21 июня 2024 г.
Здесь описан метод, который может быть использован для визуализации пяти или более флуоресцентных параметров с помощью иммунофлуоресцентной микроскопии. Описан конвейер анализа для извлечения отдельных клеток из этих изображений и проведения анализа отдельных клеток с помощью стратегий проточной цитометрии, подобных гейтингу, которые могут идентифицировать подмножества клеток в срезах тканей.
Наша главная цель состоит в том, чтобы изучить, как клетки иммунной системы и глиальные клетки центральной нервной системы способствуют развитию и прогрессированию неврологических расстройств, таких как рассеянный склероз. Иммунофлуоресцентная микроскопия является стандартным и широко используемым методом в биологических дисциплинах и имеет важное значение для исследований в области неврологии и иммунологии. Одна из основных проблем, с которой сталкиваются исследователи, заключается в том, что иммунофлуоресцентная микроскопия, как правило, ограничена в количестве зондов, которые могут быть визуализированы за один раз, из-за ограничений обычных микроскопов.
В этом протоколе мы описываем метод, позволяющий увеличить количество зондов, которые многие микроскопы могут визуализировать одновременно, и предоставить конвейер анализа для обработки изображений, насыщенных информацией. Преимущество этого протокола заключается в том, что он может быть адаптирован ко многим широко доступным микроскопам и прост в исполнении, что делает мультиплексный гистологический анализ доступным для большего числа лабораторий.
В этом исследовании изложен метод визуализации нескольких флуоресцентных параметров с использованием иммунофлуоресцентной микроскопии вместе с рабочим процессом для анализа данных одиночных клеток. Метод улучшает традиционные возможности визуализации, позволяя идентифицировать подгруппы клеток, связанные с функциями иммунных и глиальных клеток при неврологических заболеваниях.
High-parameter histology imaging with histoflow cytometry addresses a critical bottleneck in immune cell profiling by enabling multiplexed spatial analysis at single-cell resolution. This capability enhances predictive confidence in target validation and mechanistic de-risking, especially for complex tissues like the CNS. The approach supports portfolio decisions by integrating spatial context with quantitative immune cell subset analysis, informing early discovery and translational research.
This method bridges early discovery and translational research by combining high-parameter imaging with single-cell analysis, supporting workflows from hypothesis testing to preclinical model validation.