Summary

Micro arrays gebruiken om micro-milieueffecten te ondervragen op cellulaire fenotypes bij kanker

Published: May 21, 2019
doi:

Summary

Het doel van de hier gepresenteerde methode is om te laten zien hoe micro Environment micro arrays (MEMA) kunnen worden gefabriceerd en gebruikt voor het ondervragen van de impact van duizenden eenvoudige combinatorische micro-omgevingen op het fenotype van gekweekte cellen.

Abstract

Het begrijpen van de impact van de micro-omgeving op het fenotype van cellen is een moeilijk probleem vanwege het complexe mengsel van zowel oplosbare groeifactoren als matrix-geassocieerde eiwitten in de micro-omgeving in vivo. Bovendien, gemakkelijk beschikbare reagentia voor het modelleren van micro-omgevingen in vitro meestal gebruik maken van complexe mengsels van eiwitten die zijn niet volledig gedefinieerd en lijden aan batch variabiliteit. Het micro Environment Microarray-platform (MEMA) maakt het mogelijk om duizenden eenvoudige combinaties van micro-milieu proteïnen te beoordelen voor hun impact op cellulaire fenotypes in één enkele test. De mema’s worden bereid in goed platen, die het mogelijk maakt de toevoeging van individuele liganden om putten met opgesteld extracellulaire matrix (ECM) eiwitten scheiden. De combinatie van de oplosbare ligand met elke gedrukte ECM vormt een unieke combinatie. Een typische MEMA-test bevat meer dan 2.500 unieke combinatorische micro-omgevingen waarin cellen worden blootgesteld aan een enkelvoudige test. Als test case werd de borstkanker cellijn MCF7 verguld op het MEMA-platform. Analyse van deze assay geïdentificeerd factoren die zowel verbeteren en remmen van de groei en de proliferatie van deze cellen. Het MEMA-platform is zeer flexibel en kan worden uitgebreid voor gebruik met andere biologische vragen buiten kankeronderzoek.

Introduction

Het kweken van kanker cellijnen op plastic in tweedimensionale (2D) monolagen blijft een van de belangrijkste werkpaarden voor kanker onderzoekers. Echter, de micro-omgeving wordt steeds meer erkend voor haar vermogen om cellulaire fenotypes beïnvloeden. Bij kanker, de tumor micro omgeving is bekend dat het beïnvloeden van meerdere cellulaire gedrag, met inbegrip van de groei, overleving, invasie, en reactie op therapie1,2. Traditionele monolaag celculturen hebben doorgaans geen invloed op de micro-omgeving, wat heeft geleid tot de ontwikkeling van complexere driedimensionale (3D) assays om cellen te kweken, inclusief in de handel verkrijgbare gezuiverde kelder membraan extracten. Echter, deze gezuiverde matrices zijn meestal ingewikkeld om te gebruiken en lijden aan technische problemen zoals batch variabiliteit3 en complexe composities3. Als gevolg hiervan kan het moeilijk zijn om functie toe te wijzen aan specifieke eiwitten die invloed kunnen hebben op cellulaire fenotypes3.

Om deze beperkingen aan te pakken, hebben we de micro Environment Microarray (MEMA) technologie ontwikkeld, die de micro-omgeving verlaagt tot eenvoudige combinaties van extracellulaire matrix (ECM) en oplosbare groeifactor eiwitten4,5 . Het MEMA-platform maakt identificatie mogelijk van dominante micro-omgevingsfactoren die van invloed zijn op het gedrag van cellen. Met behulp van een array-indeling, kunnen duizenden combinaties van micro-omgevingsfactoren worden getest in één experiment. De MEMA hier beschreven ondervraagt ~ 2.500 verschillende unieke micro voorwaarden. ECM-eiwitten gedrukt in goed platen vormen groei pads waarop cellen kunnen worden gekweekt. Oplosbare liganden worden toegevoegd aan individuele putten, waardoor unieke combinatorische micro-omgevingen (ECM + ligand) worden gemaakt op elke andere plek waar de cellen worden blootgesteld. Cellen worden meerdere dagen gecultiveerde, vervolgens vast, gekleurd en afbeelding gemaakt om cellulaire fenotypes te beoordelen als gevolg van blootstelling aan deze specifieke combinaties van micro omgevingen. Omdat de micro-omgevingen eenvoudige combinaties zijn, is het eenvoudig om eiwitten te identificeren die belangrijke fenotypische veranderingen in cellen stimuleren. Mema’s zijn met succes gebruikt voor het identificeren van factoren die invloed hebben op meerdere cellulaire fenotypes, met inbegrip van die die de beslissingen van de cel van het lot stimuleren en de respons op therapie4,5,6,7. Deze antwoorden kunnen worden gevalideerd in eenvoudige 2D-experimenten en kunnen vervolgens worden beoordeeld onder omstandigheden die meer volledig even de complexiteit van de tumor-micro omgeving. Het MEMA-platform is zeer aanpasbaar aan een verscheidenheid aan celtypen en eindpunten, op voorwaarde dat er goede fenotypische biomarkers beschikbaar zijn.

Protocol

Opmerking: Een overzicht van het gehele MEMA-proces, inclusief de geschatte tijd, wordt beschreven in het stroomdiagram in Figuur 1. Dit protocol Details de fabricage van MEMAs in 8-well platen. Het protocol kan worden aangepast voor andere platen of dia’s. 1. bereiding van eiwitten, verdunningsmiddelen en kleurings buffers Evenwichts flacons met ECMs, liganden en cytokines op kamertemperatuur (RT) en centrifugeer kort. Voeg het juiste v…

Representative Results

Om de micro-milieueffecten op celgroei en proliferatie te vereenvoudigen en om voorwaarden te identificeren die de celgroei en-proliferatie bevorderen of remmen, werd de borstkanker cellijn MCF7 op een set van acht 8-goed-Mema’s, zoals beschreven in het Protocol, gesebeerd. Deze test blootgestelde de cellen aan 48 verschillende ECMs en 57 verschillende liganden, voor een totaal van 2736 combinatorische micromilieuvoor waarden. Na 71 h in de cultuur werden cellen gepulseerd met EdU, vast, doordrongen en gekleurd met DAPI,…

Discussion

Het belang van “dimensionaliteit” en context is een motiverende factor geweest in de ontwikkeling van in-vitro cultuur systemen als hulpmiddelen bij de karakterisering van kankercellen door hun interactie met de micro-omgeving11, en het vermogen van in vitro cultuur systemen die de in vivo-omgeving nabootsen, zijn een drijvende kracht achter de zoektocht naar verbetering van die cultuur systemen. In-vitro systemen blijven echter belangrijke instrumenten voor kankeronderzoek, juist vanwege hun verm…

Disclosures

The authors have nothing to disclose.

Acknowledgements

Dit werk werd ondersteund door de NIH common Fund Library van Network Cellular signaturen (LINCS) Grant HG008100 (J.W.G., L.M.H. en J. E. K).

Materials

Aushon 2470 Aushon BioSystems Arrayer robot system used in the protocol
Nikon HCA Nikon High Content Imaging system designed around Nikon Eclipse Ti Inverted Microscope
BioTek Precision XS liquid Handler BioTek liquid handling robot used in the protocol
Trizma hydrochloride buffer solution Sigma T2069
EDTA Invitrogen 15575-038
Glycerol Sigma G5516
Triton X100 Sigma T9284
Tween 20 Sigma P7949
Kolliphor P338 BASF 50424591
384-well microarray plate, cylindrical well Thermo Fisher ab1055
Nunc 8 well dish Thermo Fisher 267062
Paraformaldehyde 16% solution Electron Microscopy Science 15710
BSA Fisher BP-1600
Sodium Azide Sigma S2002
Cell Mask Molecular Probes H32713
Click-iTEdU Alexa Fluor Molecular Probes C10357
DAPI Promo Kine PK-CA70740043
ALCAM R & D Systems 656-AL ECM
Cadherin-20 (CDH20) R & D Systems 5604-CA ECM
Cadherin-6 (CDH6) R & D Systems 2715-CA ECM
Cadherin-8 (CDH8) R & D Systems 188-C8 ECM
CD44 R & D Systems 3660-CD ECM
CEACAM6 R & D Systems 3934-CM ECM
Collagen I Cultrex 3442-050-01 ECM
Collagen Type II Millipore CC052 ECM
Collagen Type III Millipore CC054 ECM
Collagen Type IV Sigma C5533 ECM
Collagen Type V Millipore CC077 ECM
COL23A1 R & D Systems 4165-CL ECM
Desmoglein 2 R & D Systems 947-DM ECM
E-cadherin (CDH1) R & D Systems 648-EC ECM
ECM1 R & D Systems 3937-EC ECM
Fibronectin R & D Systems 1918-FN ECM
GAP43 Abcam ab114188 ECM
HyA-500K R & D Systems GLR002 ECM
HyA-50K R & D Systems GLR001 ECM
ICAM-1 R & D Systems 720-IC ECM
Laminin Sigma L6274 ECM
Laminin-5 Abcam ab42326 ECM
Lumican R & D Systems 2846-LU ECM
M-Cad (CDH15) R & D Systems 4096-MC ECM
Nidogen-1 R & D Systems 2570-ND ECM
Osteoadherin/OSAD R & D Systems 2884-AD ECM
Osteopontin (SPP) R & D Systems 1433-OP ECM
P-Cadherin (CDH3) R & D Systems 861-PC ECM
PECAM1 R & D Systems ADP6 ECM
Tenascin C R & D Systems 3358-TC ECM
VCAM1 R & D Systems ADP5 ECM
vitronectin R & D Systems 2308-VN ECM
Biglycan R & D Systems 2667-CM ECM
Decorin R & D Systems 143-DE ECM
Periostin R & D Systems 3548-F2 ECM
SPARC/osteonectin R & D Systems 941-SP ECM
Thrombospondin-1/2 R & D Systems 3074-TH ECM
Brevican R & D Systems 4009-BC ECM
Elastin BioMatrix 5052 ECM
Fibrillin Lynn Sakai Lab OHSU N/A ECM
ANGPT2 RnD_Systems_Own 623-AN-025 Ligand
IL1B RnD_Systems_Own 201-LB-005 Ligand
CXCL8 RnD_Systems_Own 208-IL-010 Ligand
IGF1 RnD_Systems_Own 291-G1-200 Ligand
TNFRSF11B RnD_Systems_Own 185-OS Ligand
BMP6 RnD_Systems_Own 507-BP-020 Ligand
FLT3LG RnD_Systems_Own 308-FK-005 Ligand
CXCL1 RnD_Systems_Own 275-GR-010 Ligand
DLL4 RnD_Systems_Own 1506-D4-050 Ligand
HGF RnD_Systems_Own 294-HGN-005 Ligand
Wnt5a RnD_Systems_Own 645-WN-010 Ligand
CTGF Life_Technologies_Own PHG0286 Ligand
LEP RnD_Systems_Own 398-LP-01M Ligand
FGF2 Sigma_Aldrich_Own SRP4037-50UG Ligand
FGF6 RnD_Systems_Own 238-F6 Ligand
IL7 RnD_Systems_Own 207-IL-005 Ligand
TGFB1 RnD_Systems_Own 246-LP-025 Ligand
PDGFB RnD_Systems_Own 220-BB-010 Ligand
WNT10A Genemed_Own 90009 Ligand
PTN RnD_Systems_Own 252-PL-050 Ligand
BMP3 RnD_Systems_Own 113-BP-100 Ligand
BMP4 RnD_Systems_Own 314-BP-010 Ligand
TNFSF11 RnD_Systems_Own 390-TN-010 Ligand
CSF2 RnD_Systems_Own 215-GM-010 Ligand
BMP5 RnD_Systems_Own 615-BMC-020 Ligand
DLL1 RnD_Systems_Own 1818-DL-050 Ligand
NRG1 RnD_Systems_Own 296-HR-050 Ligand
KNG1 RnD_Systems_Own 1569-PI-010 Ligand
GPNMB RnD_Systems_Own 2550-AC-050 Ligand
CXCL12 RnD_Systems_Own 350-NS-010 Ligand
IL15 RnD_Systems_Own 247-ILB-005 Ligand
TNF RnD_Systems_Own 210-TA-020 Ligand
IGFBP3 RnD_Systems_Own 675-B3-025 Ligand
WNT3A RnD_Systems_Own 5036-WNP-010 Ligand
PDGFAB RnD_Systems_Own 222-AB Ligand
AREG RnD_Systems_Own 262-AR-100 Ligand
JAG1 RnD_Systems_Own 1277-JG-050 Ligand
BMP7 RnD_Systems_Own 354-BP-010 Ligand
TGFB2 RnD_Systems_Own 302-B2-010 Ligand
VEGFA RnD_Systems_Own 293-VE-010 Ligand
IL6 RnD_Systems_Own 206-IL-010 Ligand
CXCL12 RnD_Systems_Own 351-FS-010 Ligand
NRG1 RnD_Systems_Own 378-SM Ligand
IGFBP2 RnD_Systems_Own 674-B2-025 Ligand
SHH RnD_Systems_Own 1314-SH-025 Ligand
FASLG RnD_Systems_Own 126-FL-010 Ligand

References

  1. Hanahan, D., Coussens, L. M. Accessories to the crime: functions of cells recruited to the tumor microenvironment. Cancer Cell. 21 (3), 309-322 (2012).
  2. Quail, D. F., Joyce, J. A. Microenvironmental regulation of tumor progression and metastasis. Nature Medicine. 19 (11), 1423-1437 (2013).
  3. Hughes, C. S., Postovit, L. M., Lajoie, G. A. Matrigel: a complex protein mixture required for optimal growth of cell culture. Proteomics. 10 (9), 1886-1890 (2010).
  4. LaBarge, M. A., et al. Human mammary progenitor cell fate decisions are products of interactions with combinatorial microenvironments. Integrative Biology (Cambridge). 1 (1), 70-79 (2009).
  5. Watson, S. S., et al. Microenvironment-Mediated Mechanisms of Resistance to HER2 Inhibitors Differ between HER2+ Breast Cancer Subtypes. Cell Systems. 6 (3), 329-342 (2018).
  6. Ranga, A., et al. 3D niche microarrays for systems-level analyses of cell fate. Nature Communications. 5, 4324 (2014).
  7. Malta, D. F. B., et al. Extracellular matrix microarrays to study inductive signaling for endoderm specification. Acta Biomater. 34, 30-40 (2016).
  8. Kamentsky, L., et al. Improved structure, function and compatibility for CellProfiler: modular high-throughput image analysis software. Bioinformatics. 27 (8), 1179-1180 (2011).
  9. Gagnon-Bartsch, J. A., Jacob, L., Speed, T. P. Removing Unwanted Variation from High Dimensional Data with Negative Controls. University of California, Berkeley, Department of Statistics, University of California, Berkeley. , (2013).
  10. Allan, C., et al. OMERO: flexible, model-driven data management for experimental biology. Nature Methods. 9 (3), 245-253 (2012).
  11. Simian, M., Bissell, M. J. Organoids: A historical perspective of thinking in three dimensions. Journal of Cell Biology. 216 (1), 31-40 (2017).
  12. Bissell, M. J. The differentiated state of normal and malignant cells or how to define a “normal” cell in culture. International Review of Cytology. 70, 27-100 (1981).
  13. Serban, M. A., Prestwich, G. D. Modular extracellular matrices: solutions for the puzzle. Methods. 45 (1), 93-98 (2008).
  14. Kaylan, K. B., et al. Mapping lung tumor cell drug responses as a function of matrix context and genotype using cell microarrays. Integrative Biology (Cambridge). 8 (12), 1221-1231 (2016).
  15. Lin, C. H., Jokela, T., Gray, J., LaBarge, M. A. Combinatorial Microenvironments Impose a Continuum of Cellular Responses to a Single Pathway-Targeted Anti-cancer Compound. Cell Reports. 21 (2), 533-545 (2017).
  16. Gjorevski, N., et al. Designer matrices for intestinal stem cell and organoid culture. Nature. 539 (7630), 560-564 (2016).

Play Video

Cite This Article
Smith, R., Devlin, K., Kilburn, D., Gross, S., Sudar, D., Bucher, E., Nederlof, M., Dane, M., Gray, J. W., Heiser, L., Korkola, J. E. Using Microarrays to Interrogate Microenvironmental Impact on Cellular Phenotypes in Cancer. J. Vis. Exp. (147), e58957, doi:10.3791/58957 (2019).

View Video