Waiting
Login processing...

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

Biology

Quantification des distributions de zone d’adhérence cellule-substrat et de forme cellulaire dans les monocouches cellulaires MCF7

doi: 10.3791/61461 Published: June 24, 2020

Summary

L’article décrit la quantification de 1) la taille et le nombre d’adhérences focales et 2) l’indice de forme cellulaire et sa distribution à partir d’images confocales des monocouches confluentes des cellules MCF7.

Abstract

Les méthodes présentées ici quantifient certains paramètres des monocouches de cellules adhérentes confluentes à partir de multiples images confocales correctement tachées : adhérence au substrat en fonction du nombre et de la taille des adhérences focales, et de la forme cellulaire, caractérisée par l’indice de forme cellulaire et d’autres descripteurs de forme. Les adhérences focales ont été visualisées par la coloration de paxilline et les bordures de cellules-cellules ont été marquées par la plakoglobine de jonction et l’actine. Les méthodes de culture cellulaire et de coloration étaient standard; les images représentent des plans focals uniques; l’analyse d’image a été effectuée à l’aide d’un logiciel de traitement d’images accessible au public. Les protocoles présentés sont utilisés pour quantifier le nombre et la taille des adhérences focales et les différences dans la distribution de la forme cellulaire dans les monocouches, mais ils peuvent être réutilisés pour la quantification de la taille et de la forme de toute autre structure cellulaire distincte qui peut être tachée (p. ex., mitochondries ou noyaux). L’évaluation de ces paramètres est importante dans la caractérisation des forces dynamiques dans la couche cellulaire adhérente, y compris l’adhérence cellulaire et la contractilité de l’actomyosine qui affecte la forme cellulaire.

Introduction

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

Les monocouches épithéliales de cellules agissent comme un collectif dans lequel l’adhérence cellule-cellule et cellule-substrat ainsi que les forces contractiles et les tensions représentent des paramètres importants et leur juste équilibre contribue à l’intégrité globale de l’unité1,2,3. Ainsi, l’évaluation de ces paramètres représente un moyen d’établir l’état actuel de la couche cellulaire.

Les deux méthodes décrites ici représentent une analyse bidimensionnelle des monocouches confluentes des cellules épithéliales adhérentes (dans ce cas mcf7 ligne cellulaire de cancer du sein). L’analyse est effectuée à l’aide d’images confocales (seules tranches de Z) provenant de différentes régions de l’axe Z; région basale près d’un substrat pour les mesures d’adhérence focale (FA) et la région apicale pour les mesures de la forme cellulaire. Les méthodes présentées sont relativement simples et nécessitent des techniques de laboratoire standard et des logiciels open-source. La microscopie confocale est suffisante pour ce protocole, de sorte qu’elle peut être effectuée sans employer plus spécialisée tirf (total internal reflection Fluorescence) microscopie. Ainsi, le protocole pourrait être mis en œuvre dans un cadre de laboratoire relativement standard. Bien que l’exactitude des méthodes soit limitée, elles peuvent distinguer les différences de base dans l’adhérence focale et la forme cellulaire.

Les deux méthodes décrites ici consistent en les procédures expérimentales standard telles que la culture cellulaire, l’immunostaining, l’imagerie confocale et l’analyse d’image effectuées à l’aide de ImageJ. Toutefois, tout logiciel de traitement d’image avec les fonctions appropriées peut être utilisé. Les méthodes présentées peuvent suivre et comparer les changements subis par le traitement pharmacologique ou la modification génétique minimale. L’obtention de valeurs précises n’est pas recommandée, en raison de la précision limitée de ces méthodes. Deux macros automatisées ont été incluses, afin de faciliter la mesure de nombreuses images.

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

1. Étapes préparatoires

  1. Ensemencement cellulaire pour obtenir des monocouches confluentes
    1. Avant l’ensemencement, enduisez les puits d’une lame de chambre de 4 puits de collagène I (ou d’un autre composant ECM de choix). Pour le revêtement de collagène I, suivez un protocole commercial : https://www.sigmaaldrich.com/technical-documents/articles/biofiles/collagen-product-protocols.html à une concentration de 8 μg/cm2.
    2. Ensemencez 400 000 cellules dans un puits d’une lame de chambre de 4 puits.
    3. Culture les cellules pendant 24 h (ou plus, selon les critères d’évaluation expérimentaux) avant la coloration, dans un incubateur à 37 °C, 5% CO2. Cette étape permet une maturation des contacts cellule-cellule et la formation de monocouches.
    4. Utilisez un microscope optique inversé pour vérifier la confluence (environ 90% est nécessaire) et une condition générale des monocouches. Ne procédez pas si les cellules flottent ou ont l’air stressées.
  2. Coloration immunofluorescente
    REMARQUE : Les cellules peuvent être tachées d’un protocole de choix. Ici, l’immunofluorescence a été effectuée comme précédemment décrit4.
    1. Pour l’analyse focale de l’adhérence, tachez les cellules avec une protéine d’adhérence focale de choix (dans ce protocole paxilline). Pour la tache d’analyse de forme cellulaire avec la protéine de jonction cellule-cellule de choix (dans ce protocole de la plakoglobine de protéine desmosomale).
    2. Pour la procédure, utilisez 0,5 mL de solutions spécifiées, sauf indication contraire.
    3. Fixer les cellules dans 4% de formaldéhyde dans PBS pendant 30 min sur la glace.
    4. Incuber avec 0,1 M de chlorure d’ammonium (en PBS) pendant 10 min pour étancher l’autofluorescence.
    5. Ajouter 0,5% Triton X-100 (en PBS) pendant 30 min (permeabilisation).
    6. Bloc avec 5% de lait (ou 1% BSA) dans TBS-T pendant 1 h.
    7. Incuber avec anticorps primaire à 4 °C pendant la nuit (anti-paxilline: lapin, 1:250, anti-plakoglobine: lapin, 1:400)
    8. Incuber avec un anticorps secondaire pendant 30 min (Alexa Fluor 594 chèvre anti-lapin, 1:500, 1:500)
    9. Tache avec 300 nM DAPI pendant 1-5 min, protégé de la lumière.
      REMARQUE : Éventuellement, des colorations supplémentaires d’actine avec des conjugués fluorescents de phalloïdin (conc. 1:400) peuvent être effectuées; la phalloïdine doit être ajoutée à la même étape que l’anticorps secondaire.
  3. Imagerie confocale
    1. Prenez des images de tranches Z simples à l’aide d’un microscope confocal (p. ex., Zeiss LSM800).
      REMARQUE : La coloration optionnelle de l’actine peut aider à évaluer le plan focal approprié. La coloration corticale de l’actine est présente dans la région apicale tandis que les fibres de stress actine sont présentes dans la région basale, près du substrat, comme illustré sur la figure 1.
    2. Imagerie d’adhérence focale
      1. Choisissez des tranches de Z pour l’analyse de l’adhérence focale de la région basale, près du substrat.
      2. Utilisez un objectif avec l’ouverture numérique la plus élevée disponible (préférable 63x N.A.: 1.4).
        NOTE: La forme de FA est très spécifique et facilement reconnaissable. Ainsi, il est recommandé de commencer l’analyse à partir d’un plan focal sous les cellules, puis de scanner lentement vers eux, jusqu’à ce que les FA soient clairement visibles. L’analyse d’image sera plus précise à partir de petits champs de vision, qui ont tendance à être plus uniformes, mais cela implique que moins de cellules seront calculées dans un seul champ de vision.
    3. Imagerie des contacts cellule
      1. Utilisez un objectif 40x ou 63x.
      2. Sélectionnez les canaux de coloration nucléaire et la coloration des protéines de jonction préférée.
      3. Choisissez les tranches Z pour l’analyse de la forme cellulaire de la région apicale des monocouches.
      4. Prenez des photos pour au moins 3 champs de vision différents (200-400 cellules).

2. Analyse d’image

REMARQUE : Les macros fournies fonctionnent de manière optimale sur ImageJ version 1.50f ou plus récente. Utilisez pour la quantification uniquement des images avec un rapport signal/bruit élevé et sans pixels sous-ou sursaturés. Les méthodes décrites incluent des étapes nécessitant un ajustement manuel des paramètres. Ainsi, une analyse aveugle / configuration d’expérience aveuglée est recommandée. Pour chiffrer les noms de fichiers image, les plugins ImageJ tels que « Blind Analysis Tool » (disponible à l’adresse suivante : https://imagej.net/Blind_Analysis_Tools) peuvent être utilisés.

  1. Analyse focale de l’adhérence
    REMARQUE : Les fichiers d’entrée recommandés pour les méthodes suivantes sont les suivants : images de FA représentées en échelle de gris 8 bits enregistrées au format .tiff.
    1. Ouvrez l’image à l’aide d’ImageJ.
    2. Définir l’échelle d’une image sur pixels (Analyse | Échelle de jeu; Supprimez l’échelle et cochez l’option Global).
    3. Inclure le nom du fichier et la zone de retour sur investissement dans les options de mesure (Analyser | Définir les mesures...); vérifiez les options d’étiquette zone et affichage.
    4. Soustraire l’arrière-plan (Processus | Soustraire l’arrière-plan ; définir le paramètre de rayon de boule de roulement à 50 pixels ; vérifier l’option parabolique coulissante). Dans le cas d’images RGB pseudocolorées : fractionner les canaux RGB, quitter le canal avec des FA ouverts, fermer les canaux restants (Image | Couleur | Split Channels).
    5. Déterminer la zone de la plus petite région d’intérêt (ROI). À l’aide de sélections à main levée ou polygone, on décrit la plus petite adhérence focale et mesurent sa zone (Analyse | Mesure). Répétez cette étape pour différents ROI (FA) à partir de quelques images choisies au hasard (pour un total de 20 ROI). Calculer et enregistrer la moyenne des résultats obtenus.
      REMARQUE : Cette étape n’est requise que lorsqu’un ensemble d’images donné est analysé pour la première fois (ligne cellulaire spécifique, glissements de revêtement avec des composants spécifiques de matrice extracellulaire, conditions de culture différentes).
    6. Convertir l’image en binaire à l’aide de l’une des méthodes suivantes :
      1. Définir le seuil global (Image | Ajuster | Seuil; vérifiez les options Par défaut, B&W et Dark Background, ajustez le seuil manuellement ou définissez-le automatiquement).
      2. Définir le seuil local (Image | Ajuster | Seuil local automatique...; définir méthode sur Phansalkar et vérifier objets blancs sur l’option fond noir. Ensuite, inverser l’image (Modifier | Invert).
    7. Mesurer le nombre et la superficie des VOI. Sélectionnez Analyser | Analyser les particules; vérifiez Unités pixel, Afficher les résultats, Effacer les résultats et résumer les options, définir le paramètre Taille, comme une limite inférieure utiliser la moyenne des plus petits ROIs de l’étape 2.1.5. La limite supérieure peut être définie à 25% d’une zone cellulaire typique.
    8. Transférer des données (qui incluent le nom de l’image, le nombre d’AF, la zone totale et moyenne des FA; respectivement tranche, compte, superficie totale, taille moyenne)de la fenêtre Résumé au programme de gestion des données de choix.
    9. Déterminez le nombre de cellules par image en comptant les noyaux tachés par DAPI. Le comptage peut se faire manuellement (Plugins | Analyser | Cell Counter) ou comme dans les protocoles disponibles tels que: https://imagej.net/Nuclei_Watershed_Separation.
    10. Alternativement, pour faciliter le comptage des FA, utilisez la macro ImageJ (FAs.ijm) jointe.
      1. Déplacez le fichier .ijm avec la macro vers le dossier plugins ou macros situé dans les dossiers de fichiers source ImageJ.
      2. Déterminer une zone du plus petit retour sur investissement tel que décrit à l’étape 2.1.4.
      3. Ouvrir le fichier macro (Plugins | Macros | Modifier...).
      4. Avant d’exécuter la macro, définissez la valeur de trois variables : remplir la valeur de area_of_the_smallest_region_of_interest avec un nombre acquis à l’étape 2.1.4. Définissez threshold_type valeur sur manuel ou automatique.
      5. Enregistrer les modifications (la macro doit être prête à l’emploi).
      6. Appelez la macro à partir du panneau ImageJ ou effectuez un raccourci vers celui-ci. La macro commence par la fenêtre de dialogue ouverte standard. Sélectionnez l’image à traiter.
        REMARQUE : En cas d’ajustement manuel du seuil, la confirmation manuelle de la valeur du seuil sera nécessaire (évitez d’accepter les modifications à l’aide du bouton Appliquer sur la fenêtre de dialogue Seuil, utilisez plutôt la fenêtre de dialogue personnalisée Action Required). Les résultats obtenus en travaillant avec la macro sont les mêmes que ceux décrits à l’étape 2.1.8 (inclus dans la fenêtre de dialogue Résumé). En outre, dans le cas de l’ajustement manuel du seuil, le niveau de seuil inférieur s’affiche dans une fenêtre de dialogue Journal, car cette valeur permet de reproduire les résultats obtenus à l’avenir si nécessaire. Les chiffres supplémentaires S1 et S2 ont été inclus comme un jeu de données de formation pour la macro FAs.ijm.
  2. Analyse de la forme cellulaire
    1. Manuelle
      1. Ouvrez une image dans ImageJ ou un autre logiciel de traitement d’image avec un ensemble similaire de fonctions (d’autres instructions se rapportent à ImageJ). Choisissez les paramètres à mesurer en sélectionnant dans le menu Analyse | Définissez les mesures et cochez les descripteurs de forme dans la zone apparaissant.
      2. Délimiter manuellement les bordures cellulaires, marquées par des protéines de jonction de choix, à l’aide de l’icône sélections freehand. Les paramètres choisis sont automatiquement calculés pour chaque cellule. Stockez les résultats après avoir décrit chaque cellule en cliquant sur Modifier | Sélection | Ajouter au gestionnaire. Seules des cellules complètes et entièrement visibles, avec des bordures ininterrompues, doivent être comptées.
      3. Lorsque toutes les cellules du champ de vision sont décrites, effectuez la mesure en marquant tous les nombres apparaissant dans la zone gauche du Gestionnaire de retour sur investissement (correspondant aux cellules) et en cliquant sur Mesurer Les résultats apparaissent dans la zone Résultats et peuvent être transférés à la feuille de calcul de choix.
    2. Automatisé
      REMARQUE : Pour faciliter la quantification des descripteurs de forme cellulaire (CSI, rapport d’aspect, rondeur, solidité), une macro ImageJ a été préparée et jointe à cet article (CSI.ijm). La macro est principalement basée sur le plugin ImageJ appelé MorphoLibJ (https://imagej.net/MorphoLibJ)5. La macro exécute les étapes suivantes : 1) Extension de chaque bordure d’image par 10 pixels noirs [MorpholibJ]; 2) Séries de dilatations et d’érosions - filtre morphologique [MorpholibJ]; 3) Génération d’image binaire des limites des cellules par segmentation morphologique [MorpholibJ]; 4) Dilatation des limites cellulaires; 5) Inversion de la valeur des pixels; 6) Génération de sélections et mesure de la zone et du périmètre des cellules sur l’image; et 7) Enregistrement d’image avec les cellules décrites et les sélections de retour sur investissement ImageJ dans un nouveau fichier.
      1. Déplacez le fichier .ijm avec la macro vers le dossier plugins ou macros situé dans les dossiers de fichiers source ImageJ. Appelez la macro à partir du panneau ImageJ ou effectuez un raccourci vers celui-ci.
      2. Avant la quantification d’un nouvel ensemble de données, déterminez les valeurs des régions les plus petites et les plus grandes d’intérêt. Décrivez (sélection à main levée ou polygone) quelques exemples (3-10) des cellules les plus petites et les plus grandes de l’image, puis mesurez leur zone (Analyse | Mesure).
      3. Inversement, exécutez la macro avec des paramètres par défaut (la limite de taille inférieure est définie sur 0 et la limite supérieure est définie à l’infini), attendez que la macro se termine et sélectionnez Définir l’option Limites de taille de cellule. Mesurez la zone des cellules les plus petites et les plus grandes en cliquant sur leur étiquette, puis appuyez sur Mesure dans le gestionnaire de retour sur investissement ImageJ. Définissez la valeur des variables the_smallest_cell et the_biggest_cell. Enregistrez les modifications, fermez toutes les fenêtres de dialogue macro et exécutez à nouveau la macro.
        REMARQUE : La macro peut être utilisée sans fixer de limites de taille de retour sur investissement, mais elle n’est pas recommandée car elle augmente considérablement les chances de mesurer des fragments de cellules inappropriés ou des grappes de cellules.
      4. Démarrez la macro avec la fenêtre de dialogue Ouvrir standard. Sélectionnez l’image à traiter (échelle de gris).
      5. Analyser les résultats. La sortie fournie par la macro se compose de : tableau des résultats (étiquette cellulaire, étiquette d’image, zone cellulaire [pixels2],périmètre cellulaire [pixels2],circularité [CSI], rapport d’aspect, rondeur, solidité), image avec cellules décrites et liste de sélections de ROI (qui sera également enregistrée dans le nouveau fichier dans le sous-dossier résultats). La table des résultats sera automatiquement copiée dans le presse-papiers de l’utilisateur.
        REMARQUE : Les chiffres supplémentaires S3 et S4 ont été inclus comme jeu de données de formation pour la macro CSI.ijm.

3. Quantification

  1. Quantification des FA
    1. Calculez le nombre moyen d’AF et la taille moyenne de fa par cellule/noyaux.
      REMARQUE : Pour certaines lignées cellulaires, il est possible de compter les FA séparément dans des cellules distinctes. Pour les lignées cellulaires qui ont de forts contacts cellule-cellule et se développent en tant que monocouches telles que MCF7, le nombre et la taille des FA par cellule peuvent être calculés en divisant les valeurs obtenues à partir de FA compter par le nombre de noyaux dans l’image entière.
    2. Évaluer l’importance statistique des différences potentielles entre les populations (groupes expérimentaux). Selon la distribution et la variance des données, pour la comparaison des deux groupes différents, l’utilisation du test t étudiant (distribution normale) ou du test U non paramétrique (Mann-Whitney). Pour comparer plusieurs groupes, utilisez ANOVA ou Kruskal–Wallis à sens unique en conjonction avec les tests post-hoc appropriés.
  2. Analyse de la forme cellulaire
    1. Calcul des descripteurs de forme
      1. Analyse manuelle : Calculer l’index de forme cellulaire (CSI, également appelé circularité ou forme de cellule) dans la feuille de calcul de choix pour chaque cellule mesurée à partir de la zone et du périmètre appropriés à l’aide de la formule :
        Equation 1
        REMARQUE : CSI assume des valeurs comprises entre 1 (circulaire) et 0 (allongée). Les exemples de différentes formes cellulaires (avec la même zone) et leurs ISC respectives sont présentés à la figure 2. Dans l’analyse automatisée, les valeurs des descripteurs de forme (enrôlés et définis ci-dessous) sont calculées automatiquement et apparaissent dans la zone de résultats :
        (1) CSI = 4π*area/(perimeter)2
        (2) AR = axe majeur/axe mineur
        (3) Rondeur = 4*zone/π*(axe majeur)2
        (4) Solidité = zone/zone convexe
    2. Histogrammes de la distribution de la forme cellulaire
      1. Tracer la distribution de la forme cellulaire comme un histogramme de circularité (CSI). Classez les cellules en fonction de leur valeur CSI (calculée pour le minimum de 200–400 cellules), à l’un des dix intervalles uniformes (plage: 0-1, largeur du bac: 0,1). L’histogramme affiche le nombre de cellules dans chaque catégorie.
        REMARQUE : L’histogramme montrant la distribution de forme de la couche cellulaire MCF7 typique montre un pic d’environ 0,7-0,8 CSI. Si la forme des cellules est déformée par un certain facteur (par exemple le traitement du paclitaxel, qui provoque l’arrêt de phase G2/M et dans la conséquence plus de cellules sont rondes), il devrait être reflété sur l’histogramme.
    3. Parcelles de distribution cumulatives
      1. Comparez les distributions cumulatives de CSI pour chaque ligne de cellule, car c’est la meilleure façon d’évaluer les différences statistiquement importantes dans les changements de forme cellulaire (ou tout autre changement dans la distribution. Par exemple, il peut être appliqué pour suivre l’évolution de la distribution des FA.
      2. Calculez la fonction de distribution cumulative (CDF) pour comparer les distributions. CDF attribue pour une valeur CSI donnée (tracée sur l’axe X) le pourcentage (ou nombre relatif) pour lequel toutes les valeurs sont inférieures ou égales à cette valeur CSI (tracée sur l’axe Y). Ainsi, à mesure que la valeur CSI augmente, le pourcentage de l’ensemble de valeurs qui sont moins ou égales à cette valeur augmente également. CDF peut être calculé par le logiciel statistique de choix, ou manuellement.
      3. Pour l’analyse statistique, utilisez le test non paramétrique kolgomorov-Smirnov.

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

Analyse focale de l’adhérence
Le knockdown du gène HAX1 a été précédemment montré pour affecter les adhérences focales6. Les cellules ont été cultivées sur la surface enduite de collagène I pendant 48 h. Des images des cellules témoins MCF7 et des cellules MCF7 avec un knockdown HAX1 (HAX1 KD) de trois expériences indépendantes tachées de paxilline de protéine d’adhérence focale ont été obtenues à l’aide d’un microscope confocal (image à partir d’un seul plan focal/tranche Z de la région basale). Les FA provenant d’environ 2 000 à 2 500 cellules de chaque lignée cellulaire ont été quantifiées à l’aide du protocole décrit. La valeur moyenne pour la plus petite adhérence focale a été définie à 50 (pixel2). Les images représentatives des FA comptent avec ImageJ, y compris les contours définitifs numérotés et la superposition des contours des FA avec l’image d’origine, sont affichées pour les deux lignes cellulaires de la figure 3A. Les différences de nombre et de taille des FA dans les deux lignées cellulaires sont présentées à la figure 3B.

Analyse de la forme cellulaire
Évaluation manuelle : Les cellules MCF7 ont été cultivées pendant 24 h, le milieu a été échangé contre le même milieu frais (non traité) ou le milieu avec 0,1 μM paclitaxel (PTX) – pour induire l’arrondi cellulaire - et cultivés pour un autre 24 h. Des images des monocouches confluent MCF7 tachées d’anticorps anti-plakoglobin et DAPI ont été obtenues à l’aide d’un microscope confocal (simple tranche Z de la région apicale). Environ 200 à 400 cellules (2 à 3 champs de vision) de chaque expérience (non traitées/traitées) ont été documentées (objectif 40x) et les images ont été évaluées à l’aide d’un logiciel de traitement d’images ImageJ (figure 4A). Les régions représentatives de chaque couche cellulaire avec des cellules décrites sont indiquées à la figure 4A (cellules non traitées et traitées par PTX). Toutes les cellules ont été classées en fonction de leurs valeurs CSI (10 intervalles, largeur du bac 0,1) et présentées dans les histogrammes respectifs (figure 4B), qui montrent une augmentation du dernier bac (0,9-1) et l’aplatissement des pics principaux (0,6-0,9) pour les cellules traitées par PTX, par rapport au contrôle non traité. Les différences dans la distribution cumulative de CSI ont été calculées pour la signification statistique à l’aide du test Kolgomorov-Smirnov (K-S), un test non paramétrique de l’égalité des distributions de probabilité unidimensionnelles. Des histogrammes de distribution de fréquences et des parcelles de distribution cumulatives (figure 4C) ont été générés à l’installation d’un logiciel.

Évaluation automatisée : Les cellules MCF7 ont été cultivées pendant 24 h, fixes et tachées de phalloïdien fluorophore conjugué pour visualiser l’actine. Les images ont été prises à l’aide d’un microscope confocal (simple tranche Z de la région aticale). Les images en gris des monocouches ont été analysées à l’aide du fichier macro ci-joint, selon le protocole inclus (Figure 5A-C). Au total, 512 cellules de 12 champs de vision ont été quantifiées. Les résultats ont été tracés comme un histogramme présentant la distribution de la circularité (Figure 5D).

Figure 1
Figure 1 : Coloration actine avec phalloïdé fluorophore, deux tranches Z différentes du même champ de vision. (A) La région apicale avec actine corticale. (B) La région basale avec des fibres de stress actin. Barre: 10 μm. Veuillez cliquer ici pour voir une version plus grande de ce chiffre.

Figure 2
Figure 2 : Exemples de différentes valeurs de l’index de forme cellulaire (CSI) pour les formes avec des périmètres distincts, mais la même zone. La forme très allongée sur la gauche a CSI près de 0, tandis que le cercle idéal sur la droite a CSI de 1. Veuillez cliquer ici pour voir une version plus grande de ce chiffre.

Figure 3
Figure 3 : Quantification de l’adhérence focale. (A) Images représentatives des lignées cellulaires mcf7 : CONTROL et HAX1 KD tachées de paxilline; de gauche à droite : (1) paxilline et noyaux (2) défini et numérotés FA (3) superposition des contours des FA et de l’image d’origine. Barre: 20 μm. Les encarts (sous chaque image) affichent les zones en boîte zoomées. (B) Parcelles montrant la différence de taille et de nombre d’AS entre les deux lignées cellulaires. La signification statistique a été évaluée à l’aide du t-test de l’élève. Veuillez cliquer ici pour voir une version plus grande de ce chiffre.

Figure 4
Figure 4 : Changements dans la forme cellulaire induits par le paclitaxel (PTX) dans la couche cellulaire MCF7; nombre manuel. (A) Régions représentatives des monocouches MCF7, cellules non traitées et traitées avec PTX, tachées de plakoglobine de protéine de jonction et DAPI, barre : 20 μm. Le panneau de droite affiche l’image traitée dans ImageJ ; les bords des cellules sont décrits et toutes les cellules comptées sont numérotées. (B) Histogrammes montrant la distribution de CSI dans les cellules non traitées et traitées par PTX, 200-400 cellules dans chaque expérience (non traitée/traitée), largeur des bacs : 0,1. Les parcelles ont été générées à l’aide de l’analyse de distribution de fréquences avec des fréquences relatives comme fraction. (C) La parcelle de distribution cumulative pour les monocouches non traitées et traitées par PTX. Différence statistique calculée à l’aide du test non paramétrique Kolgomorov-Smirnov (KS). Veuillez cliquer ici pour voir une version plus grande de ce chiffre.

Figure 5
Figure 5 : Forme cellulaire dans les monocouches MCF7 évaluées à l’aide de la méthode automatisée. (A-C) Exemple de l’analyse d’image automatisée illustrant les étapes ultérieures exécutées par la macro jointe. (A) Image d’entrée; actine corticale; échelle grise, barre d’échelle 10 μm (à des fins informatives; barres d’échelle ne doivent pas être incorporées dans les images analysées). (B) Couche de cellules après segmentation; les frontières cellulaires décrites; cellules sans frontières complètes éliminées. (C) Superposition des contours de la cellule sur l’image d’origine. (D) Un histogramme montrant la distribution de CSI dans le jeu de données analysé, 512 cellules. Veuillez cliquer ici pour voir une version plus grande de ce chiffre.

Figure supplémentaire S1, S2 : Cellules MCF7, paxilline et DAPI-tachées pour visualiser les FA et les noyaux. Fourni sous forme de jeu de données de formation pour la macro FAs.ijm.
Figure S1: S’il vous plaît cliquez ici pour télécharger ce chiffre.
Figure S2: S’il vous plaît cliquez ici pour télécharger ce chiffre.

Figure supplémentaire S3, S4 : Cellules MCF7, plakoglobine et DAPI-tachées pour visualiser les jonctions et les noyaux de cellules-cellules. Fourni sous forme de jeu de données de formation pour la macro CSI.ijm.
Figure S3: S’il vous plaît cliquez ici pour télécharger ce chiffre.
Figure S4: S’il vous plaît cliquez ici pour télécharger ce chiffre.

FAs.txt: S’il vous plaît cliquez ici pour télécharger ce fichier.

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

L’adhérence cellule-cellule et cell-substrat constitue des attributs inhérents des cellules épithéliales et jouent le rôle critique dans la morphogenèse des tissus et l’embriogenèse. Dans les tissus adultes, la régulation appropriée des propriétés mécaniques de la couche cellulaire est cruciale pour maintenir l’homéostasie et prévenir les réponses pathologiques comme la progression et la métastase de tumeur. La taille et le nombre d’adhérences focales dépendent de la force de l’adhérence cellule-substrat, tandis que la forme cellulaire dépend des forces contractiles et est liée à l’état des contacts cellule-cellule.

Ici, nous décrivons deux méthodes simples d’analyse quantitative de la zone, le nombre et la forme des structures cellulaires souillées par l’immunofluorescence, dans ce cas les adhérences focales et les cellules entières dans la couche cellulaire. Toutefois, les outils proposés peuvent être réutilisés pour la quantification de toute structure choisie. La question clé de ces analyses est la qualité de la coloration immunofluorescente et de l’imagerie confocale. Ces méthodes peuvent être mises en œuvre dans n’importe quel laboratoire standard équipé d’une unité de culture cellulaire et d’un microscope confocal. Ils sont conçus pour comparer les lignées cellulaires, en particulier lorsque les différences (naturelles ou induites par un traitement spécifique) dans les paramètres mesurés sont substantielles. Il n’est pas recommandé de mesurer les différences infimes ou d’établir des mesures absolues, car ils sont sensibles à des changements minimes dans les paramètres arbitraires initiaux, en particulier dans le cas des adhérences focales. Cette méthode de quantification des FA est inférieure à des méthodes plus avancées et spécifiques comme la microscopie TIRF, mais elle a l’avantage de ne pas avoir besoin d’un équipement sophistiqué.

Des méthodes similaires de mesures d’adhérence focale ont été décrites avant7,8,9,10. Ici, nous avons spécifié les paramètres et créé une macro ImageJ gratuite, avec plusieurs options, pour faciliter les mesures.

L’analyse de la forme cellulaire a été décrite à plusieurs reprises, y compris des méthodes très complexes et détaillées11,12. Ici, nous présentons une méthode simple pour suivre les changements dans les monocouches épithéliales cellulaires, qui pourrait être très important pour comparer la morphologie cellulaire ou les changements de développement. La méthode manuelle d’analyse de la forme cellulaire dans les monocouches présentées dans ce protocole a été décrite dans un rapport précédent6. La formule CSI comme moyen de décrire et de comparer la forme d’un(s) objet(s) est largement utilisée dans différentes disciplines13,14, y compris la géologie d’où il est originaire. La présentation des résultats sous forme d’histogramme et/ou de fonction de distribution cumulative est couramment utilisée pour les comparaisons de distributions de toute nature8,10,15.

Notamment, nous présentons ici un outil pour l’analyse automatisée de la forme cellulaire basée sur le plugin ImageJ MorhpLibJ (https://imagej.net/MorphoLibJ). Nous fournissons un fichier macro, qui peut effectuer cette analyse rapidement et efficacement. Cette méthode ne reconnaît pas toujours les bordures cellulaires correctes, mais le pourcentage de mesures défectueuses (qui sont présentes dans chaque analyse automatisée) est minime et ne devrait pas affecter de manière significative le résultat final, surtout si un nombre suffisant de cellules est analysé. Les cellules sans frontières complètes sont éliminées. L’analyse automatisée de la forme cellulaire présente des avantages indéniables et nous présentons cette méthode afin qu’elle puisse être appréciée par la communauté scientifique.

Subscription Required. Please recommend JoVE to your librarian.

Disclosures

Les auteurs n’ont rien à divulguer.

Acknowledgments

Ces travaux ont été soutenus par le Centre national polonais des sciences sous la subvention no 2014/14/M/NZ1/00437.

Materials

Name Company Catalog Number Comments
Alexa Fluor 594 ThermoFisher Scientific A32740 goat anti-rabbit, 1:500
Ammonium chloride Sigma A9434
BSA BioShop ALB001.500
Collagen from calf skin Sigma C9791-10MG
DAPI Sigma D9542 1:10000 (stock 1 mg/mL in H2O), nucleic acid staining
DMEM + GlutaMAX, 1 g/L D-Glucose, Pyruvate ThermoFisher Scientific 21885-025
FBS ThermoFisher Scientific 10270-136
Junction plakoglobin Cell Signaling 2309S rabbit, 1:400
Laminar-flow cabinet class 2 Alpina standard equipment
MCF7-basedHAX1KD cell line Cell line established in the National Institute of Oncology, Warsaw, described in Balcerak et al., 2019 MCF7 cell line withHAX1knockdown
MCF7 cell line (CONTROL) ATCC ATCC HTB-22 epithelial, adherent breast cancer cell line
Olympus CK2 light microscope Olympus
Paxillin Abcam ab32084 rabbit, 1:250, Y113
PBS ThermoFisher Scientific 10010023
Phalloidin-TRITC conjugate Sigma P1951 1:400 (stock 5 mg/mL in DMSO), actin labeling
PTX Sigma T7402-1MG
TBST – NaCl Sigma S9888
TBST – Trizma base Sigma T1503
Triton X-100 Sigma 9002-93-11
Zeiss LSM800 Confocal microscope Zeiss

DOWNLOAD MATERIALS LIST

References

  1. Li, D. S., Zimmermann, J., Levine, H. Modeling closure of circular wounds through coordinated collective motion. Search Results. 13, (1), 016006 (2016).
  2. Ilina, O., Friedl, P. Mechanisms of collective cell migration at a glance. Journal of Cell Science. 122, Pt 18 3203-3208 (2009).
  3. Ladoux, B., Mege, R. M. Mechanobiology of collective cell behaviours. Nature Reviews Molecular Cell Biology. 18, (12), 743-757 (2017).
  4. Stossi, F., et al. High throughput microscopy identifies bisphenol AP, a bisphenol A analog, as a novel AR down-regulator. Oncotarget. 7, (13), 16962-16974 (2016).
  5. Legland, D., Arganda-Carreras, I., Andrey, P. MorphoLibJ: integrated library and plugins for mathematical morphology with ImageJ. Bioinformatics. 32, (22), 3532-3534 (2016).
  6. Balcerak, A., et al. HAX1 impact on collective cell migration, cell adhesion, and cell shape is linked to the regulation of actomyosin contractility. Molecular Biology of the Cell. 30, (25), 3024-3036 (2019).
  7. Buskermolen, A. B. C., Kurniawan, N. A., Bouten, C. V. C. An automated quantitative analysis of cell, nucleus and focal adhesion morphology. PLoS One. 13, (3), 0195201 (2018).
  8. Fokkelman, M., et al. Cellular adhesome screen identifies critical modulators of focal adhesion dynamics, cellular traction forces and cell migration behaviour. Scientific Reports. 6, 31707 (2016).
  9. Horzum, U., Ozdil, B., Pesen-Okvur, D. Step-by-step quantitative analysis of focal adhesions. MethodsX. 1, 56-59 (2014).
  10. Kim, D. H., Wirtz, D. Focal adhesion size uniquely predicts cell migration. FASEB Journal. 27, (4), 1351-1361 (2013).
  11. Pincus, Z., Theriot, J. A. Comparison of quantitative methods for cell-shape analysis. Journal of Microscopy. 227, Pt 2 140-156 (2007).
  12. Tsygankov, D., et al. CellGeo: a computational platform for the analysis of shape changes in cells with complex geometries. Journal of Cell Biology. 204, (3), 443-460 (2014).
  13. Tiryaki, V. M., Adia-Nimuwa, U., Ayres, V. M., Ahmed, I., Shreiber, D. I. Texture-based segmentation and a new cell shape index for quantitative analysis of cell spreading in AFM images. Cytometry A. 87, (12), 1090-1100 (2015).
  14. Tong, J., et al. Cell micropatterning reveals the modulatory effect of cell shape on proliferation through intracellular calcium transients. Biochimica et Biophysica Acta. 1864, (12), 2389-2401 (2017).
  15. Vartanian, K. B., Kirkpatrick, S. J., Hanson, S. R., Hinds, M. T. Endothelial cell cytoskeletal alignment independent of fluid shear stress on micropatterned surfaces. Biochemical and Biophysical Research Communications. 371, (4), 787-792 (2008).
Quantification des distributions de zone d’adhérence cellule-substrat et de forme cellulaire dans les monocouches cellulaires MCF7
Play Video
PDF DOI DOWNLOAD MATERIALS LIST

Cite this Article

Wakula, M., Balcerak, A., Smietanka, U., Chmielarczyk, M., Konopiński, R., Grzybowska, E. A. Quantification of Cell-Substrate Adhesion Area and Cell Shape Distributions in MCF7 Cell Monolayers. J. Vis. Exp. (160), e61461, doi:10.3791/61461 (2020).More

Wakula, M., Balcerak, A., Smietanka, U., Chmielarczyk, M., Konopiński, R., Grzybowska, E. A. Quantification of Cell-Substrate Adhesion Area and Cell Shape Distributions in MCF7 Cell Monolayers. J. Vis. Exp. (160), e61461, doi:10.3791/61461 (2020).

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