Waiting
Login processing...

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

Biology

Live-Cell Imaging of Single-Cell Arrays (LISCA) - eine vielseitige Technik zur Quantifizierung der zellulären Kinetik

doi: 10.3791/62025 Published: March 18, 2021

Summary

Wir stellen eine Methode zur Erfassung von Fluoreszenz-Reporter-Zeitkursen aus einzelnen Zellen mit mikrostrukturierten Arrays vor. Das Protokoll beschreibt die Vorbereitung von Einzelzellarrays, den Aufbau und Betrieb der Live-Cell-Scanning-Zeitraffermikroskopie und ein Open-Source-Bildanalyse-Tool zur automatisierten Vorauswahl, visuellen Kontrolle und Verfolgung von zellintegrierten Fluoreszenzzeitverläufen pro Adhäsionsstelle.

Abstract

Live-cell Imaging of Single-Cell Arrays (LISCA) ist eine vielseitige Methode, um Zeitverläufe von Fluoreszenzsignalen einzelner Zellen bei hohem Durchsatz zu sammeln. Im Allgemeinen wird der Erwerb von Einzelzellzeitverläufen aus kultivierten Zellen durch die Zellmotilität und die Vielfalt der Zellformen behindert. Adhäsive Mikroarrays standardisieren Einzelzellbedingungen und erleichtern die Bildanalyse. LISCA kombiniert Einzelzell-Microarrays mit Rasterzeitraffermikroskopie und automatisierter Bildverarbeitung. Hier beschreiben wir die experimentellen Schritte der Teilnahme an einzelligen Fluoreszenzzeitkursen im LISCA-Format. Wir transfizieren Zellen, die an einem mikrostrukturierten Array haften, indem wir mRNA verwenden, das für ein verbessertes grün fluoreszierendes Protein (eGFP) kodiert, und überwachen die eGFP-Expressionskinetik von Hunderten von Zellen parallel mittels Rasterzeitraffermikroskopie. Die Bilddatenstapel werden automatisch von einer neu entwickelten Software verarbeitet, die die Fluoreszenzintensität über ausgewählte Zellkonturen integriert, um Einzelzell-Fluoreszenzzeitverläufe zu erzeugen. Wir zeigen, dass eGFP-Expressionszeitkurse nach der mRNA-Transfektion durch ein einfaches kinetisches Translationsmodell gut beschrieben werden, das Expressions- und Abbauraten von mRNA aufdeckt. Weitere Anwendungen von LISCA für Ereigniszeitkorrelationen multipler Marker im Kontext der Signalapoptose werden diskutiert.

Introduction

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

In den letzten Jahren hat sich die Bedeutung von Einzelzellexperimenten gezeigt. Daten aus einzelnen Zellen ermöglichen die Untersuchung der Zell-zu-Zell-Variabilität, die Auflösung intrazellulärer Parameterkorrelationen und die Detektion zellulärer Kinetik, die in Ensemblemessungen verborgen bleiben1,2,3. Um die zelluläre Kinetik von Tausenden von Einzelzellen parallel zu untersuchen, bedarf es neuer Ansätze, die es ermöglichen, die Zellen unter standardisierten Bedingungen über einen Zeitraum von mehreren Stunden bis zu mehreren Tagen zu überwachen, gefolgt von einer quantitativen Datenanalyse 4. Hier stellen wir Live-cell Imaging of Single-Cell Arrays (LISCA) vor, das den Einsatz mikrostrukturierter Arrays mit Zeitraffermikroskopie und automatisierter Bildanalyse kombiniert.

Mehrere Methoden zur Erzeugung mikrostrukturierter Einzelzellarrays wurden etabliert und in literatur5,6veröffentlicht. Hier beschreiben wir kurz das mikroskalige plasmainitiierte Proteinmuster (μPIPP). Ein detailliertes Protokoll der Einzelzellarray-Herstellung mit μPIPP finden Sie auch in Referenz7. Die Verwendung von Einzelzellarrays ermöglicht die Ausrichtung von Tausenden von Zellen auf standardisierten Adhäsionsstellen, die definierte Mikroumgebungen für jede Zelle darstellen, und reduziert so eine Quelle experimenteller Variabilität (Abbildung 1A). Einzelzellarrays werden verwendet, um die Zeitverläufe von fluoreszierenden Markern zu überwachen, die eine Vielzahl von zellulären Prozessen anzeigen sollen. Die Langzeitmikroskopie im Rasterzeitraffermodus ermöglicht die Überwachung eines großen Bereichs der Einzelzellarrays und damit die Abtastung von Einzelzelldaten in hohem Durchsatz über eine Beobachtungszeit von mehreren Stunden oder sogar Tagen. Dadurch werden Zeitlinienstapel von Bildern aus jeder Position des Arrays generiert (Abbildung 1B). Um die große Menge an Bilddaten zu reduzieren und die gewünschten Einzelzellfluoreszenzzeitverläufe effizient zu extrahieren, ist eine automatisierte Bildverarbeitung erforderlich, die sich die Positionierung der Zellen zunutze macht (Bild 1C).

Die Herausforderung von LISCA besteht darin, die experimentellen Protokolle und Berechnungswerkzeuge anzupassen, um einen Hochdurchsatz-Assay zu bilden, der quantitative und reproduzierbare Daten der zellulären Kinetik generiert. In diesem Artikel beschreiben wir Schritt für Schritt die einzelnen Methoden und wie sie in einem LISCA-Assay kombiniert werden. Als Beispiel diskutieren wir den zeitlichen Verlauf der Expression von enhanced green fluorescent protein (eGFP) nach künstlicher mRNA-Abgabe. Die eGFP-Expression nach mRNA-Abgabe wird durch Reaktionsratengleichungen beschrieben, die die Translation und den Abbau von mRNA modellieren. Die Anpassung der Modellfunktion für den zeitlichen Verlauf der eGFP-Konzentration an die LISCA-Ablesung der Fluoreszenzintensität für jede einzelne Zelle im Zeitverlauf liefert beste Schätzungen von Modellparametern wie der mRNA-Abbaurate. Als repräsentatives Ergebnis diskutieren wir die mRNA-Abgabeeffizienz von zwei verschiedenen lipidbasierten Transfektionsmitteln und wie sich ihre Parameterverteilungen unterscheiden.

Figure 1
Abbildung 1: Darstellung des LISCA-Workflows, der (A) mikrogemusterte Einzelzellarrays (B), Rasterzeitraffermikroskopie und (C) automatisierte Bildanalyse von aufgezeichneten Bildserien kombiniert. Die Einzelzellarrays bestehen aus einem zweidimensionalen Muster von zellklebenden Quadraten mit einem zellabweisenden Zwischenraum, der zu einer Anordnung der Zellen auf dem Mikromuster führt, wie im Phasenkontrastbild sowie im Fluoreszenzbild von eGFP-exprimierenden Zellen (A) zu sehen ist. Der gesamte mikrostrukturierte Bereich wird im Scan-Zeitraffermodus abgebildet, wobei wiederholt Bilder an einer Sequenz von Positionen (B) aufnahmen. Aufgezeichnete Bildserien werden verarbeitet, um die Fluoreszenzintensität pro Zelle über die Zeit auszulesen (C). Maßstabsstäbe: 500 μm (A), 200 μm (C). Bitte klicken Sie hier, um eine größere Version dieser Abbildung anzuzeigen.

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

Figure 2
Abbildung 2: Datenerfassung bei der Einzelzell-Microarrays (A) mit Rasterzeitraffermikroskopie (B) kombiniert werden. Zur Vorbereitung des Zeitrafferexperiments wird ein Einzelzellarray mit einem 2D-Mikromuster aus Adhäsionsquadrats vorbereitet (1), gefolgt von der Zellaussaat und der Ausrichtung der Zellen auf dem Mikromuster (2) sowie dem Anschluss eines Perfusionssystems an den Sechskanal-Objektträger, der ein Liquid Handling während der Zeitraffermessung ermöglicht (3). Ein Rasterzeitrafferexperiment wird aufgebaut (4) und die Zellen werden am Mikroskop transfiziert, indem während des Zeitrafferexperiments eine mRNA-Lipoplexlösung durch das Perfusionssystem injiziert wird (5). Maßstabsbalken: 200 μm. Bitte klicken Sie hier, um eine größere Version dieser Abbildung anzuzeigen.

1. Mikrostrukturierte Einzelzell-Array-Fertigung (Abbildung 2A)

  1. Bereiten Sie die Materialien vor, die für die Herstellung von μPIPP-Arrays benötigt werden.
    1. Bereiten Sie sterile phosphatgepufferte Kochsalzlösung (PBS) bei pH 7,4 vor.
    2. Steriles Reinstwasser mit einem Widerstand von mindestens 18 MΩcm bei 25 °C vorbereiten.
    3. PLL(20 kDa)-g[3.5] PEG(2 kDa) (PLL-PEG) Arbeitslösung mit einer Konzentration von 2 mg/ml PLL-PEG in Reinstwasser mit 150 mM NaCl und 10 mM 4-(2-Hydroxyethyl)-1-piperazinethansulfonsäure (HEPES) vorbereiten.
    4. Bereiten Sie eine extrazelluläre Matrixproteinlösung für die Oberflächenbeschichtung vor: 1 mg / ml Fibronektin (FN) in PBS.
    5. Bereiten Sie einen Siliziumwafer mit einem durch Photolithographie hergestellten Mikromuster8 vor, das als wiederverwendbarer Master fungiert. Das Mikromuster besteht aus Quadraten mit einer Kantenlänge von 30 μm, einer Tiefe von 12 μm und einem Interquadratabstand von 60 μm, die in sechs Streifen mit einer Breite von jeweils 6 mm und einer Höhe von 18 mm angeordnet sind.
  2. Mischen Sie ein Polydimethylsiloxan (PDMS) Monomer mit 9% Vernetzer (Masse %) verwenden Sie ein Silikonelastomer-Kit und entgasen Sie es für ca. 30 minuten, bis es mit einem Trockenmittel blasenfrei ist. Den Siliziumwafer mit einer ca. 3-5 mm dicken PDMS-Schicht gießen und für ca. 30 min wieder entgasen, bis er blasenfrei ist.
    1. Legen Sie die Siliziumwaffel mit dem PDMS in einen Backofen bei 50 °C, um das PDMS für mindestens 4 h auszuhärten.
  3. Schneiden Sie die PDMS-Stempel aus.
    1. Verwenden Sie ein Skalpell und schneiden Sie aus der PDMS-Schicht ein PDMS-Meisterwerk aus, das die sechs Mikromusterstreifen enthält.
    2. Stellen Sie das PDMS-Meisterwerk auf eine Bank mit dem Mikromuster nach oben.
    3. Schneiden Sie jeden der sechs Mikromusterstreifen des PDMS-Meisterwerks mit einer Rasierklinge in einen PDMS-Stempel. Achten Sie darauf, dass die Kanten der PDMS-Stempel offen sind, indem Sie einen Teil des gemusterten Bereichs abschneiden.
  4. Platzieren Sie die PDMS-Stempel auf einem Abdeckstrich eines sechskanaligen Dias (Abbildung 3-1).
    1. Verwenden Sie einen unbeschichteten Deckrutsch und markieren Sie die Kanalpositionen des Sechskanalträgers, indem Sie die Schutzfolie des Deckstücks vorsichtig zerkratzen. Legen Sie dann den Abdeckklip mit der Schutzfolie nach unten auf die Bank.
    2. Platzieren Sie die PDMS-Stempel mit dem mikromuster nach unten gerichteten Mikromuster auf dem Abdeckbügel an den markierten Kanalpositionen mit einer Pinzette.
    3. Überprüfen Sie die Befestigung der PDMS-Stempel unter einem Mikroskop. Wenn ein PDMS-Stempel vollständig am Coverlip befestigt ist, erscheinen die in Kontakt tretenden Quadrate dunkler als der Zwischenraum. Die Befestigung des PDMS-Stempels am Coverlip ist entscheidend für die Mikromusterqualität.
  5. Legen Sie den Abdeckklip mit den sechs PDMS-Stempeln in einen Plasmareiniger und behandeln Sie ihn mit Sauerstoffplasma (Druck 0,2 mbar, ~40 W für 3 min), um die Oberflächen zwischen den PDMS-Stempeln und dem Abdeckr hydrophil zu machen (Abbildung 3-2).
  6. Führen Sie alle weiteren Schritte der Mikromusterherstellung in einer Biosicherheitswerkbank durch. Verwenden Sie 15 μL der PLL-PEG-Lösung und pipetieren Sie einen Tropfen davon neben jedem PDMS-Stempel, so dass die PLL-PEG-Lösung in das hydrophile Muster des PDMS-Stempels aufgenommen wird (Abbildung 3-3). Lassen Sie den PLL-PEG 20 min bei Raumtemperatur inkubieren.
  7. Spülen Sie 1 ml Reinstwasser mit den PDMS-Stempeln über den Abdeckr und entfernen Sie die PDMS-Stempel mit einer Pinzette (Abbildung 3-4). Anschließend den Abdeckt ein zweites Mal mit 1 ml Reinstwasser abspülen und trocknen lassen.
  8. Wenn der Abdeckklip vollständig getrocknet ist, kleben Sie einen sechskanaligen klebrigen Schlitten auf den Coverslip (Abbildung 3-4). Achten Sie darauf, dass die mikrostrukturierten Bereiche mit der Unterseite der Kanäle ausgerichtet sind.
  9. Funktionalisieren Sie die Adhäsionsquadrate mit FN.
    1. Füllen Sie 40 μL PBS in jeden Kanal.
    2. Bereiten Sie eine 100 μg/ml FN-Lösung in PBS vor.
    3. Zu jedem Kanal werden 40 μL der FN-Lösung hinzugefügt(Abbildung 3-5). Mischen Sie die FN-Lösung gründlich mit dem PBS im Kanal, indem Sie 40 μL aus einem Reservoir entfernen und es 3 Mal in das gegenüberliegende Reservoir desselben Kanals geben, um eine homogene Lösung zu erzeugen. Inkubieren Sie die FN-Lösung für 45 min bei Raumtemperatur.
    4. Waschen Sie jeden Kanal dreimal mit 120 μL PBS (Abbildung 3-6).
  10. Um die Musterqualität zu überprüfen, verwenden Sie ein fluoreszierend markiertes FN in Schritt 9.2. (Abbildung 4A).
    HINWEIS: Wir empfehlen, das μPIPP-Array nicht mehr als einen Tag vor der Zellaussaat vorzubereiten, da PLL-PEG und FN nicht kovalent an das Substrat gebunden sind und die Qualität des Musters im Laufe der Zeit abnehmen kann. Bewahren Sie das vorbereitete μPIPP-Array im Kühlschrank auf.

Figure 3
Abbildung 3: Einzelzellige Microarray-Herstellung durch μPIPP. (1) PDMS-Stempel mit dreidimensionaler Mikrostruktur auf der Oberfläche sind auf einem Deckslip eines sechskanaligen Objektträgers angeordnet. (2) Der Abdeckklip mit den PDMS-Stempeln darauf wird mit Sauerstoffplasma behandelt, um die Oberflächen hydrophil zu machen. (3) PLL-PEG wird hinzugefügt. Es wird durch Kapillarkräfte in die Mikrostruktur aufgenommen und macht die Oberflächen, die nicht vom PDMS-Stempel bedeckt sind, zellabweisend. (4) Der Abdeckr wird mit Wasser gespült, um das verbleibende PLL-PEG zu entfernen. Dann werden die PDMS-Stempel entfernt und ein sechskanaliger klebriger Schieber wird auf den Coverlip geklebt. (5) Fibronektin, ein Protein der extrazellulären Matrix, wird zugegeben, um die Bereiche ohne PLL-PEG-Zellkleber herzustellen. (6) Der sechskanalige Schlitten wird mit phosphatgepufferter Kochsalzlösung gewaschen. Bitte klicken Sie hier, um eine größere Version dieser Abbildung anzuzeigen.

2. Zellaussaat (Abbildung 2A)

HINWEIS: Für die folgenden Waschschritte fügen Sie die jeweilige Flüssigkeit in ein Reservoir und entfernen Sie dann ein gleiches Flüssigkeitsvolumen aus dem gegenüberliegenden Reservoir eines Kanals.

  1. Waschen Sie jeden Kanal mit 120 μL 37 °C vollständig ergänztem Zellwachstumsmedium. Stellen Sie vor der Zugabe der Zellsuspension sicher, dass nur die Kanäle mit Medium gefüllt sind, nicht aber die Reservoirs.
  2. Lösen Sie HuH7-Zellen aus einem Zellkulturkolben gemäß Ihrem Standardprotokoll für die Zellpassage und stellen Sie die Zellsuspensionskonzentration auf 4 x 105 Zellen/ml ein.
  3. Fügen Sie 40 μL Zellsuspension hinzu und mischen Sie das Zellwachstumsmedium mit der Zellsuspension, indem Sie 40 μL aus einem Reservoir entfernen und es 3 Mal in das gegenüberliegende Reservoir desselben Kanals geben, um eine homogene Zellverteilung zu erreichen (Abbildung 4B).
  4. Entfernen Sie 40 μL Suspension aus dem Kanal, so dass nur der Kanal mit Zellsuspension gefüllt ist.
  5. Legen Sie den Objektträger in einen Inkubator und überprüfen Sie die Zellhaftung 1 h nach der Aussaat mit einem Phasenkontrastmikroskop.
  6. Fügen Sie 120 μL warmes Zellwachstumsmedium mit 37 °C hinzu.
  7. Aber das Rutschen zurück in den Inkubator für weitere 3 h, um zelluläre Selbstorganisation auf dem Mikromuster zu ermöglichen (Abbildung 4C).

Figure 4
Abbildung 4: Zelluläre Selbstorganisation und Qualitätskontrolle des μPIPP-Arrays. (A) Die mikrostrukturierte Oberfläche besteht aus quadratischen FN-beschichteten Adhäsionsflecken, die rot dargestellt sind und von einem zellabweisenden Polymer umgeben sind. (B) Nach der Zellaussaat werden die HuH7-Zellen zufällig verteilt und (C) haften hauptsächlich an den Adhäsionsstellen über einen Zeitraum von 4 h. Nachdruck mit Genehmigung 7. Maßstabsbalken: 200 μm. Bitte klicken Sie hier, um eine größere Version dieser Abbildung anzuzeigen.

3. Perfusionssystem (Abbildung 2A)

HINWEIS: Die Verwendung eines Perfusionssystems ist nur erforderlich, wenn im Laufe der Zeitraffermessung Reagenzien oder fluoreszierende Marker hinzugefügt werden müssen. Je nach Bedarf können Sie jeden Kanal an ein separates Perfusionssystem anschließen oder mehrere Kanäle in Reihe mit demselben Perfusionssystem verbinden. Die Anzahl der Perfusionssysteme entspricht der Anzahl der unabhängigen Versuchsbedingungen. Verbinden Sie die Röhrchen unter sterilen Bedingungen in einer Biosicherheitswerkbank und vermeiden Sie die Aufnahme von Luftblasen in das Perfusionssystem. Wenn kein Perfusionssystem verwendet wird, fügen Sie die Reagenzien/Marker vor der Zeitraffermessung in eine Biosicherheitswerkbank ein. Das Perfusionssystem wird selbst hergestellt, das verwendete Material ist in der Materialtabelleaufgeführt. Der Aufbau des Perfusionssystems wurde zuvor beschrieben9.

  1. Verwenden Sie eine 1-ml-Spritze (mit Ersatzsporn) und füllen Sie die Spritze mit 1 ml 37 °C Zellwachstumsmedium.
  2. Verbinden Sie die Spritze mit dem Einlassrohr über das Ventil und füllen Sie das Röhrchen mit Medium.
  3. Schließen Sie das Einlassrohr an ein Reservoir eines Kanals an und stellen Sie sicher, dass keine Luftblasen eingeschlossen sind.
  4. Um einen weiteren Kanal in Reihe mit diesem Perfusionssystem zu verbinden, schließen Sie einen seriellen Stecker an das Reservoir gegenüber dem Einlassrohr des Stromkanals an. Fahren Sie mit dem nächsten Kanal fort und verbinden Sie das freie Ende des seriellen Anschlusses mit einem seiner Behälter.
  5. Wiederholen Sie die vorherigen Schritte, bis die erforderliche Anzahl von Kanälen in Reihe geschaltet ist.
  6. Schließen Sie das Auslassrohr direkt an das freie Reservoir des Stromkanals an. Füllen Sie das angeschlossene Röhrchen mit Medium, um zu überprüfen, ob das Perfusionssystem nicht ausläuft.
  7. Wiederholen Sie die vorherigen Schritte, bis alle sechs Kanäle des Objektträgers mit einem Perfusionssystem verbunden sind.
  8. Legen Sie den Objektträger mit dem/den angeschlossenen Perfusionssystem(en) bis zur weiteren Verwendung wieder in den Inkubator oder legen Sie ihn direkt in die Heizkammer des auf 37 °C vorgewärmten Mikroskops zur Zeitraffermessung.

4. Zeitraffermikroskopie (Abbildung 2B)

HINWEIS: Halten Sie für Langzeitmessungen eine stabile Temperatur von 37 °C und einen stabilen CO2-Gehalt aufrecht. Als Alternative zum CO2-abhängigenZellwachstumsmedium verwenden Sie L15-Medium, für das kein Gasinkubationssystem erforderlich ist.

HINWEIS: Verwenden Sie für die quantitative Bildgebung während der Zeitraffermessung ein Zellwachstumsmedium ohne Phenolrot, um die Hintergrundfluoreszenz zu reduzieren, und verwenden Sie die gleichen Einstellungen des Zeitrafferprotokolls sowie das gleiche Mikroskop für technische Replikate.

  1. Richten Sie ein Zeitrafferprotokoll für die Aufnahme eines Phasenkontrastbildes und eines Fluoreszenzbildes mit Belichtungszeiten von 750 ms (abhängig von der Kamera), 10-minütigem Zeitintervall zwischen aufeinanderfolgenden Schleifen durch die Positionsliste und einer Beobachtungszeit von 30 h mit einem 10-fachen Objektiv und geeigneten Fluoreszenzfiltern ein.
  2. Legen Sie den sechskanaligen Objektträger mit den Zellen auf die Einzelzellenarrays in den Probenhalter der 37 °C warmen Heizkammer. Wenn Perfusionssysteme mit dem sechskanaligen Schlitten verbunden sind, befestigen Sie die Rohre mit etwas Klebeband an der Bühne, um sicherzustellen, dass der sechskanalige Schlitten während des Flüssigkeitsaustauschs nicht bewegt wird. Führen Sie die freien Enden der Auslassrohre durch ein Loch eines 15-ml-Reaktionsrohrs ein, um den flüssigen Abfall zu sammeln.
  3. Legen Sie die Positionsliste für die Scanzeitraffermessung fest. Stellen Sie sicher, dass die Anzahl der Positionen innerhalb des definierten Zeitintervalls zwischen aufeinanderfolgenden Schleifen durch die Positionsliste gescannt werden kann. Mit einem 10-fachen Objektiv können 10-30 Positionen pro Kanal eingestellt werden, um den gesamten Mikromusterbereich abhängig von der Größe des Kamerachips zu scannen.
  4. Starten Sie die Zeitraffermessung. Für eine bessere Bildqualität von Langzeitmessungen verwenden Sie ein automatisiertes Fokuskorrektursystem.

5. Fluoreszierender Marker - mRNA-Transfektion (Abbildung 2B)

HINWEIS: Für eine Transfektion in zwei Kanälen, die durch ein Schlauchsystem verbunden sind, wird ein Gesamtvolumen von 600 μL Transfektionsmischung benötigt (300 μL für einen Kanal). Die angegebenen Volumina beziehen sich auf eine Transfektion in zwei miteinander verbundenen Kanälen.

  1. Bereiten Sie eine Transfektionsmittellösung vor, indem Sie 1 μL Transfektionsmittel in 200 μL serumreduziertem Medium verdünnen und die Lösung 5 min bei Raumtemperatur inkubieren lassen.
  2. Bereiten Sie eine mRNA-Lösung vor, indem Sie 300 ng mRNA, die für eGFP kodiert, in 150 μL serumreduziertes Medium verdünnen.
  3. Bereiten Sie die Transfektionsmischung vor, indem Sie 150 μL der Transfektionsmittellösung in die mRNA-Lösung geben und gut mischen. Lassen Sie die Transfektionsmischung 20 minuten bei Raumtemperatur inkubieren.
  4. Spülen Sie das Schlauchsystem während der Inkubation der Transfektionsmischung mit 1 mL 37 °C warmem PBS mit einer Spritze. Achten Sie beim Spülen der Röhrchen darauf, dass sich der Mikroskopstand nicht bewegt. Pausieren Sie die Zeitraffermessung bei Bedarf.
  5. Verdünnen Sie die Transfektionsmischung auf die endgültige mRNA-Konzentration von 0,5 ng/μL, indem Sie 300 μL serumreduziertes Medium hinzufügen.
  6. Spülen Sie das Schlauchsystem mit der Transfektionsmischung mit einer Spritze und lassen Sie die mRNA-Lipoplexe 1 h inkubieren (pausieren Sie die Zeitraffermessung, falls erforderlich).
  7. Stoppen Sie die Transfektionsinkubation und spülen Sie die ungebundenen mRNA-Lipoplexe aus, indem Sie mit 1 ml 37 °C warmes, vollständig ergänztes Zellwachstumsmedium mit einer Spritze waschen (pause die Zeitraffermessung falls erforderlich).

6. Bildanalyse und Fluoreszenzanzeige

  1. Wenn Sie die Bildanalyse zum ersten Mal ausführen, installieren Sie die Version 0.1.6 der Open-Source-Software "Automated Microstructure Analysis in Python" (PyAMA) von der zitierten Stelle10 gemäß den dort bereitgestellten Anweisungen.
  2. Stellen Sie sicher, dass die Bildkanäle (Phasenkontrast und Fluoreszenz) als 16-Bit-TIFF-Dateien mit mehreren Bildern verfügbar sind. Wenn nötig, konvertieren Sie sie entsprechend.
  3. Starten Sie PyAMA und klicken Sie auf Open stack..., um Bilder zur Analyse zu öffnen.
  4. Klicken Sie für jede zu öffnende TIFF-Datei mit mehreren Bildern auf Öffnen und wählen Sie die Datei so aus, dass sie in der Liste der geladenen Dateien auf der linken Seite des Dialogfelds angezeigt wird (Abbildung 5-1).
  5. Markieren Sie die Kanäle, die in die Analyse aufgenommen werden sollen. Führen Sie für jeden Kanal die folgenden Schritte aus.
    1. Wählen Sie in der Liste der geladenen Dateien die TIFF-Datei aus, die den Kanal enthält.
    2. Wählen Sie im Abschnitt Neuen Kanal hinzufügenden Index des Kanals in der TIFF-Datei aus. Die Indizierung erfolgt nullbasiert. Der erste Kanal hat Index 0, der zweite Kanal hat Index 1 und so weiter.
    3. Wählen Sie den Kanaltyp aus. Wählen Sie Phasenkontrast oder Fluoreszenz für die entsprechenden Bildkanäle und Segmentierung für einen Binärkanal, der die Zellkonturen anzeigt.
    4. Geben Sie optional eine Beschriftung des Kanals ein, um verschiedene Fluoreszenzkanäle zu unterscheiden: eGFP und DAPI.
    5. Klicken Sie nach dem Konfigurieren des Kanals auf Hinzufügen.
  6. Wenn alle hinzugefügten Kanäle in der Kanalliste auf der rechten Seite des Dialogfelds angezeigt werden, klicken Sie auf OK, um den Stack zu laden.
  7. Um die Segmentierung mit dem integrierten Segmentierungsalgorithmus von PyAMA für die Zellerkennung basierend auf den Phasenkontrastbildern durchzuführen (Abbildung 5-2), gehen Sie zu Tools | Binarisieren... und geben Sie einen Dateinamen für die NumPy-Datei mit dem binarisierten Kanal ein.
    HINWEIS: In der aktuellen Version erfordert das Laden des binarisierten Kanals das Erneutladen aller Kanäle.
  8. Um eine Hintergrundkorrektur11 auf einem Fluoreszenzkanal durchzuführen (Abbildung 5-3), stellen Sie sicher, dass der Fluoreszenzkanal und ein Segmentierungskanal geladen sind. Wenn kein Segmentierungskanal geladen ist, stellen Sie sicher, dass ein Phasenkontrastkanal für die automatische Segmentierung geladen wird. Gehen Sie zu "Tools > Hintergrundkorrektur..." und wählen Sie einen Dateinamen für die resultierende TIFF-Datei mit dem korrigierten Fluoreszenzkanal.
    HINWEIS: In der aktuellen Version erfordert das Laden des hintergrundkorrigierten Kanals das Erneutladen aller Kanäle.
  9. Untersuchen Sie die vorausgewählten Zellen (Abbildung 5-4) und ihr integriertes Fluoreszenzsignal (Abbildung 5-5), indem Sie durch die Zeitrahmen scrollen, die im Kanalmenü auf der linken Seite aufgeführten Kanäle anzeigen und auf Zellen klicken, um ihre Fluoreszenzzeitverläufe hervorzuheben (Abbildung 1C). Verwenden Sie die Zellauswahl, um Zellen auszuschließen, die nicht lebensfähig sind, nicht auf einen Adhäsionsfleck beschränkt oder an eine andere Zelle gebunden sind, von der weiteren Analyse. Schalten Sie die Auswahl der Zellen zum Auslesen um, indem Sie die Umschalttaste drücken und auf die Zelle klicken oder die Zelle markieren und die Eingabetastedrücken.
  10. Speichern Sie die Einzelzellzeitverläufe für den Zellbereich und die integrierte Fluoreszenz (Abbildung 5-6), indem Sie auf Datei | Speichern und auswählen Sie ein Verzeichnis, in dem Gespeichert werden soll.

Figure 5
Abbildung 5: Automatisierte Bildverarbeitung von Zeitraffer-Bildserien mit PyAMA. (1) Phasenkontrast- und Fluoreszenzbildserien für jede Bildposition werden importiert. (2) Zellkonturen werden durch Segmentierung auf dem Phasenkontrast-Bildstapel bestimmt. (3) Auf die Fluoreszenzbilder wird eine Hintergrundkorrektur angewendet. (4) Die Zellkonturen werden über die Zeit verfolgt und für den Export vorausgewählt. (5) Die Fluoreszenzintensität wird anhand der verfolgten Zellkonturen integriert. (6) Einzelzellbereiche und integrierte Fluoreszenzdicken werden ausgewertet und Zeitverläufe für jede Zelle exportiert. Maßstabsbalken: 100 μm. Bitte klicken Sie hier, um eine größere Version dieser Abbildung anzuzeigen.

  1. Um die Translationskinetik nach der mRNA-Transfektion zu analysieren, passen Sie ein Translationsmodell basierend auf biochemischen Geschwindigkeitsgleichungen an jeden Einzelzellzeitverlauf an, wie zuvor von Reiser et al.12beschrieben. Die in dieser Studie verwendeten Daten und Codes sind öffentlich zugänglich13.
  2. Rufen Sie für jeden Einzelzellzeitverlauf die geschätzten Anpassungsparameter des Translationsmodells ab, die die mRNA-Abbaurate und den Zeitpunkt des Translationsbeginns darstellen. Ein Beispieldatensatz wird im Abschnitt "Repräsentative Ergebnisse" erläutert.
  3. Führen Sie weitere Analysen der Verteilung der besten Schätzungen der Parameter für verschiedene experimentelle Bedingungen durch, um die Zell-zu-Zell-Variabilität innerhalb der Zellpopulationen zu untersuchen.

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

Der LISCA-Ansatz ermöglicht es, Fluoreszenzzeitkurse von einzelnen Zellen effizient zu erfassen. Als repräsentatives Beispiel skizzieren wir, wie die LISCA-Methode zur Messung der einzelligen eGFP-Expression nach der Transfektion angewendet wird. Die Daten des LISCA-Experiments werden verwendet, um die mRNA-Abgabekinetik zu bewerten, die für die Entwicklung effizienter mRNA-Medikamente wichtig ist.

Insbesondere zeigen wir die unterschiedlichen Auswirkungen zweier lipidbasierter mRNA-Abgabesysteme in Bezug auf den Zeitpunkt des Translationsbeginns und die Expressionsrate auf Einzelzellebene. Wir kultivierten Zellen und teilten die Charge in zwei Populationen auf. Eine Subpopulation wurde mit Lipoplexen transfiziert, wie im Protokollabschnitt beschrieben. Die andere Subpopulation wurde mit der gleichen mRNA mit der gleichen End-mRNA-Konzentration transfiziert, jedoch mit Lipid-Nanopartikeln (LNP) als Abgabesystem, die unter Verwendung von mikrofluidischer Mischung hergestellt wurden12. Aufgrund einer unterschiedlichen Lipidzusammensetzung und der unterschiedlichen Herstellung der mRNA-Abgabesysteme der Lipoplexe und der LNPs erwarten wir einen Einfluss auf die Translationskinetik, da die Aufnahmekinetik beeinflusst werden sollte. Mit der LISCA-Methode quantifizieren wir den Zeitpunkt t0 des Translationsbeginns nach der Transfektion und wie stark die Zellen eGFP exprimieren, was vom Produkt der transfizierten mRNA-Moleküle m0 und der Translationsrate k TLabhängt. Um diese beiden Parameter zu erhalten, passen wir ein dreistufiges Übersetzungsmodell an, wie in Abbildung 6Askizziert. Nach erfolgreicher Freisetzung der mRNA-Moleküle m zum Zeitpunkt t0 im Zytosol wird die mRNA mit rate kTL in ungesättigtes eGFP G*übersetzt, das nicht fluoreszierend ist. Das ungesättigte G*reift mit der Rate kM zu eGFP G,dessen Fluoreszenzintensität während der Zeitraffermessung gemessen wird. Die mRNA sowie das (ungereifte und gereifte) eGFP bauen sich im Laufe der Zeit mit entsprechenden Abbauraten δ und γ ab. Das Modell wird durch gewöhnliche Differentialgleichungen beschrieben und die analytische Lösung für G wird als Modellfunktion für die Parameterschätzung verwendet. Die Modellfunktion wird an jeden der einzelligen Zeitkurse angepasst, wie in Abbildung 6B mit Beispielzeitkursen (grau) und den jeweiligen Passungen (grün) dargestellt. In Abbildung 6C zeigen wir die Histogramme des Zeitpunkts t0 des Translationsbeginns und die Expressionsrate m0kTL von Lipoplex-transfizierten Zellen. Da beide Parameter für jede Zelle geschätzt werden, kann die Korrelation dieser Parameter wie im Streudiagramm gezeigt (Abbildung 6D, blaue Daten) analysiert und mit Zellen verglichen werden, die mit LNPs transfiziert wurden (rot). Wie in Abbildung 6Dgezeigt, zeigen zellen, die mit LNPs transfiziert wurden, eine geringere Zell-zu-Zell-Variabilität im Vergleich zu Zellen, die mit Lipoplexen transfiziert wurden, und der Populationsdurchschnitt zeigt einen schnelleren Beginn der Translation sowie eine höhere Expressionsrate (dicke Punkte mit schwarzem Umriss).

Diese beiden Datensätze sind nur ein Beispiel dafür, wie LISCA zur Untersuchung der Translation nach mRNA-Transfektion verwendet werden kann. Weitere Untersuchungen können z.B. im Hinblick auf die mRNA-Stabilität in Abhängigkeit von mRNA-Sequenzmodifikationen 14,variierten Reporterproteinstabilitäten 15oder siRNA-vermitteltem mRNA-Abbau 16durchgeführt werden.

Figure 6
Abbildung 6: Datenanalyse der Einzelzell-eGFP-Translationskinetik. (A) Die Translationskinetik des Reporterproteins eGFP nach mRNA-Abgabe kann durch eine dreistufige Reaktionsratengleichung mit den jeweiligen Parametern beschrieben werden. (B) Das Modell wird an jeden einzelligen eGFP-Expressionszeitverlauf (graue Spuren) angepasst (grüne Spuren), um die Modellparameter wie den Zeitpunkt ( t 0 ) des Transfektionsbeginns und die Expressionsrate ( m0kTL) abzuschätzen, zwei Parameter zur Quantifizierung der Wirksamkeit der mRNA-Abgabe. (C) Histogramme der Parameterverteilung für die Transfektionseintrittszeit und die Expressionsrate. (D) Da die Parameter für jede Zelle geschätzt werden, zeigt ein Streudiagramm dieser Parameter eine Parameterkorrelation. Die kleinen Punkte stellen die Parameter einer einzelnen Zelle dar. Das Diagramm zeigt Zellen, die mit mRNA-LNPs (rot) und mRNA-Lipoplexen (blau) transfiziert sind. Die dicken Punkte mit schwarzem Umriss entsprechen dem jeweiligen Bevölkerungsdurchschnitt. Bitte klicken Sie hier, um eine größere Version dieser Abbildung anzuzeigen.

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

Hier beschrieben wir LISCA als eine vielseitige Technik, um die zelluläre Kinetik intrazellulärer fluoreszierender Markierungen auf Einzelzellebene zu verfolgen. Um ein erfolgreiches LISCA-Experiment durchführen zu können, muss jeder der beschriebenen Schritte des Protokollabschnitts einzeln festgelegt und dann alle Schritte kombiniert werden. Jeder der drei Hauptaspekte von LISCA zeichnet sich durch entscheidende Schritte aus.

Einzelzell-Microarray-Herstellung
Die Qualität des Microarrays ist entscheidend, da die zelluläre Ausrichtung auf dem Microarray nicht nur für alle weiteren experimentellen Schritte wichtig ist, sondern auch Einfluss auf die Datenqualität hat. Aus diesem Grund müssen die Geometrie des Musters und die Herstellungsmethode in Bezug auf die verwendeten Zellen angepasst werden. Die in diesem Artikel diskutierten repräsentativen Ergebnisse wurden mit der Leberkarzinomzelllinie HuH7 erzeugt, die auf einem (30 μm)2 quadratischen Muster ausgerichtet ist. Diese Mustergeometrie eignet sich auch für andere Zelllinien wie A549 oder HEK293. Für größere Zellen wie die BEAS-2B kann ein größeres quadratisches Muster mit 35 μm Kantenlänge und einem Interquadratabstand von 80 μm verwendet werden. Das beschriebene Seeding-Verfahren ist für die HuH7-Zellen optimiert, kann aber an viele andere adhärente Zellen angepasst werden17. Zum Beispiel benötigen einige Zelllinien unterschiedliche Größen der Adhäsionsflecken oder benötigen einen größeren Abstand zwischen den Adhäsionsflecken, um Zell-Zell-Kontakte durch längliche Zellen zu vermeiden.

Das Mikromuster sollte so eingestellt werden, dass die Adhäsionsstelle ungefähr der durchschnittlichen Fläche einer Zelle in Standardkulturschalen entspricht. Die Geometrie kann rund oder quadratisch sein und hat keinen messbaren Effekt auf die Zelllebensfähigkeit. Zellbewegungen scheinen bei einem quadratischen Muster eingeschränkter zu sein als bei runden Mustern, bei denen sich Zellen oft drehen. Eine separate Lebensfähigkeitsprüfung wird empfohlen, wenn zum ersten Mal neue Zelllinien verwendet werden. Die Aussaatdichte muss für bestimmte Zelllinien angepasst werden, um eine hohe Belegung der Adhäsionsstellen zu erreichen und gleichzeitig Doppelbelegungen von Adhäsionsstellen zu minimieren. Typischerweise folgt die resultierende Belegung der Anzahl der Zellen pro Adhäsionsstelle der Poisson-Statistik und ist entweder Null, eins oder zwei. Daher sollte eine Gesamtauslastung zwischen 60% und 80% angestrebt werden, um Doppelbelegungen zu vermeiden17. Das Aussaatprotokoll muss möglicherweise hinsichtlich der Anzahl der ausgesäten Zellen und der Zeitdauer zwischen der Aussaat und dem ersten Waschschritt angepasst werden. Beispielsweise reduziert ein Waschschritt 30 Minuten nach der Aussaat anstelle von 1 h (siehe Schritte 5 und 6 des Protokollabschnitts 2 Zellsaat) die Anzahl der doppelt belegten Adhäsionsstellen, verringert aber auch die Gesamtzahl der belegten Adhäsionsstellen für HuH7-Zellen.

Da der Anschluss eines Schlauchsystems an die Kanalträger nicht zwingend erforderlich ist, ist es einfacher, die Verwendung eines Reagenzes oder Fluoreszenzmarkers herzustellen, ohne ein Schlauchsystem zu verwenden, um die am besten geeignete Konzentration und Inkubationszeit zu überprüfen. Nachdem ein geeignetes Protokoll für das Reagenz/Marker von Interesse erstellt wurde, kann das Schlauchsystem in den Workflow einbezogen werden.

Zeitraffermikroskopie
Ein weiterer entscheidender Schritt sind die Einstellungen der Zeitraffermessung. Beispielsweise muss die Belichtungszeit für den Fluoreszenzmarker sorgfältig gewählt werden, um Photobleaching des Fluorophors und Phototoxizitätseffekte zu vermeiden, aber dennoch ein gutes Fluoreszenzsignal zu gewährleisten. Ein weiterer wichtiger Parameter des Zeitraffer-Setups ist die am besten geeignete Kombination aus räumlicher und zeitlicher Auflösung, die stark von der beobachteten zellulären Kinetik abhängt. Wird eine hohe zeitliche Auflösung benötigt, kann zwischen zwei Zeitpunkten nur eine geringere Anzahl von Positionen im Microarray gescannt werden, was den gescannten Beobachtungsbereich reduziert und damit auch die Statistik reduziert. Der Beobachtungsbereich ist darüber hinaus nicht nur von der Anzahl der gescannten Positionen abhängig, sondern auch vom Objektiv und der Größe eines Sichtfeldes der Kamera. Im gegebenen Beispiel reicht eine Zeitauflösung von 10 min mit einem 10-fachen Objektiv aus, um die Translationskinetik zu beobachten. Diese Kombination ermöglicht das Scannen von 70-100 Positionen pro Zeitpunkt, abhängig von der Größe des Kamerachips, der Geschwindigkeit des Mikroskopstadiums und der Anzahl der Bildgebungskanäle (z. B. Phasenkontrast und eGFP-Fluoreszenz).

Bildverarbeitung
Die Analyse der Gesamtfluoreszenz pro Zelle wird erleichtert, da die Zellen in einem Array positioniert sind. Die Qualität der Einzelzellfluoreszenzzeitverläufe, insbesondere des Signal-Rausch-Verhältnisses (SNR), hängt jedoch von dem Algorithmus ab, der für die Integration von Zellfluoreszenztenzenzen aus den Bildserien verwendet wird. Die Bildverarbeitungsschritte des Softwaretools PyAMA sind in Abbildung 5 dargestellt. Die Bestimmung der Integrationsflächen für die Einzelzellfluoreszenzauslesung ist besonders wichtig, da die Zellkontur lebender Zellen mit der Zeit variiert. PyAMA integriert die Fluoreszenzintensität über eine Zellkontur, die durch einen eingebauten Segmentierungsalgorithmus bestimmt werden kann. Eine Alternative wäre die Integration über feste Grenzen basierend auf der Mikromustergeometrie12,16. Die aktuelle Version von PyAMA führt eine Bildsegmentierung basierend auf einem Schwellenwert für die Standardabweichung der Pixelnachbarschaften des Phasenkontrast-Bildkanals durch. Segmentierungsergebnisse können auch aus externer Software importiert werden. Für zukünftige Versionen ist eine native Unterstützung für die Segmentierung auf Basis von Machine Learning und für die Integration über feste Grenzen hinweg geplant.

PyAMA bietet die Möglichkeit, Ausreißerzellen oder anomale Zeitverläufe über eine Schnittstelle zu filtern, die eine visuelle Inspektion sowohl des Fluoreszenzbildes als auch der Fluoreszenzzeitverläufe ausgewählter Zellen ermöglicht (Abbildung 1C). Beispiele für Zellen, die von der Analyse ausgeschlossen werden können, sind Zellen, die einer Teilung oder Apoptose unterzogen werden oder sich außerhalb einer Adhäsionsstelle befinden. Aggregationen mehrerer Zellen, die vom Tracking-Algorithmus fälschlicherweise als einzelne Zelle erkannt werden, müssen ebenfalls herausgefiltert werden, um sicherzustellen, dass die Zeitverläufe von einzelnen Zellen stammen. PyAMA führt eine Vorauswahl von Zellen durch, um die manuelle Interaktion zu reduzieren, die zum Herausfiltern anomaler Zellen erforderlich ist. Die Vorauswahl kann von Hand überprüft und korrigiert werden, bevor die Zeitverläufe der ausgewählten Zellen exportiert werden, um Ungenauigkeiten der Vorauswahl auszugleichen. Die Vorauswahl der aktuellen Version von PyAMA basiert auf einem Schwellenwert für die Zellgröße, um die Auswahl von Zellaggregationen aufzuheben. Für zukünftige Versionen ist eine zusätzliche machine-learning-basierte Vorauswahl geplant, die es ermöglicht, weitere Kriterien einschließlich der oben beschriebenen Beispiele für anomale Zellen zu berücksichtigen.

Zusammenfassend lässt sich sagen, dass der LISCA-Ansatz Einzelzellarrays verwendet, um Einzelzell-Fluoreszenzzeitverläufe effizient zu sammeln. Die Einengung von Zellen auf mikrofabrizierte Adhäsionsstellen erleichtert die Nachverfolgung und Bildanalyse. Darüber hinaus werden Zellen in standardisierten lokalen Mikroumgebungen kultiviert und erhalten daher eine einheitliche Oberfläche, wenn sie Wirkstoffen wie Lipidnanopartikeln zur Transfektion ausgesetzt werden. Dieser Aspekt ist besonders vorteilhaft, wenn die zelluläre Heterogenität innerhalb einer Population untersucht wird. Die hier beschriebene μPIPP-Technik ist eine von vielen Mikrofabrikationstechniken, die zu regelmäßigen Microarrays von Proteinmustern führen. Der Leser wird auf Literatur verwiesen, die Mikrokontaktdruck, photolithographische Ansätze und weiche Lithographie als alternative Herstellungsverfahrenüberprüft 6. Je nach Zelllinie kann die eine oder andere Mustertechnik vorzuziehen sein. In unseren Experimenten zeigte die μPIPP-Technik gut positionierte Zellen nach der Aussaat von Zellen aufgrund der zellulären Selbstsortierung, die auf der Restzellhaftigkeit auf der PEGylated-Fläche beruht, so dass Zellen in der Lage sind, in zufälliger Migration zu suchen und sich auf den Proteinzielarrays mit differentiell größerer Adhäsivität zu verteilen17.

LISCA ermöglicht die Erfassung einer großen Anzahl von Einzelzell-Zeitverläufen beliebiger Fluoreszenzmarker. Die Analyse von Fluoreszenzsignalen auf Einzelzellebene liefert im Gegensatz zu Massenexperimenten makellose Einzelzellzeitverläufe und zeigt Zell-zu-Zell-Variabilität. Zelluläre Heterogenität spielt eine herausragende Rolle bei Zellschicksalsentscheidungen wie Apoptose18,19,20. In diesem Zusammenhang haben wir kürzlich den LISCA-Ansatz mit zwei Fluoreszenzkanälen erweitert, die die Analyse zeitlicher Korrelationen von zwei zellulären Ereignissen gleichzeitig ermöglichen, die auf bestimmte Stadien innerhalb der Zelltod-Signalkaskade hinweisen19. In diesem Forschungsfeld präsentiert sich LISCA als Alternative zu Durchflusszytometriemessungen. Während die Durchflusszytometrie unbestreitbar einen schnelleren Workflow bietet und in der Regel größere Statistiken liefert, werden die Daten zu einem bestimmten Zeitpunkt erfasst. Vollzeitabhängigkeiten liefern Abschätzungen kinetischer Parameter und zeigen zeitliche Korrelationen zwischen verschiedenen Fluoreszenzsignalen auf, die sonst schwer zugänglich sind. Um mehrere Fluoreszenzkanäle nutzen zu können, benötigt das Setup automatisierte Filterräder oder mehrere Kameras. In diesem Fall sollte auch eine Einzelzell-FRET-Analyse möglich sein und zeitaufgelöste Untersuchungen der Nähe zwischen fluoreszierend markierten Molekülen ermöglichen. Ein Nachteil von bildbasierten Analysen wie LISCA ist die Arbeit, die mit visuellen Kontrollen und Ausreißererkennung verbunden ist. Hier könnten Machine-Learning-Tools die Datenverarbeitung erleichtern und eine vollautomatische Datenanalyse ermöglichen. In Zukunft könnten mithilfe automatisierter Mikroskopieplattformen, rapid array microfabrication und künstlicher Intelligenz der Durchsatz und die Anwendbarkeit von LISCA erheblich gesteigert werden. Darüber hinaus ist die anschließende Analyse von Zellen, die ungewöhnliche Fluoreszenzreaktionen aufweisen, mittels mikrofluidischer Extraktion 21und Einzelzellgenomik eine häufige Anforderung in der pharmazeutischen Industrie. Das in diesem Artikel vorgestellte Protokoll entspricht der Nachfrage nach der Untersuchung der Kinetik zellulärer Prozesse mit Einzelzellauflösung und ausreichenden Statistiken.

Subscription Required. Please recommend JoVE to your librarian.

Disclosures

Die Autoren erklären, dass sie keine konkurrierenden finanziellen Interessen haben.

Acknowledgments

Diese Arbeit wurde durch Zuschüsse der Deutschen Forschungsgemeinschaft (DFG) zum Sonderforschungsbereich (SFB) 1032 unterstützt. Die Unterstützung durch das Bundesministerium für Bildung, Forschung und Technologie (BMBF) im Rahmen des Kooperationsprojekts 05K2018-2017-06716 Medisoft sowie eine Förderung durch die Bayerische Forschungsstiftung werden dankbar gewürdigt. Anita Reiser wurde durch ein DFG-Fellowship der Graduate School of Quantitative Biosciences Munich (QBM) gefördert.

Materials

Name Company Catalog Number Comments
Adtech Polymer Engineering PTFE Microtubing  Fisher Scientific 10178071
baking oven Binder 9010-0190
CFI Plan Fluor DL 10x Nikon MRH20100
Desiccator Roth NX07.1
Eclipse Ti-E Nikon
eGFP mRNA Trilink L-7601
Female Luer to Tube Connector MEDNET FTL210-6005
Fetal bovine serum Thermo Fisher 10270106
Fibronectin Yo Proteins 663
Filter set eGFP AHF F46-002
Fisherbrand Translucent Platinum-Cured Silicone Tubing Fisher Scientific 11768088
HEPES (1 M) Thermo Fisher 15630080
Incubation Box Okolab OKO-H201
incubator Binder 9040-0012
L-15 without phenol red Thermo Fisher 21083027
Lipofectamine 2000 Thermo Fisher 11668027
Male Luer in-house fabricated consisting of teflon
Male Luer to Tube Connector MEDNET MTLS210-6005 alternative to in-house fabricated male luers
NaCl (5 M) Thermo Fisher AM9760G
Needleless Valve to Male Luer Connector MEDNET NVFMLLPC
NIS Elements Nikon Imaging software Version 5.02.00
NOA81 Thorlabs NOA81 Fast Curing Optical Adhesive for tube system assembly
Opti-MEM Thermo Fisher 31985062
PCO edge 4.2 M-USB-HQ-PCO pco
Phosphate buffered saline (PBS) in-house prepared
Plasma Cleaner Diener Femto Pico-BRS
PLL(20 kDa)-g[3.5]-PEG(2 kDa) SuSoS AG
silicon wafer mit mircorstructures in-house fabricated
Sola Light Engine Lumencor
sticky slide VI 0.4  ibidi 80608
Sylgard 184 Silicone Elastomer Kit Dow Corning 1673921
Tango 2 Märzhäuser 00-24-626-0000
Ultrapure water in-house prepared
uncoated coverslips ibidi 10813
Injekt-F Solo, 1 mL Omilab 9166017V with replacement sporn

DOWNLOAD MATERIALS LIST

References

  1. Altschuler, S. J., Wu, L. F. Cellular heterogeneity: do differences make a difference. Cell. 141, (4), 559-563 (2010).
  2. Locke, J. C., Elowitz, M. B. Using movies to analyse gene circuit dynamics in single cells. Nature Reviews Microbiology. 7, (5), 383-392 (2009).
  3. Spencer, S. L., Gaudet, S., Albeck, J. G., Burke, J. M., Sorger, P. K. Non-genetic origins of cell-to-cell variability in TRAIL-induced apoptosis. Nature. 459, (7245), 428-432 (2009).
  4. El-Ali, J., Sorger, P. K., Jensen, K. F. Cells on chips. Nature. 442, (7101), 403-411 (2006).
  5. Segerer, F. J., et al. Versatile method to generate multiple types of micropatterns. Biointerphases. 11, (1), 011005 (2016).
  6. Piel, M., Théry, M. Micropatterning in cell biology, part A/B/C. Elsevier. (2014).
  7. Reiser, A., Zorn, M. L., Murschhauser, A., Rädler, J. O. Cell-Based Microarrays: Methods and Protocols. Ertl, P., Rothbauer, M. Springer. New York. 41-54 (2018).
  8. Picone, R., Baum, B., McKendry, R. Methods in cell biology. 119, Elsevier. 73-90 (2014).
  9. Reiser, A. Single-cell time courses of mRNA transport and translation kinetics. Ludwig-Maximilians University. PhD thesis (2019).
  10. Woschée, D. Softmatter LMU-Raedler Group. Available from: https://github.com/SoftmatterLMU-RaedlerGroup/pyama (2020).
  11. Schwarzfischer, M., et al. MIAAB, 29262. Available from: https://push-zb.helmholtz-muenchen.de/frontdoor.php?source_opus=6773 (2020).
  12. Reiser, A., et al. Correlation of mRNA delivery timing and protein expression in lipid-based transfection. Integrative Biology. 11, (9), 362-371 (2019).
  13. Reiser, A., Woschée, D., Mehrotra, N., Krzysztoń, R. S., Strey, H. H., Rädler, J. O. Supplementing data and code for: "Correlation of mRNA delivery timing and protein expression in lipid-based transfection". Zenodo. Version 1.0 (2019).
  14. Ferizi, M., et al. Stability analysis of chemically modified mRNA using micropattern-based single-cell arrays. Lab on a Chip. 15, (17), 3561-3571 (2015).
  15. Fröhlich, F., et al. Multi-experiment nonlinear mixed effect modeling of single-cell translation kinetics after transfection. NPJ systems biology and applications. 4, (1), 1-12 (2018).
  16. Krzysztoń, R., et al. Single-cell kinetics of siRNA-mediated mRNA degradation. Nanomedicine: Nanotechnology, Biology and Medicine. 21, 102077 (2019).
  17. Röttgermann, P. J., Alberola, A. P., Rädler, J. O. Cellular self-organization on micro-structured surfaces. Soft Matter. 10, (14), 2397-2404 (2014).
  18. Röttgermann, P. J., Dawson, K. A., Rädler, J. O. Time-resolved study of nanoparticle induced apoptosis using microfabricated single cell arrays. Microarrays. 5, (2), 8 (2016).
  19. Murschhauser, A., et al. A high-throughput microscopy method for single-cell analysis of event-time correlations in nanoparticle-induced cell death. Communications Biology. 2, (1), 1-11 (2019).
  20. Chatzopoulou, E. I., et al. Chip-based platform for dynamic analysis of NK cell cytolysis mediated by a triplebody. Analyst. 141, (7), 2284-2295 (2016).
  21. Sztilkovics, M., et al. Single-cell adhesion force kinetics of cell populations from combined label-free optical biosensor and robotic fluidic force microscopy. Scientific Reports. 10, (1), 1-13 (2020).
Live-Cell Imaging of Single-Cell Arrays (LISCA) - eine vielseitige Technik zur Quantifizierung der zellulären Kinetik
Play Video
PDF DOI DOWNLOAD MATERIALS LIST

Cite this Article

Reiser, A., Woschée, D., Kempe, S. M., Rädler, J. O. Live-cell Imaging of Single-Cell Arrays (LISCA) - a Versatile Technique to Quantify Cellular Kinetics. J. Vis. Exp. (169), e62025, doi:10.3791/62025 (2021).More

Reiser, A., Woschée, D., Kempe, S. M., Rädler, J. O. Live-cell Imaging of Single-Cell Arrays (LISCA) - a Versatile Technique to Quantify Cellular Kinetics. J. Vis. Exp. (169), e62025, doi:10.3791/62025 (2021).

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