En Time-lapse, etiket-fri, kvantitative fase Imaging undersøgelse af passive og aktive menneskelige kræftceller
Summary
Passive og aktive kræft celle fænotyper var karakteriseret ved hjælp af kvantitative fase billeddannelse. Celle spredning, migration og morfologi assays blev integreret og analyseres i en simpel metode.
Abstract
Erhvervelse af angiogene fænotype er en væsentlig bestanddel af flugten fra tumor vækstdvale. Selv om flere klassiske in vitro- assays (fxspredning, migration og andre) og i vivo modeller er blevet udviklet for at undersøge og karakterisere angiogene og ikke-angiogene celle fænotyper, er disse metoder tid labor intensiv, og ofte kræver dyre reagenser samt instrumenter og betydelig ekspertise. I en nylig undersøgelse brugte vi en roman kvantitative fase imaging (QPI) teknik til at gennemføre time-lapse og mærkning-gratis beskrivelser af angiogene og ikke-angiogene menneskelige osteosarkom KHOS celler. Et panel af cellulære parametre, herunder celle morfologi, spredning og motilitet, blev kvantitativt målt og analyseret ved hjælp af QPI. Denne roman og kvantitative tilgang giver mulighed for løbende og ikke-invasivt studere relevante cellulære processer, adfærd, og Karakteristik af kræftceller og andre celletyper i en enkel og integreret måde. Denne rapport beskriver vores forsøgsplan, herunder celle forberedelse, QPI erhvervelse og dataanalyse.
Introduction
En af de tidligste checkpoints i udvikling og progression af en solid tumor er erhvervelse af angiogene fænotype, kendetegnende for kræft. Denne progression indebærer en række biokemiske og molekylær processer1,2,3. En teknisk udfordring i studiet af denne afgørende skridt i tumor progression er manglen på værktøjer til løbende og kvantitativt karakterisere og differentiere mellem angiogene og ikke-angiogene fænotyper af levende kræftceller i en fordomsfri måde. De traditionelle assays bliver brugt til at undersøge de cellulære adfærd af angiogene og ikke-angiogene celler normalt kræver dyre reagenser og instrumenter, for eksempel celle spredning/migration undersøgelser vedrørende4,5, 6,7,8,9,10,11,12,13,14 eller supplerende i vivo evalueringer4,5,6,8,15,16, samt at kræve betydelig ekspertise og intensiv tid og arbejdskraft forbrug.
For nylig, kvantitative fase imaging (QPI) opstået som en ny teknik, der gør det muligt for time-lapse og mærkning-gratis vurdering af en række celle morfologi og funktionsmåde parametre17,18,19, 20 , 21 , 22. i modsætning til konventionelle Optisk mikroskopi, QPI kvantificerer variationer af faseskift pixel for pixel når lys passerer gennem et optisk objekt, og rekonstruerer en holograph med konverterede optisk tykkelse og mængde, således at direkte analyse af levende celler og følgende funktioner: (1) kvantitative imaging, (2) ikke-invasive og time-lapse imaging, (3) label-gratis billedbehandling og (4) samtidige multi-parameter billeddannelse. Disse funktioner gør QPI et kraftfuldt værktøj til at vurdere og forstå patologiske processer på cellulært niveau.
I en nylig undersøgelse, vi udnyttede QPI kvantitativt karakterisere og skelne mellem angiogene KHOS-A og ikke-angiogene KHOS-N fænotyper af menneskelige osteosarkom celler på en systematisk og kvantitative måde, kombinere analyser af celle morfologi, spredning, og motilitet23. Ved hjælp af billede analyse software, et panel af celle morfologiske og opførsel var parametre kvantitativt i forhold mellem angiogene og ikke-angiogene menneskelige osteosarkom celler og fem karakteristiske forskelle blev identificeret mellem disse to fænotyper. Denne nye fremgangsmåde giver en integreret og kvantitative platform for vurdering af en række forskellige biologisk relevante cellulære karakteristika.
Protocol
Representative Results
Discussion
I denne undersøgelse beskriver vi en in vitro-, ikke-invasiv, og etiket-fri metode ved hjælp af QPI kvantitativt kendetegner den angiogene og ikke-angiogene fænotyper af menneskelige osteosarkom celler. Flere cellulære parametre er blevet analyseret samtidigt ved denne integreret, høj overførselshastighed metode, herunder celle område, celle tykkelse, cellevolumen, spredning sats, fordobling tid, migration direkthed, motilitet hastighed, migration og motilitet.
Sammenlignet med…
Disclosures
The authors have nothing to disclose.
Acknowledgements
Forfatterne anerkender taknemmeligt støtte fra Breast Cancer Research Foundation og avancerede medicinske Research Foundation.
Materials
| T75 flask | Corning, NY, USA | 353136 | |
| 6-well plates | Corning, NY, USA | 3506 | |
| Dulbecco’s modified Eagle medium (DMEM) | Thermo Fisher Scientific, MA, USA | 11965092 | |
| Fetal bovine serum (FBS) | Atlanta Biologicals, GA, USA | S11550 | |
| Penicillin Streptomycin | Thermo Fisher Scientific, MA, USA | 15140122 | |
| Phosphate buffered saline (PBS) | Thermo Fisher Scientific, MA, USA | 10010023 | |
| Beckman Z1 Coulter counter | Beckman Coulter, IN, USA | Z1 | |
| HoloMonitor M4 | Phase Holographic Imaging Phi AB, Lund, Sweden | M4 | Microscope |
| Hololid | Phase Holographic Imaging Phi AB, Lund, Sweden | PHI 8020 | |
| HStudioM4 | Phase Holographic Imaging Phi AB, Lund, Sweden | HStudioM4 | Software |
References
- Folkman, J. Angiogenesis in cancer, vascular, rheumatoid and other disease. Nature Medicine. 1 (1), 27-31 (1995).
- Hanahan, D., Folkman, J. Patterns and emerging mechanisms of the angiogenic switch during tumorigenesis. Cell. 86 (3), 353-364 (1996).
- Harper, J., Moses, M. A. Molecular regulation of tumor angiogenesis: mechanisms and therapeutic implications. EXS. (96), 223-268 (2006).
- Naumov, G. N., et al. A model of human tumor dormancy: an angiogenic switch from the nonangiogenic phenotype. Journal of the National Cancer Institute. 98 (5), 316-325 (2006).
- Fang, J., et al. Matrix metalloproteinase-2 is required for the switch to the angiogenic phenotype in a tumor model. Proceedings of the National Academy of Sciences of the United States of America. 97 (8), 3884-3889 (2000).
- Almog, N., et al. Transcriptional switch of dormant tumors to fast-growing angiogenic phenotype. Cancer Research. 69 (3), 836-844 (2009).
- Hu, J., et al. Gene expression signature for angiogenic and nonangiogenic non-small-cell lung cancer. Oncogene. 24 (7), 1212-1219 (2005).
- Harper, J., et al. Repression of vascular endothelial growth factor expression by the zinc finger transcription factor ZNF24. Cancer Research. 67 (18), 8736-8741 (2007).
- Jia, D., et al. Transcriptional repression of VEGF by ZNF24: mechanistic studies and vascular consequences in vivo. Blood. 121 (4), 707-715 (2013).
- Jia, D., Huang, L., Bischoff, J., Moses, M. A. The endogenous zinc finger transcription factor, ZNF24, modulates the angiogenic potential of human microvascular endothelial cells. FASEB journal: official publication of the Federation of American Societies for Experimental Biology. 29 (4), 1371-1382 (2015).
- Almog, N., et al. Prolonged dormancy of human liposarcoma is associated with impaired tumor angiogenesis. FASEB journal: official publication of the Federation of American Societies for Experimental Biology. 20 (7), 947-949 (2006).
- Almog, N., et al. Consensus micro RNAs governing the switch of dormant tumors to the fast-growing angiogenic phenotype. PloS One. 7 (8), e44001 (2012).
- Satchi-Fainaro, R., et al. Prospective identification of glioblastoma cells generating dormant tumors. PloS One. 7 (9), e44395 (2012).
- Almog, N., et al. Transcriptional changes induced by the tumor dormancy-associated microRNA-190. Transcription. 4 (4), 177-191 (2013).
- Gao, D., Nolan, D. J., Mellick, A. S., Bambino, K., McDonnell, K., Mittal, V. Endothelial progenitor cells control the angiogenic switch in mouse lung metastasis. Science. 319 (5860), 195-198 (2008).
- Folkman, J., Watson, K., Ingber, D., Hanahan, D. Induction of angiogenesis during the transition from hyperplasia to neoplasia. Nature. 339 (6219), 58-61 (1989).
- Popescu, G. . Quantitative phase imaging of cells and tissues. , (2011).
- Lee, K., et al. Quantitative Phase Imaging Techniques for the Study of Cell Pathophysiology: From Principles to Applications. Sensors. 13 (4), 4170-4191 (2013).
- Mir, M., Bhaduri, B., Wang, R., Zhu, R., Popescu, G. Quantitative Phase Imaging. Progress in Optics. 57, 133-217 (2012).
- Marrison, J., Räty, L., Marriott, P., O’Toole, P. Ptychography–a label free, high-contrast imaging technique for live cells using quantitative phase information. Scientific Reports. 3, 2369 (2013).
- Falck Miniotis, M., Mukwaya, A., Gjörloff Wingren, A. Digital holographic microscopy for non-invasive monitoring of cell cycle arrest in L929 cells. PloS One. 9 (9), e106546 (2014).
- Popescu, G., et al. Optical imaging of cell mass and growth dynamics. AJP: Cell Physiology. 295 (2), C538-C544 (2008).
- Guo, P., Huang, J., Moses, M. A. Characterization of dormant and active human cancer cells by quantitative phase imaging. Cytometry. Part A: The Journal of the International Society for Advancement of Cytometry. 91 (5), 424-432 (2017).
- Mir, M., Bergamaschi, A., Katzenellenbogen, B. S., Popescu, G. Highly sensitive quantitative imaging for monitoring single cancer cell growth kinetics and drug response. PloS One. 9 (2), e89000 (2014).
- Mir, M., Tangella, K., Popescu, G. Blood testing at the single cell level using quantitative phase and amplitude microscopy. Biomedical Optics Express. 2 (12), 3259-3266 (2011).
- Park, Y., et al. Measurement of red blood cell mechanics during morphological changes. Proceedings of the National Academy of Sciences of the United States of America. 107 (15), 6731-6736 (2010).
- Pham, H. V., Bhaduri, B., Tangella, K., Best-Popescu, C., Popescu, G. Real time blood testing using quantitative phase imaging. PloS One. 8 (2), e55676 (2013).
- Sridharan, S., Macias, V., Tangella, K., Kajdacsy-Balla, A., Popescu, G. Prediction of prostate cancer recurrence using quantitative phase imaging. Scientific Reports. 5, 9976 (2015).
- Park, H., et al. Measuring cell surface area and deformability of individual human red blood cells over blood storage using quantitative phase imaging. Scientific Reports. 6, 34257 (2016).
- Bishitz, Y., Gabai, H., Girshovitz, P., Shaked, N. T. Optical-mechanical signatures of cancer cells based on fluctuation profiles measured by interferometry. Journal of Biophotonics. 7 (8), 624-630 (2014).
