Waiting
Login processing...

Trial ends in Request Full Access Tell Your Colleague About Jove
Click here for the English version

Immunology and Infection

NETQUANTを用いた好中球細胞トラップの自動画像ベース定量

doi: 10.3791/58528 Published: November 27, 2019

Summary

ここでは、好中球細胞外トラップ(NET)を生成し、NETQUANTを動作させるプロトコルを提示し、免疫蛍光画像におけるNETの定量のための全自動ソフトウェアオプションを提示する。

Abstract

好中球細胞外トラップ(NET)は、DNAおよび顆粒由来抗菌タンパク質からなるウェブ様抗菌構造である。免疫蛍光顕微鏡および画像ベースの定量方法は、好中球細胞外トラップ形成を定量するための重要なツールを残しています。ただし、NET の定量に現在使用できる免疫蛍光ベースの方法には、主な制限があります。イメージ ベースの NET 定量化の手動方法は、多くの場合、主観的で、エラーが発生しやすく、ユーザー、特に経験の浅いユーザーにとっては面倒です。また、定量化のための現在利用可能なソフトウェアオプションは、半自動または操作前にトレーニングが必要です。ここでは、NETQUANTと呼ばれるNET形成を評価するための自動免疫蛍光ベースの画像定量法の実装を示す。ソフトウェアは使いやすく、ユーザーフレンドリーなグラフィカルユーザーインターフェイス(GUI)を持っています。表面積やDNA:NETマーカータンパク質比の増加、核変形など生物学的に関連するパラメータを考慮してNET形成を定義します。さらに、このツールは自由に利用できるアプリとして構築され、単一セル分解能の定量化と分析を可能にします。

Introduction

or Start trial to access full content. Learn more about your institution’s access to JoVE content here

好中球は、多種多様な微生物病原体1に対する先天的な宿主防御応答の重要なメディエーターである。彼らは、抗菌タンパク質2の広い配列を含む顆粒を放出することによって、その抗菌機能を実行し、活性酸素種(ROS)および次亜塩素酸塩1を産生し、食細胞症3を介して生じる。また、ブリンクマン4は、好中球が侵入病原体を捕捉し排除する新しいメカニズムとして好中球細胞外トラップ(NETs)を記載した。彼らの発見は10年以上前4年に以来、NETは感染性5、6および非感染性7罹患率の多種多様に関与してきた。NET形成は活性プロセスであり、顆粒由来抗菌タンパク質8で被覆されたクロマチンDNAの押出をもたらす。NET形成に関連する細胞および核形態の主要な変化のいくつかは、核形態の喪失、クロマチン縮合、細胞質から核への顆粒タンパク質の動員および核および細胞直径の増加をむ。

ウェブ様NETは、細胞よりもわずかに大きい拡散構造として、または単一の好中球よりも数倍大きい構造として見えることがあり、NETosis5、10の指標と考えられる。蛍光顕微鏡を用いて、4',6-ジアミディノ-2-フェニルリンドール(DAPI)などの蛍光プローブでDNAを探査し、好中球エラスターゼなどのNET結合タンパク質に対する免疫蛍光染色によりNETを検出できます。DNAおよびNET結合タンパク質に対する染色の重なり領域の定量は、画像11におけるNETの下の総面積を決定する。

NETs11、12の蛍光画像ベースの定量を行うために、多くの画像解析オプションが利用可能である。しかし、これらのソフトウェアオプションは、ユーザーフレンドリーで完全に自動化されていないという制限があります。この記事では、バイアスのかからなからり完全に自動化された免疫蛍光顕微鏡顕微鏡画像ベースのNET定量を実行できる、自由に利用できるアプリ「NETQUANT13」の動作を実演します。アプリは、ユーザーフレンドリーなグラフィカルインターフェイス(GUI)を持っており、単一セル分析を実行することができます。本ソフトウェアは、DNA-NET結合マーカーの領域における形態学的変化を検出することにより、画像中のNETosisを定量し、クロマチンは核の変形に関連し、DNA:NET結合タンパク質比の増加を検出する。複数の NET 定義基準を組み合わせることで、複数のデータ セット間で厳密な NET 定量を公平に行うことができます。

Subscription Required. Please recommend JoVE to your librarian.

Protocol

or Start trial to access full content. Learn more about your institution’s access to JoVE content here

ルンド大学の倫理委員会は、ヘルシンキ宣言(2013/728)に従って、健康なボランティアからの静脈血の収集を承認しました。すべてのボランティアは、彼らの書面によるインフォームドの同意を提供しました。

1. 密度勾配遠心分離を用いた末梢血好中球の単離

  1. ヘパリンを含むチューブでヒトの静脈血を収集し、チューブが室温に達することを可能にします。
    注:健康なドナーからの血液の最低16 mLは、十分に大きな細胞ペレットを得るために必要とされる。
  2. 血液を生理食塩水(0.9%NaCl)で2%デキストランの1体積と混合し、無菌50mL円錐形遠心管で室温で30分間堆積物を入れます。
  3. 上清を無菌の50mL円錐形遠心管に吸引し、200 x gで遠心分離機を4°Cで10分間吸引する。
  4. このステップ以降、4°Cまたは氷上で分離を続けます。
  5. 5 mLの氷冷生理食塩水と層を5mLの白血球単離勾配(9.1%デキストラン、w/v)の上に無菌15mL円錐形遠心管でリスピンします。
  6. 遠心分離機 400 x g で 30 分間 4 °C。
  7. 上清を吸引し、それを捨てる。
  8. 30sの氷冷水でペレットを3mLで再サスペンドすることにより、赤血球をリゼし、直ちに3.6%NaClの1 mLを加え、10mLの氷冷生理食塩水で満たします。
  9. 350 x gで10分間の細胞懸濁液を遠心分離する。
  10. 上清を取り除き、細胞ペレットを採取し、1mLの生理食合いに再び中断します。ビュルカーチャンバーのトリパンブルーを使用して細胞数と生存率を評価するために、マイクロ遠心管に10°Lを取っておきます。
  11. 0.4%トライパンブルー溶液の90 μLに10μLのセル懸濁液を加えます。ビュルカーチャンバーでセル懸濁液の10°Lを服用します。チャンバーの各コーナーで3行で囲まれた4つの正方形のセルをカウントします。色素の取り込みに濃い青色で見えるセルは生存不可能であり、全細胞数から除外する。
  12. 以下の式で定義されているように、セル番号をセル/mLとして表現します。
    Equation
    注:ここでチャンバー係数は10,000、希釈係数は10、平方数の合計は4であった。
  13. 残りの細胞懸濁液を最終洗浄工程のために10mLに希釈する。
  14. 遠心分離機は200 x gで5分間。
  15. RPMI-1640の好中球を2mg/mL熱不活性化ヒト血清アルブミン(HSA)で5x 105細胞/mLの濃度で再サスペンドします。

2. カバースリップの調製と好中球の刺激

  1. 12ウェルプレートの各ウェルにカバースリップ(10mm、#1)を1枚入れ、0.01%ポリL-リジン溶液200μLを加えてカバースリップをコーティングし、一晩37°Cのままにします。
  2. カバーリップを300μLリン酸緩衝液(PBS)で1回洗浄し、乾燥させます。
  3. 5 x 105好中球/mLの400 μLを各ウェルに加え、室温で15分間インキュベートします。
  4. 好中球を含むプレートを37°Cのインキュベーターに移動し、CO2を15分間5%で行います。
  5. 上清を取り除く。2 mg/mL HSA で 400 μL の予備温 RPMI-1640 培地をコントロールに追加します。刺激のために20 nM phorbol 12-myristate 13-アセテート(PMA)で300°L予温RPMIを追加します。
  6. 好中球を5%CO2で37°Cで150分間刺激する。

3. ネッツの可視化

  1. 上清を取り除き、200μLのPBSでサンプルを2x洗浄します。
  2. PBSに200μLの4%パラホルムアルデヒド(PFA)を37°Cで20分間添加してサンプルを修正します。
    注: PFA は有毒であり、注意して取り扱う必要があります。
  3. サンプルを200μLのPBSで洗浄します。
  4. 30秒に対して0.5%トリトンX-100の50°Lを加えてサンプルを透過します。
  5. サンプルを200μLのPBSで3倍洗浄します。
  6. 37°Cで1時間、PBSで5%ヤギ血清でサンプルをブロックします。
  7. 37°Cで1:500の希釈液で、一次ウサギの抗ヒト好中球エラスターゼを300μL添加します。
  8. サンプルを300μLのPBSで洗浄します。
  9. 37°Cで1:1000の希釈で300μLの二次ヤギ抗ウサギ蛍光抗体を加えます。
  10. カバーリップを300°LのPBSで洗います。
  11. ウェルからカバースリップを取り外し、DAPIを含む10 μL取り付け媒体を使用してカバースリップを取り付けます。暗い中で室温で一晩保存し、サンプルを乾燥させます。
    注:DAPIによるDNAの染色は、この方法において確かに重要なステップです。ユーザーは、2\u20123 分の最終濃度範囲 0.1\u20120.5 μg/mL に対して、300 μL PBS で 3 回の洗浄手順を追加して、トラブルシューティングを行うこともできます。
  12. 20倍の目的を用いて広視野蛍光顕微鏡で画像を取得します。

4. NETQUANTを用いたNETTの分析と定量

注: NETQUANT は、ゼノド Github アーカイブまたは Nordenfelt Lab Web サイト (https://nordlab.med.lu.se/?page_id=34) にあるインストール ファイルをクリックしてダウンロードできます。

  1. 解析用のデータセットのインポート、チャネルの命名、画像の変換
    1. NETQUANT で[設定]タブを開きます。
    2. ソースメニューの「パスの取得」オプションをクリックして分析するソースフォルダを選択し、解析する画像シーケンスを含むフォルダを選択します。
    3. ターゲット メニューの [パスの取得]オプションをクリックし、画像解析後にデータを保存するフォルダーを選択します。
    4. 「DNAチャネル」がDNA染色(例えば、DNAまたはDAPI)に対応するようにチャネルに名前を付け、「NETチャネル」は、画像中のNET結合タンパク質染色(例えば、NET、好中球エラスターゼ)を示す。ソフトウェアがスムーズに機能するためには、コントロールイメージファイルを含むフォルダに「コントロール」という名前を付けます(推奨)。
      注: NET チャネルは、NET 結合顆粒タンパク質マーカー染色のみを指します。
    5. [イメージ情報] サブメニューの [イメージ情報の読み込み]ボタンをクリックして、イメージメタデータをソフトウェアにフィードします。
    6. [チャンネルの順序] サブメニューのイメージに含まれる正しいチャネル順序を選択します。このオプションは、偶発的な不一致を防ぐためのフェイルセーフとして含まれています。
    7. 生データからプライマリ イメージのプロパティを取得し、[データの準備] ボタンをクリックしてイメージを変換します。変換されたイメージがサンプルタイプのサブメニューに表示されます。[サンプルタイプ]メニューをクリックして、解析用に取得したすべてのデータセットを表示および選択します。
    8. [サンプルタイプ]サブメニューから画像を選択し、[画像データを表示]ボタンをクリックすると、それぞれDNAチャンネルとNETチャンネルに分割された画像が表示されます。
  2. DNAチャネルおよびNETチャネルにおける細胞のセグメンテーション
    1. DNA チャネルと NET チャネルの両方で[方法]サブメニューをクリックして、セグメンテーション方法を選択します。
      注: セグメンテーションのデフォルトの方法はアダプティブに設定されており、推奨される設定です。グローバル、エッジ、チャン・ヴェッセなどの他のオプションも利用できます。集水域オプションは、密接に配置されたセルまたは NET を区別するのに役立ちます。
    2. [セグメント]コントロールサンプルオプションをクリックして、両方のチャンネルで最初に[セグメント化]タブを入力して、両方のチャンネルでコントロールセルをセグメント化します。
    3. サンプルタイプのサブメニューから PMA を選択し、「バッチ」(推奨) をクリックして、データ・セットに含まれるすべてのイメージのセグメンテーションを開始します。サンプルタイプメニューで画像を選択し、「画像データを表示」ボタンをクリックして、ポストセグメンテーションで生成されたバイナリイメージマスク(DNAマスクとNETマスク)を視覚化して検証します。
  3. 識別可能な特性の単一セル分析
    1. [分析]タブを入力し、[しきい値の決定]ボタンをクリックしてコントロールサンプルを分析します。
    2. サンプルタイプを PMA に変更し、[セルプロパティの取得]ボタンをクリックして、刺激されたサンプルの分析を完了します。
    3. サンプルタイプのサブメニューから画像を選択し、「画像データを表示」ボタンをクリックすると、オーバーレイと、画像内のオーバーレイとセル数とNET形成セルが表示されます。
  4. NET形成細胞を同定するための細胞特性の比較
    1. サンプルタイプのサブメニューからサンプルを選択し、[NETs解析]ボタンをクリックして解析を完了します。分析用のサンプルタイプのサブメニューから個々の画像を選択することも、バッチオプションを選択して画像のバッチ全体を分析することもできます(推奨)。
    2. NET 基準を手動で調整して、特定のサンプルに最適な結果を得ます。識別されたネットを元の画像と比較して、識別の品質を評価します。
      注: NET 基準は、データ・セット内のすべてのイメージで使用できます。NET 基準の変更は、すべてのコントロール サンプルに同時に適用されます。これにより、NET パラメータのオーバーフィットが原因で発生する可能性のある相違点が制限されます。NET 基準の設定は、ユーザーの要件に応じて調整できます。誤検出率と NETQUANT の関係は、以前に13を調査しました。面積増加の一般的な範囲は 2\u20124、循環度は 0.7\u20120.9、DNA/NET 比は 0.6 ~ 2.0 です。
    3. [セル データ]サブメニューで、イメージの数、画像あたりのセル数、およびイメージごとのネットの割合が表示されているデータサマリーを調べます。
      注: データセット全体の NET の合計パーセンテージは「ネットゲージ」で表示されます。サンプル内の合計画像数、セル数、NET のパーセンテージ (NETs%)およびコントロール サンプルの NETTs% は、NET ゲージの下の要約統計量テーブルに表示されます。制御データは、刺激されたサンプルから得られたデータと一緒に報告することをお勧めします。
  5. 結果出力
    1. [出力]タブを入力して、結果の出力を選択して表示します。
    2. 出力の形式を選択し、[結果の出力]ボタンをクリックして、制御と PMA の分析から生成されたさまざまなデータ出力を探索および比較します。
      注: コントロールと刺激の両方の後分析で生成されたすべてのデータは、ターゲット サブメニューで選択した解析フォルダに保存されます。データは .csv 形式または .pdf 形式で保存されます。
    3. メソッドファイルを起動して、分析に使用するソフトウェアと NET 条件のバージョンを取得します (公開用のメソッド セクションに含める)。
    4. [結果] データ テーブルをクリックして、特定のサンプル内の個々のデータ ポイントを視覚化します。
    5. サンプル内の NET 領域分布と DNA:NET 比を視覚化します。赤い線は、グラフのしきい値を示します。
    6. 二変量分布ファイルをクリックして、DNA の領域と形状を決定します。
  6. 前の分析とバッチすべてのステップの読み込み
    1. [前の解析を読み込む] ボタンを使用して、以前に成功した解析設定を NETQUANT に読み込みます。
    2. [セットアップ]メニューの [すべての手順をバッチ処理する] ボタンを使用して、手順 5\u201212 (図 1、2、図 3、図 4 5)を直接実行して、最終的な出力を取得します。

Subscription Required. Please recommend JoVE to your librarian.

Representative Results

or Start trial to access full content. Learn more about your institution’s access to JoVE content here

5 x 105好中球/mLを12ウェルプレートに入れたカバーリップに播種し、20 nM PMAまたは150分間無刺激のままにして刺激した。次いで、原発ウサギ抗ヒト好中球エラスターゼ抗体、二次ヤギ抗ウサギフルオロフォア共役抗体およびDAPIを用いて試料を染色した(詳細は材料表参照)。その後、エピ蛍光顕微鏡と20X(NA =0.75)の目的を用いて、最低5枚の画像を取得した。原稿のテスト分析に使用されるサンプルデータは、リンクhttps://nordlab.med.lu.se/?page_id=34に従い、サンプルデータセットアイコンをクリックしてダウンロードできます。

ここでは、所定のサンプルにおけるNET形成を定量するNETQUANTワークフロー(図1)の能力について説明する。ソフトウェアツールはMATLABでアプリとしてインストールすることができ、このインターフェイスの以前の知識なしで使用することができます。NETQUANT の GUI を使用して、上記のようにデータセットを分析しました。NETQUANT による分析に使用されるすべてのイメージは、常に親ディレクトリー内に変更されません。GUIは、セットアップタブ、セグメンテーションタブ、解析タブ、結果出力タブの4つのタブに分かれています。サンプルは、セットアップ タブ (図 2)で分析用に準備しました。ファイル・パス (1)、命名規則 (2)、イメージ情報 (3)、およびチャネル順序 (4) は、ユーザーによって定義されます。データの準備オプション (5) は、実験全体を通じて標準化された方法で変換と編成を保証します。セグメンテーションパラメータは、セグメンテーションタブ(図3)で設定し、サンプル中の個々の細胞を同定した(6)。対照試料は、刺激された試料(8)のセグメンテーションの前に常に最初に(7)セグメント化される。セグメンテーションのすべての推奨値は、[ソフトウェア]タブに表示されます。非刺激対照細胞を定義する特性は、まず取得される(9)次にPMA刺激細胞(10)と比較される(図4)。次に、NET 基準 (11) に基づいてサンプル内で分析され、コントロール サンプルの合計画像数、セル数、および対応する NETs% と共に表示されます。解析からの最終的なデータ出力を選択し、視覚化しました (図 5)。以前に成功した分析を読み込んで使用するためのオプションと、手順 5 ~ 12 のグループ (図 1、図 2、図 3、図 4 5)を処理するための batch-all オプションもセットアップ タブに含まれています。

分析中に、合計2619個の細胞を実験で分析した。PMA刺激好中球は90.59%NETs(NETs%)コントロールサンプルの 25.87 NETs% とは対照的に (図 6)。画像解析は、ソフトウェアのワークフローを開始してから 10 分以内に完了しました。要約すると、NETQUANTは、免疫蛍光顕微鏡を使用して取得した画像のNET形成を定量化するための迅速かつ便利なオプションを提供します。

Figure 1
図 1: NETQUANT ワークフローの概要抗エラスターゼおよびDAPI(DNA)で二重染色されたヒト好中球の蛍光顕微鏡写真が最初に処理され、変換される。次に、画像がセグメント化され、次にセルプロパティの分析、NET の検出、および結果出力が続きます。この図の大きなバージョンを表示するには、ここをクリックしてください。

Figure 2
図 2: NETQUANT の [セットアップ] タブ オプション分析するデータセットのファイル パスとデータ出力フォルダーが最初に [設定] タブに入力されます (1)。次に、名前付け規則が入力され、チャネル名と制御フォルダー名 (2) が定義されます。次に、イメージ情報が取得されます (3)。標準化された画像変換のためにデータセット (5) を処理する前に、すべてのフィールドを適切に設定することをお勧めします。この図の大きなバージョンを表示するには、ここをクリックしてください。

Figure 3
図 3: NETQUANT のセグメンテーション タブ パラメーターDNAチャネルとNETタンパク質マーカーの両方のセグメンテーションに使用されるパラメータには、方法、感度、反復、最小面積および集水域(6)が含まれる。適応型セグメンテーション法と集水域の使用をお勧めします。また、ソフトウェアのプリセットとして提供される他の設定は、ほとんどの目的のために変更せずに使用することができます。コントロールサンプルは、最初にセグメント化され(7)、次に刺激されたサンプルがセグメント化される(8)。この図の大きなバージョンを表示するには、ここをクリックしてください。

Figure 4
図 4: 解析タブでのネットの検出非刺激細胞を定義する細胞特性を分析し、対照試料から取得する(9)。これに続いて、実験試料中の細胞特性の分析(10)が続く。NET定義基準(細胞領域の折り畳み増加、核変形(0~1)およびDNA染色領域/NETマーカー染色領域)を制御試料と刺激試料の両方に適用し、NET形成を定義する(11)。両方のサンプルの NET の量、合計セル数、および画像の数が要約統計量セクションに表示されます。この図の大きなバージョンを表示するには、ここをクリックしてください。

Figure 5
図 5: NETQUANT での結果出力ファイルの可視化得られた結果の事後分析は、個々のユーザが選択することができる。NETQUANT で生成できる結果出力には、個々のセルのデータ ポイントを含む .csv ファイルが含まれます。また、NET(細胞)領域の増加を受けている細胞の分布を描いたヒストグラム、クロマチン縮縮による核の変形やDNA:NETマーカー比、およびNET領域対核変形の3Dグラフも解析で生成されます。すべての出力は、.csv、.pdf、および .txt ファイルとして設定タブで選択した分析フォルダーに自動的に保存されます。この図の大きなバージョンを表示するには、ここをクリックしてください。

Figure 6
図6:NET形成の解析(A) NETs%は、対照およびPMA刺激(20nM)好中球の要約統計で観察される試験データセットからの全細胞数および画像数である。(B)領域の増加、核変形(0~1の値)、および制御およびPMA刺激試料におけるDNA/NET比を示すヒストグラムの並べて比較。NET 定義基準のヒストグラムしきい値の赤い線。(C)制御とPMA刺激試料のNETQUANT解析によって生じたNET領域と核変形の3Dグラフの比較この図の大きなバージョンを表示するには、ここをクリックしてください。

Subscription Required. Please recommend JoVE to your librarian.

Discussion

or Start trial to access full content. Learn more about your institution’s access to JoVE content here

NET形成は、多様な好中球武装体4に比較的最近の付加であり、幅広い研究領域5、7、14、15におけるNETの影響を研究することに関心が高まっています。免疫蛍光顕微鏡を用いた画像の取得とその後の画像ベースの定量は、NETを定量するために広く使用されている方法です。このアプローチは、単一細胞レベルでNETを形成する細胞を検出できるという利点があるため、バックグラウンド信号をより良く減らすことができます。定量化の手動方法は、網羅的で遅く、ユーザーバイアスの影響を受ける可能性があります。信頼性の高い分析11,12をユーザーに提供しているいくつかの半自動オプションが存在します。ただし、運用に関しては多大な技術的スキルが必要な場合や、定量化に複数の手動ステップが必要な場合があります。これは、以前は経験を持たないユーザーにとって特に困難です。最近の出版物では、フローサイトメトリーベースのイメージングと薄い組織切片を用いてNET形成を定量化するために全自動計算法が用いられている。ただし、特定のシナリオにのみ適用でき、操作16のプログラミングに関する重要な知識も必要です。現在、使いやすく、単一細胞分解能を有する一般的なNET定量に特化した完全自動画像定量ソフトウェアは、研究者には利用できません。

ここでは、自由に利用できる完全に自動化されたNET定量ソフトウェアであるNETQUANTを紹介します。このソフトウェアは、免疫蛍光顕微鏡画像を使用して高いストリンジェンシーでNET形成を定量化し、単一細胞分析および定量を行う能力を有するように特別に開発されました。NETQUANTは、NETs下での染色の領域の増加を考慮する以外に、クロマチン縮合による核変形とDNA/NETマーカータンパク質共局在の増加を考慮に入れ、所定のサンプル中のNET形成を定義します。これにより、完全なNET形成を受けた細胞と核縮合のみを受けた細胞を区別することができます。NETQUANT アルゴリズムに含まれる NET 定義基準により、NET 染色の領域の増加のみに依存する多くの以前の定量化アプローチと比較して、定量化の点数が高くなります。

GUI は、ユーザーフレンドリーで使いやすいことを目的としています。分析の各ステップには、ユーザーがワークフローに従うことができるように番号が付けられます。ソフトウェアで提供される主な機能の1つは、NETQUANTが画像内で単一セル解析を実行することを可能にするセグメンテーションツール/タブであり、これは可能な限り最高の感度です。これにより、NETQUANT は、NET 形成を定量するために単一セル定量を実行できる数少ないオプションの 1 つになります。加えて、Mohantyは、ソフトウェアが画像のバリエーションおよび集録パラメータ13にも適応できることを実証した。セグメンテーションおよびNET定義基準で提供される柔軟性により、ドナーおよびプレートのバリエーションを収容できます。NETQUANTは、大きなデータセットを適切に処理することができ、信頼性の高い高スループット画像解析に使用することができる13.

複数のドナーから堅牢な結果を得るためのワークフローが見つかりましたが、個々のサンプルに基づいて適切な値を決定することをお勧めします。理論的には、ポスト分析で生成されたデータも高い細胞密度の影響を受ける可能性があります。また、NET の過度の集約により、検出される NET の数が減少する可能性があります。これは、セグメンテーション アルゴリズムが絡み合ったネトを別々のイベントに区別できないためです。セグメンテーションに関する同様の問題は、刺激されない好中球がNET内に閉じ込められている場合にも生じることがある。NETQUANTの性能は他の倍率レベルでテストされていないため、現在、20Xおよび40Xで取得した画像の使用が推奨されています。それでも、ピクセルサイズが正しく設定されている限り(手動または読み込み画像情報セクションのメタデータから)、ソフトウェアは面積の計算を高い倍率または低い倍率に正確に適合させる必要があります。DNAと顆粒マーカーの適切な染色は重要な要因です。どちらのチャンネルでも染色が悪かったり、画質が悪かったりすると、最適でない結果が生じます。したがって、最適な結果を得るために、適切な細胞番号、染色手順および抗体タイターを決定することが推奨されます。

NETQUANTは、インビトロでヒト好中球由来のNETでのみ試験されています。他の種のNETはまた、基準の適切な補正で定量することができます。NET定量は、チャンバースライドまたはマルチウェルガラス底板の固定サンプルに対して行うことができます。DNAおよび顆粒タンパク質マーカー用に染色されたサンプルの高品質の画像は重要です。NETQUANTはまた、好酸球によって示される細胞外トラップ(ET)-osisの他の形態を定量するように適合させることができる。単球などの非顆粒球中のETの定量は、セグメンテーションアルゴリズムに細胞質顆粒染色領域が必要とされるため、現在は不可能である。

結論として、NETQUANTは単一細胞の分析および定量を可能にするNET形成を正確に識別するための簡単で、自動および急速な用具である。私たちは、このソフトウェアは、自動NET定量を実行するための障壁を下げる可能性があり、研究コミュニティは、この自由に利用可能なアプリの恩恵を受けると信じています.

Subscription Required. Please recommend JoVE to your librarian.

Disclosures

TMおよびPNには、NETQUANTで使用されるアルゴリズムに関連する特許出願中があります。

Acknowledgments

この研究は、クラフォード財団(TMおよびPN)、スウェーデン政府研究助成金(PN、TM)、スウェーデン研究評議会(PN)、グロシンスキー財団(TM、PN)によって資金提供されました。

Materials

Name Company Catalog Number Comments
BD Vacutainer Heparinised plastic tubes BD Biosciences 367885
Lymphoprep Axis-Shield 114547
RPMI-1640 with L-Glutamine Gibco 11835-030
50mL conical flasks Sarstedt 62.547.004
15mL conical flasks Sarstedt 62.554.002
12-well Tissue culture plates Falcon 10626491
#1 Coverslips 10mm Menzel Glaser CS10100
Glass slides Menzel Glaser 631-0098
Primary anti-human elastase DAKO DAKO rabbit 1373, contract immunization
Secondary fluorophore conjugated goat anti-rabbit Life technologies A-11072, A-11070
PROLONG-Gold Antifade reagent with DAPI Life technologies P36930 Mounting medium
Goat serum Sigma-Aldrich G9023
Phorbol 12-myristate 13-acetate (PMA) Sigma-Aldrich 79346
Paraformaldehyde Sigma-Aldrich 158127
Triton X-100 Sigma-Aldrich T8787
Nikon Ti-E Epifluorescence microscope Nikon
CCD camera Andor Zyla
Plan Apochromat 20x, 40x objectives Nikon
Windows 10 Microsoft Operating system
macOS Sierra 10.12 Apple Operating system
MATLAB Mathworks

DOWNLOAD MATERIALS LIST

References

  1. Nauseef, W. M., Borregaard, N. Neutrophils at work. Nature Immunology. 15, (7), 602-611 (2014).
  2. Borregaard, N., Cowland, J. B. Granules of the human neutrophilic polymorphonuclear leukocyte. Blood. 89, (10), 3503-3521 (1997).
  3. Nordenfelt, P., Tapper, H. Phagosome dynamics during phagocytosis by neutrophils. Journal of Leukocyte Biology. 90, (2), 271-284 (2011).
  4. Brinkmann, V., et al. Neutrophil extracellular traps kill bacteria. Science. 303, (5663), 1532-1535 (2004).
  5. Sorensen, O. E., Borregaard, N. Neutrophil extracellular traps - the dark side of neutrophils. Journal of Clinical Investigation. 126, (5), 1612-1620 (2016).
  6. Yipp, B. G., Kubes, P. NETosis: how vital is it? Blood. 122, (16), 2784-2794 (2013).
  7. Jorch, S. K., Kubes, P. An emerging role for neutrophil extracellular traps in noninfectious disease. Nature Medicine. 23, (3), 279-287 (2017).
  8. Fuchs, T. A., et al. Novel cell death program leads to neutrophil extracellular traps. J Cell Biol. 176, (2), 231-241 (2007).
  9. Mohanty, T., et al. A novel mechanism for NETosis provides antimicrobial defense at the oral mucosa. Blood. 126, (18), 2128-2137 (2015).
  10. Hakkim, A., et al. Activation of the Raf-MEK-ERK pathway is required for neutrophil extracellular trap formation. Nature Chemical Biology. 7, (2), 75-77 (2011).
  11. Brinkmann, V., Goosmann, C., Kuhn, L. I., Zychlinsky, A. Automatic quantification of in vitro NET formation. Frontiers in Immunology. 3, 413 (2012).
  12. Coelho, L. P., et al. Automatic determination of NET (neutrophil extracellular traps) coverage in fluorescent microscopy images. Bioinformatics. 31, (14), 2364-2370 (2015).
  13. Mohanty, T., Sorensen, O. E., Nordenfelt, P. NETQUANT: Automated Quantification of Neutrophil Extracellular Traps. Frontiers in Immunology. 8, 1999 (2017).
  14. Kaplan, M. J., Radic, M. Neutrophil extracellular traps: double-edged swords of innate immunity. Journal of Immunology. 189, (6), 2689-2695 (2012).
  15. Cedervall, J., Olsson, A. K. Immunity Gone Astray - NETs in Cancer. Trends in Cancer. 2, (11), 633-634 (2016).
  16. Ginley, B. G., et al. Computational detection and quantification of human and mouse neutrophil extracellular traps in flow cytometry and confocal microscopy. Scientific Reports. 7, (1), 17755 (2017).
NETQUANTを用いた好中球細胞トラップの自動画像ベース定量
Play Video
PDF DOI DOWNLOAD MATERIALS LIST

Cite this Article

Mohanty, T., Nordenfelt, P. Automated Image-Based Quantification of Neutrophil Extracellular Traps Using NETQUANT. J. Vis. Exp. (153), e58528, doi:10.3791/58528 (2019).More

Mohanty, T., Nordenfelt, P. Automated Image-Based Quantification of Neutrophil Extracellular Traps Using NETQUANT. J. Vis. Exp. (153), e58528, doi:10.3791/58528 (2019).

Less
Copy Citation Download Citation Reprints and Permissions
View Video

Get cutting-edge science videos from JoVE sent straight to your inbox every month.

Waiting X
Simple Hit Counter