейку, содержащую уравнение, и нажмите на поле в правом нижнем углу ячейки.
Удерживайте кнопку мыши и перетащите выбранную область вниз по столбцу, пока не выберите последний идентификатор функции, чтобы скопировать уравнение в каждую ячейку столбца. Выберите пользовательскую сортировку еще раз и добавьте второй уровень сортировки, нажав значок плюса в левом нижнем углу. На первом уровне отсортируйте по, в столбце выберите дубликат.
В разделе Сортировка по выберите значения, а в разделе Порядок выберите Z, чтобы A.In на второй уровень, затем в столбце выберите LFC. В разделе Сортировка по выберите значения, а в разделе Порядок выберите от большего к меньшему и нажмите кнопку ОК. Чтобы удалить все скобки из столбца символов генов, прежде чем продолжить, выберите весь столбец, содержащий символы генов.
Выберите «Изменить», затем «Заменить» в раскрывающемся меню файла. Введите открытую скобку, звездочку, закрытую скобку, в которой найдите полосу окна замены, и арендуйте замену с пустой полосой. Выберите Заменить все, чтобы удалить все экземпляры скобок.
Чтобы определить обогащенные пути, скопируйте нужные символы генов в буфер обмена. Перейдите в ConsensusPathDB, затем выберите анализ набора генов на левой боковой панели веб-страницы, а затем анализ чрезмерной представленности. В поле «Вставьте список идентификаторов генов и белков» вставьте список генов.
Выберите символ гена в поле типа идентификатора гена/белка и нажмите «Продолжить». В разделе наборов на основе путей установите флажок рядом с путями, определенными базами данных путей. Выберите «Найти обогащенные наборы», чтобы получить список путей, содержащих гены во входном списке.
Выберите все обогащенные пути для визуализации в сети путей, выбрав каждое поле рядом с именами путей, или в разделе select в заголовке столбца над полями выбора щелкните все. Затем выберите Визуализировать выбранные наборы. Настройте фильтры относительного перекрытия и общих кандидатов, выбрав любое поле в верхней центральной части страницы и введя желаемый процент, относительное перекрытие или количество общих кандидатов, а затем нажмите кнопку Применить.
Чтобы определить обогащенные онтологии генов, скопируйте символы генов соответствующей группы в буфер обмена. Перейдите к инструменту анализа GO Enrichment в консорциуме Gene Ontology Consortium. В левой части страницы, под идентификаторами ваших генов, вставьте список символов генов в поле.
Под полем идентификаторов генов выберите термин «биологический процесс». Затем выберите danio rerio в поле «Перейти к условиям» и нажмите «Отправить». Проведите QRT-ПЦР и сравните с RNASeq, согласно текстовому протоколу.
Секвенирование экстрагированной РНК из личинок, которым вводили Morpholinos против alms1 или bbs1, выявило гены, которые были уникально повышающими и понижаемыми в моделях Альстрома и BBS, а также гены, которые были значительно изменены в обеих моделях. Для более четкого прояснения молекулярного профиля модели Альстрома были идентифицированы пути и онтологии генов, обогащенные дифференциально экспрессируемыми генами. Как показано здесь, был повышен уровень в 31 пути.
Помимо широкой группы метаболизма, наиболее подверженными влиянию путями были врожденная и адаптивная иммунная система, с 32 и 20 генами соответственно. Нисходящие сигнальные события рецепторов В-клеток также были обогащены. Несколько сигнальных путей также были обогащены среди активированных генов, что согласуется с ассоциацией синдрома Альстрома с первичной дисфункцией ресничек.
Кроме того, были усилены три пути, связанные с секрецией инсулина: жирные кислоты, связанные с GPR40, свободные жирные кислоты и ацетилхолин. Наконец, шесть членов GO были обогащены среди активированных генов в модели Альстрома, включая дифференцировку эритроцитов, гомеостаз эритроцитов, гомеостаз миелоидных клеток и гомеостатические процессы. После освоения пути и термина GO анализ может быть выполнен менее чем за час.
При выполнении этой процедуры важно помнить, что выбор параметров пути и пороговых значений является наиболее важным фактором при интерпретации результатов сравнения экспрессии RNASeq. После этой процедуры могут быть выполнены другие методы, такие как применение с мутантными линиями и транскриптомный анализ одиночных типов клеток, чтобы ответить на дополнительные вопросы, такие как транскриптомное профилирование типов клеток и изменения экспрессии генов под контролем конкретных генов. После просмотра этого видео у вас должно быть хорошее понимание того, как использовать транскриптомные данные рыбок данио, сгенерированные RNASeq, для идентификации значительных изменений экспрессии генов между экспериментальными образцами.
View the full transcript and gain access to thousands of scientific videos
Этот протокол представляет подход к анализу всего транскриптома из эмбрионов данио, личинок или отсортировочных клеток. Метод позволяет выявлять профили экспрессии генов и проводить количественное сравнение между образцами.
RNASeq-based gene expression analysis in zebrafish enables rapid, scalable identification of pathway-level disruptions following genetic perturbation, supporting early target validation and mechanistic de-risking in discovery programs. The method provides quantitative, reproducible transcriptome data that informs go/no-go decisions by linking phenotypic observations to molecular signatures, reducing ambiguity in target hypothesis testing. Its compatibility with high-throughput embryo production and cell sorting facilitates integration into phenotypic screening cascades for lead identification and portfolio triage.
The method fits within the discovery continuum from early target hypothesis testing through lead identification, providing molecular phenotyping that bridges genetic perturbation to pathway-level insights.