정량적 이미징 기법을 이용한 이종 세포 집단의 차별화 및 특성 규명

Biology
 

Summary

우리는 섭동에 반응하여 이종 세포 집단 역학을 연구하기위한 새로운 프로토콜을 개발했다. 이 원고는 heterocellular population의 여러 세포 phenotypes의 강력한 특성화를위한 정량적 인 데이터 세트를 견고한 방식으로 생산하는 이미징 기반 플랫폼을 설명합니다.

Cite this Article

Copy Citation | Download Citations

Garvey, C. M., Gerhart, T. A., Mumenthaler, S. M. Discrimination and Characterization of Heterocellular Populations Using Quantitative Imaging Techniques. J. Vis. Exp. (124), e55844, doi:10.3791/55844 (2017).

Please note that all translations are automatically generated.

Click here for the english version. For other languages click here.

Abstract

세포 과정은 복잡하고 여러 세포 유형과 환경 사이의 상호 작용으로 발생합니다. 현존하는 세포 생물학 기술은 종종이 상호 작용의 정확한 해석을 허용하지 않습니다. 정량적 이미징 기반 접근법을 사용하여, 우리는 환경 적 자극의 변화에 ​​대한 이종 세포 집단의 동적 표현형 반응 ( 즉, 형태학 변화, 증식, 세포 사멸)을 특성화하기위한 고 내용 프로토콜을 제시한다. 우리는 형광 강도 또는 응용 프로그램에 따라 고유의 형태학 기능을 기반으로 세포 유형을 구별하는 우리의 능력을 강조 표시합니다. 이 플랫폼은 전통적인 세포 생물학 분석보다 짧은 시간, 적은 양의 시약 및 오류 가능성을 활용하면서 섭동에 대한 하위 집단 반응의보다 포괄적 인 특성 분석을 가능하게합니다. 그러나 어떤 경우에는 세포 집단이 복잡한 cellu를 기준으로 확인 및 정량하기가 어려울 수 있습니다lar 기능과 추가 문제 해결이 필요합니다; 우리는 프로토콜에서 이러한 상황의 일부를 강조합니다. 우리는 암 모델에서 약물에 대한 반응을 사용하여이 응용 프로그램을 시연합니다. 그러나, 그것은 다른 생리적 인 과정에 더 넓게 쉽게 적용될 수있다. 이 프로토콜은 공동 문화 시스템 내에서 하위 집단을 식별하고 각각 외부 자극에 대한 특정 반응을 특성화 할 수있게합니다.

Introduction

세포 기반 분석은 기초 연구 및 약물 개발 환경에서 중요한 역할을했습니다. 그러나 이러한 표준 분석법의 한계는 시험관 내 및 임상 데이터 간의 불일치와 대부분의 약물이 FDA 승인을받지 못함에 따라 점차 명백해졌습니다. 여기에서, 우리는 관련있는 공동 발생 환경 자극에 대한 응답으로 heterocellular phenotypes를 동시에 분석하기 위해 정량 이미징을 이용하는 새로운 방법을 제시한다.

세포 생존 능력을 측정하는 데 사용되는 전통적인 세포 기반 분석에는 trypan blue exclusion assay, MTT / MTS 및 Annexin V-FITC 유동 세포 계측법 염색이 있습니다. Trypan Blue 배제 분석은 간단하면서도 저렴하면서 많은 수의 세포가 필요하며 시간이 많이 걸리고 사용자 편향 1의 영향을 받는다. MTT 및 MTS는 미토콘드리아 신진 대사 속도 측정을 통해 간접적으로 세포 생존력을 측정합니다. 그러나, 대사 활성세포의 종류는 다른 배양 조건 (배지 또는 산소 농도)에 의해 영향을받을 수 있으며 부정확 한 결과를 초래하고 세포 유형 및 조건 2 , 3에서의 표준화를 방지합니다. 이 기술의 또 다른 주요 단점은 여러 세포 유형을 구별 할 수 없다는 것입니다. 대부분의 생물학적 시스템은 이종 세포입니다. 유동 세포 계측법은 여러 세포 집단을 구별 할 수있는 능력을 가지고 있지만 세포 표지가 필요하고 동적 시료 채취가 어려우며 부착 세포를 사용할 때이 응용 프로그램은 시간이 많이 걸리고 오류가 발생하기 쉽습니다.

형태 학적 변화를 포함하여 다른 중요한 세포 표현형은 환경 적 자극에 반응하여 발생하지만 전통적인 세포 기반 검정법에 의해 포착되지 않는다. 형태 학적 특성화 및 샘플 간의 유사성 매핑을 통해 셀 상태를 프로파일 링하는 것은 강력하고 편향되지 않은 도구로서기본 세포 생물학 및 약물 발견을 포함하여 기본 및 번역 연구의 여러 측면에 대한 새로운 통찰력 제공 4 . 또한, 종양 세포 형태는 종양 아형 5 및 공격성 6 과 상관 관계가있는 것으로 나타났다. 따라서 이러한 세포의 특징을 연구하고 특정 환경 섭동과 관련되는 방법을 연구하는 것은 큰 관심사입니다. 또한, 형태 학적 특징의 차이를 이용하여 공동 배양 시스템에서 부분 집단을 구별 할 수있다. 형광 라벨링 세포는 고유 한 세포 특성을 변경하고 시간이 오래 걸리므로 세포 유형을 분류하는 추가 방법이 유리합니다.

현미경 기반 이미징은 다중화되고 정량적이며 견고한 방식으로 세포 표현형을 프로파일 링하는 대체 방법입니다. 이 원고에서는 Evolutio를 강조하기 위해 양적 이미징 파이프 라인을 적용합니다종양 내 이종 세포 집단의 역 동성 우리는 비소 세포 폐암 (NSCLC) 세포와 종양에서 발견되는 가장 흔한 간질 세포 유형 인 암 관련 섬유 아세포 (CAF) 간의 상호 작용에 중점을 둡니다. CAF는 종양 발생, 진행 및 치료 반응에 관련되어왔다. 따라서 CAF가없는 경우 종양 세포에서 표현형 검사를 수행하는 것은 오해의 소지가있을 수 있습니다 ( 7 , 8 , 9) . 특히 우리는 NSCLC의 임상 치료에 종종 사용되는 상피 성장 인자 수용체 (EGFR)를 표적으로하는 작은 분자 인 erlotinib에 대한 반응으로 종양 세포에 대한 CAF의 효과를 평가했다. 우리는 평가를 위해 고화질 심사 플랫폼 및 관련 이미지 분석 소프트웨어를 활용했습니다. 그러나이 방법론을 다른 연구자가 이용할 수 있도록하기 위해 오픈 소스 소프트웨어를 사용하는 유사한 다운 스트림 프로토콜을 개발했습니다.CellProfiler 10 및 CellProfiler Analyst 11 . 대부분의 이미지 기반 고감도 스크리닝 분석은 특정 기기 모델에 특화된 상용 소프트웨어로 분석됩니다. 기본 알고리즘이 종종 독점적이기 때문에 다른 소프트웨어를 사용하는 다른 랩에서 결과를 복제하기가 어렵습니다. 이 이미지 기반 파이프 라인을 사용하여 형광 및 형태 기반 분류를 사용하는 약물 치료에 대한 이종 세포 배양의 각 하위 집단의 세포 증식, 사망 및 형태를 측정했습니다. 다음 프로토콜은 복잡한 셀룰러 프로세스를 프로빙하는 강력한 방법을 제공합니다.

Protocol

1. 세포 배양

참고 : 여기서 폐 섬유 아세포 (CCD - 19Lu GFP)와 공동 배양했을 때 EGFR 표적 제제 인 erlotinib에 대한 NSCLC 세포 (H3255)의 표현형 반응을 조사했습니다. 동일한 데이터 세트의 경우, 두 개의 세포 집단 (H3255 및 CCD-19Lu GFP)의 형광성 및 형태 학적 분류를 통해 일치도를 예시했습니다. 그러나 하나의 분류 방법 만 사용해야하고 응용 프로그램을 기반으로 선택해야합니다.

  1. 10 % 열 불 활성화 FBS와 1 % 페니실린 / 스트렙토 마이신이 보충 된 RPMI - 1640 500 ML을 준비합니다.
    참고 : 성장 매체와 보충제는 다른 세포 유형에 따라 필요에 따라 교체 할 수 있습니다.
  2. 37 ℃에서 5 % CO 2의 순수한 개체로 10cm 3 판에 배양 한 다음 3-4 일마다 적절한 비율로 통과시킵니다.

2. 세포의 준비

  1. 세포 현탁액을 준비하려면 c배지를 말리고 5 ML 1X 인산염 완충 식염수 (PBS)로 세포를 씻으십시오.
  2. PBS에서 대기음을 제거하고 37 ° C로 가온 한 0.05 % 트립신 1 mL를 넣고 37 ° C에서 5 분간 (또는 세포가 더 이상 플레이트에 붙지 않을 때까지) 품어 둔다.
  3. 트립신을 중화시키기 위해 H3255와 CCD-19Lu GFP 플레이트에 RPMI 4 mL를 넣고 세포 용액을 15 mL 원추형 튜브에 넣으십시오.
  4. RT에서 5 분 150 XG에서 세포를 원심 분리기.
  5. 상등액을 대기음으로 옮기고 원추형 튜브에 RPMI 배지 10 mL에 resuspend cell pellets를 뿌려 시딩 준비를하십시오.

3. 셀 도금

  1. 씨 뿌리기를 표준화하기 위해 세포 수를 세십시오.
    1. 튜브를 반전시켜 용액에서 세포를 혼합합니다. microcentrifuge 튜브에 각 세포 현탁액 10 μL 피펫과 10 μL trypan 파란색을 추가합니다.
    2. 이 용액 10 μL를 셀 계수 슬라이드에 넣고 자동 셀 카운터에 넣습니다.
      참고 : 세포 계수의 다른 방법 ( . 혈구 계)를 사용할 수있다.
    3. 적어도 세 번이나 셀 카운트가 일치 할 때까지 셀 카운트를 반복하십시오.
  2. 멀티 웰 판에 씨앗 세포를 뿌린다.
    참고 : 시드 할 플레이트 수는 이미지화 할 시점 수에 따라 다릅니다. 또는 세포가 histone-2B-GFP (또는 적절한 핵 분할을 제공하는 기타 안정한 렌티 바이러스 핵 염색제)로 형질 전환되면 한 번에 한 장의 플레이트를 재 이미징 할 수 있습니다.
    1. RPMI 100 μL에 총 1,500 세포 / 웰을 씨닝하십시오. H3255, CCD - 19Lu GFP 및 50 % H3255 + 50 % CCD - 19Lu GFP 세 세포 인구를 판금 세 세포 현탁액을 준비합니다. 각 시점마다 동일한 플레이트 셋업을 사용하여 각각을 3 번씩 수행하십시오.
      참고 : 초기 시딩 밀도는 각 세포주 및 플레이트 크기에 맞게 최적화해야합니다.
    2. 멀티 채널 피펫을 사용하여 3 x 96- 웰 플레이트에서 세포를 시드. 37 ° C, 5 % CO 2 에서 세포 O / N을 품어.
    </ li>

4. 약물 투약

  1. erlotinib 분말에 DMSO를 넣어 10mM 농도의 최종 erlotinib 저장 용액을 만듭니다.
    참고 : 약물은 원하는대로 대체 할 수 있습니다.
  2. 세포 배양 배지로 약물을 희석하여 10 μM에서 가장 높은 최종 농도의 최종 농도로 만들고 1:10 비율로 4 회 연속 희석하여 총 5 가지 약물 농도와 약물 관리 없음으로합니다.
    참고 : DMSO의 농도가 가장 높은 약물 용량에서 0.1 % v / v와 같거나 초과하는 경우 관찰 된 효과가 DMSO 독성으로 인한 것이 아닌지 확인하기 위해 무 약물 대조군에 DMSO가 동량 포함되어야합니다.
  3. 약 100 μL의 약물 용액을 적절한 웰에 피펫 팅하여 최종 약물 농도를 1 배로 희석한다.

5. 이미지 수집

참고 : 이미지는 0 일, 2 일 및 3 일에 획득했습니다. 세포 유형과 세포 과정에 따라 연구 할 때,원하는 시점들이 연구 될 수있다.

  1. 이미징을 준비하기 위해 세포를 얼룩지게하십시오.
    1. 염료 용액을 다음 최종 농도로 보충하십시오.
      1. 형광 기반 분류의 경우, 5 μg / ML 핵 얼룩과 PBS에 5 μm의 죽은 세포 얼룩을 준비합니다 ( 재료 표 참조).
      2. 형태학 기반 분류의 경우, 5 μg / mL의 핵 염색, 5 μM의 죽은 세포 얼룩 및 PBS에서 5 μM의 세포 얼룩을 준비하십시오 ( 재료 표 참조).
    2. 각 우물에 20 μL 염료 솔루션을 추가하십시오. 빛으로부터 보호 된 37 ° C에서 30 분 동안 품어 낸다.
  2. 이미지 최적화 및 획득.
    1. 인큐베이터에서 잘 플레이트를 제거하고, 70 % EtOH와 플레이트의 하단을 닦아 및 이미징 챔버에 접시를 놓습니다.
    2. '설정'탭에서 '채널 선택'아래의 '+'버튼을 클릭하여 채널을 추가하십시오.이미지 ( 즉, brightfield, 핵 얼룩, 죽은 세포 얼룩, GFP 및 RFP 신호).
    3. '레이아웃 선택'을 클릭하고 초점 평면을 확인하기 위해 0 μm에서 시작하여 20 μm에서 끝나는 2 μm마다 z- 스택 테스트 이미지를 가져옵니다. '높이'아래의 모든 채널에 대해이 거리를 입력하십시오.
    4. 강도를 평가하고 노출 시간을 최적화하려면 각 채널 아래의 'Snapshot (스냅 샷)'을 클릭하십시오. 필요에 따라 '시간'아래에서 더 높거나 낮은 값을 입력하십시오.
    5. 화면의 오른쪽에서 플레이트 구조도의 적절한 우물 (이미지 할 수 있음)을 강조 표시합니다. 아래의 우물 도식에서 유사한 방식으로 이미지화 할 25 개의 필드를 강조 표시하십시오.
    6. '실험 실행'에서 왼쪽 탭의 '플레이트 이름'에있는 플레이트를 식별하고 '시작'버튼 (아래)을 클릭하여 전술 한 채널에서 그레이 스케일 TIFF 이미지를 생성하는 10X 대물 렌즈로 이미지 수집 프로토콜을 실행합니다.
      참고 : 단계별 설치이미징 프로토콜의 폐색은 계측기마다 다를 수 있지만 매개 변수 값은 여전히 ​​최적화되어야합니다.
    7. 2 일과 3 일에 이미징을 반복하십시오.

6. 이미지 분석

참고 : 모든 이미지 분석은 독점 소프트웨어를 사용하여 수행되었습니다. 그러나 공개적으로 사용할 수 없기 때문에 CellProfiler 2.2 및 CellProfiler Analyst 2.0에 대한 간략한 프로토콜과 자세한 프로토콜이 보충 자료로 제공됩니다 (테스트 이미지는 이미 워크 플로를 테스트하기 위해 파이프 라인으로로드 됨). 이 실험의 이미지를 각 웰을 개별적으로로드 할 수 있도록 웰 단위로 그룹화했습니다. 아래의 CellProfiler 파이프 라인에는 각 이미지 파일 이름의 메타 데이터 정보를 구문 분석하는 정규 표현식이 포함되어있어 채널별로 이미지를 그룹화 할 수 있습니다.

  1. 오픈 소스 소프트웨어 다운로드 및 설치 : 'CellProfiler9; 및 'CellProfiler Analyst'. 설치 중에 모든 기본 옵션 및 애드온을 수락하십시오.
  2. heterocellular 문화를 subpopulations로 분류하십시오.
    1. 'CellProfiler'소프트웨어를 열고 '파일'| '파이프 라인 가져 오기'| 'From File'을 선택하고 적절한 파일 (형광 기반 분류의 경우 "Fluorescence_Classification.cppipe" , 형태 기반 분류의 경우 "Morphology_Classification.cppipe")을 선택하십시오.
      참고 :이 파일에는 기본 이미지 처리 및 핵 / 셀 세분화를위한 프로토콜이 포함되어 있습니다. 이 세포들 사이에 고르지 않은 Hoechst 염색이 있었기 때문에 핵을 분할하고 확대 한 다음 낮은 강도의 핵을 분할 할 수 있도록 이미지를 가면 사용했습니다.
      1. 형광 기반 분류 파이프 라인을 선택하여 세포를 eGFP 강도에 따라 H3255 또는 CCD-19Lu로 분류하고 형태 특징을 계산합니다.
        참고 : CCD-19Lu 세포는 GFP로 형질 도입되었다.
      2. 모폴로지 기반 분류 파이프 라인을 선택하여 핵과 셀을 분류하고 모폴로지 기능을 계산합니다.
        참고 : 분류를 위해서는 'CellProfiler Analyst'의 추가 다운 스트림 분석이 필요합니다. 죽은 세포는 형광에 기초한 분류를 통해 분류됩니다.
    2. 화면 왼쪽 하단의 '출력 설정보기'를 클릭하십시오. 분석 할 이미지 파일의 위치 ( '기본 입력 폴더')와 추출 된 데이터의 대상 ( '기본 출력 폴더')을 선택하십시오.
    3. 'Analyze Images'를 클릭하여 분석을 시작하십시오. 분석이 완료되면 '확인'을 클릭하고 '기본 출력 폴더'로 이동하여 계산 된 데이터를보십시오.
      참고 : 예제 매개 변수 값 및 이미지는 Supplemental File 1-CellProfilerProtocol.pdf 에서 볼 수 있습니다.
    4. 형태학 기반 분류 (only)의 경우 다음을 수행하십시오.
      1. 'CellProfiler Analyst'소프트웨어를 열고 CellProfiler에서 생성 된 데이터베이스 속성 파일을 선택하고 '열기'를 클릭하십시오.
      2. 화면 왼쪽 상단의 '분류 자'탭을 클릭하십시오. 실험에서 임의의 셀 이미지를 호출하려면 '가져 오기'를 클릭하십시오. 이미지가 분류되지 않은 창에 나타납니다.
    5. 세포를 적절한 bin으로 선택하고 끌어서 세포를 양성 (H3255) 또는 음성 (CCD-19Lu)으로 수동 분류합니다 ( 보충 파일 2-Pipeline.pdf : 그림 B 참조 ). 하위 집단 당 적어도 50 개의 세포를 분류 한 후 'Train Classifier'를 클릭 한 다음 'Check Progress'를 클릭하십시오.
      참고 : 셀은 사용자가 감독하는 무작위 포리스트 시스템 학습 알고리즘 12 를 통해 분류됩니다. 정확도가 승인 된 임계 값 (> 90 %)을 초과하지 않으면 'CellProfiler'에서 셀 세분화를 최적화하거나 셀을 classi에 적합하지 않을 수 있습니다형태학에 의해 fying.
    6. 각 하위 집단에 대한 세포 계수가있는 표를 생성하려면 '점수 모두'를 클릭하십시오.

Representative Results

우리는 총 4,050 개의 개별 이미지를 위해 3 개의 플레이트에서 25 개 / 웰, 54 웰 / 플레이트 (3 개 세포 집단 x 6 약물 농도 x 3 복제본)로 구성된 이미지 세트를 생성했습니다. 실험 과정 동안 생성 된 이미지 세트는 독점 소프트웨어 (물질 표 참조)를 사용하여 세포의 다양한 양적 특성 ( 형태, 형광)을 추출하여 세포 부분 집단을 분류하는 데 사용할 수있었습니다. 그러나 사용 된 상업용 소프트웨어에는 액세스가 제한되어 있기 때문에 CellProfiler 및 CellProfiler Analyst의 유사한 다운 스트림 파이프 라인이 만들어졌습니다.

부분 집단으로의 이종 세포 분류

핵은 DNA 염색 (여기에서는 Hoechst)을 기반으로 확인되고 분절화되었으며 세포 집단은 형광 또는 MO( 그림 1 ). 형광 기반 분류의 경우, 섬유 아세포 (CCD-19Lu)는 이전에 GFP- 렌티 바이러스로 형질 도입되었다. GFP 강도 수준은 각각의 핵에 대해 측정되었고, 허용 된 문턱 값 (배경 신호에 기초) 이상으로 계산 된 것들은 CCD-19Lu로 분류되었지만 아래의 것들은 종양 세포 (H3255)로 분류되었다. 형태학 기반의 분류를 위해, 세포는 이전에 무독성 세포 염색 (물질 표 참조)으로 염색되었으며 이것은 세포질을 확인하고 분할하는 데 사용되었습니다. 기계 학습 알고리즘은 각 집단으로부터 ~ 50-100 개의 세포로 훈련되었다. 형태 학적 특징은 개체군간에 현저히 다르며, CCD-19Lu와 H3255 세포를 구별하기 위해 선형 분류기를 설계하는 데 사용되었다. 형광 및 형태 분류 프로토콜은 두 세포 포퓰을 구별하는데있어서 97.4 % (n = 1403) 일치 하였다약물 치료 조건 (1μM erlotinib)에서 92.5 % (n = 916)의 일치 성을 보였다 ( 그림 2 ).

부분 집단의 표현형 분석

세포 유형을 구별하는 것 외에도 우리는 각 하위 집단의 표현형 특성을 특성화하는 것을 목표로했다. 멀티 플렉스 분석은 시간과 시약을 절약하고, 일관성을 추가하며, 연구중인 시스템에 관한 추가 정보를 제공합니다. 많은 잠재적 인 표현형 산출물이 있으며, 관심있는 질문에 따라 선택해야한다. 여기 erlotinib 치료에 대한 반응으로 세포 형태와 생존력의 변화가 조사되었다. 3 일간의 약물 치료 후 핵 영역의 감소와 H3255 세포 ( 도 3A )의 세포 면적의 증가가 관찰되었다. 핵 면적의 평균 차이"약물 없음"및 "약물 치료"집단은 양면성 2 형 (균등 변이) t 검사 ( p = 7.92 x 10 -16 )를 통해 통계적으로 유의미한 것으로 나타났다. 우리는이 관찰이 약물 치료에 의해 부과 된 스트레스에 대한 세포 반응이라는 가설을 세웠다.

그것은 또한 임상 적으로 심각한 영향을 미치기 때문에 약물이 세포 독성 ( , 시간에 따라 죽은 세포의 수가 증가 함) 또는 세포 분열 ( , 시간에 따른 세포 출생의 수를 감소 시킴) 효과를 갖는지 여부를 연구하는 것도 중요합니다. 예를 들어, 세포 증식 억제 약물 효과는 성장 정지를 유도하지만 종양에서 세포를 제거하지 않으므로 일단 약물이 제거되면 암세포가 세포 증식을 재개 할 가능성이 있습니다. 약물 효과는 종종 문맥, 농도 및 세포 유형에 따라 달라질 수 있습니다. 우리는 이전에 erlotinib가 하나의 세포 유형에서 세포 독성 반응을 이끌어내는 것을 관찰하면서 ac다른 13 에서의 반응.

전통적인 생존 능력 분석은 상대적 세포 수를 산출하므로 성장 정지와 세포사를 구별하지 않습니다. 여기에서, 죽은 세포는 propidium iodide stain을 기반으로 확인되었다 ( 그림 3B ). H3255 세포에 대한 erlotinib의 세포 독성 및 세포 증식 억제 효과는 약물 치료 후 사망 수의 증가와 출생 수의 감소와 함께 관찰되었다 ( 그림 3C ). 죽은 세포의 수가 1 일 후에 세포 누출로 인해 떨어지게된다는 사실은 주목할 가치가있다. CCD-19Lu 세포는 약물에 의해 영향을받지 않았다. 이 플랫폼의 또 다른 이점은 정량적 데이터 생성입니다. 예를 들어, 우리의 공동 배양 실험에서, H1155 세포를 함유하지 않은 3 일 동안, 또는 erlotin으로 H3255 세포의 초기 부 집단이 2,817 (87.9 %) 또는 396 (57.2 %) 인 것으로 밝혀졌다( 그림 4 ). 우리는 상대적인 비율 대신에 실제 세포 수를 산출 할 수 있기 때문에 (유동 세포 계측법에서와 같이), 약물 치료 동안의 조성의 변화는 H3255 세포의 감소 때문이고 CCD-19Lu의 증가는 아니라고 결론 지었다. 실험적으로 평가하기 어렵고 세포 유형에 따라 다를 수있는 세포 허가 (cell clearance)로 인해 사망률이 과소 평가 될 수 있다는 것은 아무 가치가 없습니다.

그림 1
그림 1 : 이미지 분석 프로토콜 개요. 형태 기반 분류 또는 형광 기반 분류를 사용하여 이종 세포 집단을 분류 할 수있는 두 가지 잠재적 다운 스트림 이미지 분석 파이프 라인. 스케일 바 = 100 μm. 그녀를 클릭하십시오.이 그림의 더 큰 버전을 보려면 e를 누르십시오.

그림 2
도표 2 : 형태학과 형광 근거한 분류 사이의 일치. ( A ) 두 분류 프로토콜의 중첩을 나타내는 일치도 그림. 동일한 세포는 형태학 및 형광 기반 분류를 사용하여 H3255로 분류되었다. 두 가지 프로토콜은 치료되지 않은 세포의 97.4 % (n = 1403)와 erlotinib로 치료 한 세포의 92.5 % (n = 916) (참고 : 흰색 영역은 너무 작아서 시각화 할 수 없음)에 대해 일치했다. ( B ) 형광 기반 및 형태 기반 분류 사이의 양호 및 불량 일치의 예를 묘사하는 10X 이미지. 흰색 화살표는 플랫폼간에 불일치하게 분류 된 셀을 가리 킵니다. 입력 이미지 : 파란색 - 핵 (Hoechst); 녹색 - CCD19Lu (GFP). Classi약물 이미지 : 적색 - H3255; 녹색 - CCD-19Lu. 스케일 바 = 100 μm. 이 그림의 더 큰 버전을 보려면 여기를 클릭하십시오.

그림 3
그림 3 : 단일 실험 설정에서 멀티 플렉스 된 표현형 측정. ( A ) 핵 및 세포 면적과 같은 형태 학적 특징은 약물의 존재 및 부재하에 단일 세포 수준에서 계산되었다. 참고 : 100 μm 2 보다 작은 셀 면적은 잔해로 간주되어 분석에서 제외됩니다. 상자 플롯은 1 분위 및 3 분위 범위와 95 % 신뢰 구간 오차 막대를 갖는 중앙값을 나타냅니다. ( B ) H3255 (청색) 및 CCD-19Lu (녹색) 세포를 공동 배양하고 프로피트의 강도에 따라 사균을 확인 하였다ium iodide stain (적색)으로하고 10X 대물 렌즈를 사용하여 이미지화합니다. 눈금 막대 = 1 mm (상단 패널); 100 μm (하단 이미지). ( C ) 살아있는 세포와 죽은 세포의 총 수는 약물 치료 여부에 관계없이 3 일 동안 계산되었으며, erlotinib의 추가로 생존 세포 수와 죽은 세포의 양이 현저히 감소했다. 오차 막대는 세 번의 반복을 바탕으로 한 평균의 표준 오차를 나타냅니다. 이 그림의 더 큰 버전을 보려면 여기를 클릭하십시오.

그림 4
그림 4 : 시간의 경과에 따른 집단 기반의 역학. 약물 사용 여부에 따라 0 일 또는 3 일째에 H3255 (파란색) 및 CCD-19Lu (녹색)가 포함 된 우물의 대표적인 10X 이미지. 각 하위 집단에 속하는 세포를 세었고 비례 원형 차트는표본 전체의 인구 구성 변화. 스케일 바 = 1 mm (중간 패널, shpwn in, eftmost 패널), 1 mm (상단 이미지), 100 μm (하단 이미지). 이 그림의 더 큰 버전을 보려면 여기를 클릭하십시오.

Disclosures

저자는 공개 할 것이 없습니다.

Acknowledgements

이 연구는 국립 암 연구소 (NCI) 보조금 U54CA143798 및 U54CA143907에 의해 자금 지원을 받아 Dana-Farber Cancer Institute 및 Southern California 대학에서 물리 과학 종양 센터 (PS-OC)를 설립했습니다. SM Mumenthaler는이 작업 중 일부를 지원하는 PS-OC 트랜스 네트워크 상을 수상했습니다.

우리는 Operetta HCS 플랫폼을 기부 한 박애주 의자, 특히 Stephenson 가족, Emmet, Toni 및 Tessa에게 깊은 감사의 말을 전합니다. J. Foo 교수와 응용 분자 과학 센터 팀 : D. 임상 지침 및 멘토링을위한 Agus, 실험 디자인과의 의미있는 토론을위한 Patsch, R. Rawat, 이미지 분석 프로토콜 지원 , Operetta와의 기술 지원에 대한 J. Katz, 그리고 도움이되는 토론과 피드백을위한 P. Macklin과 D. Ruderman.

Materials

Name Company Catalog Number Comments
RPMI-1640 Corning 10-040-CV cell culture medium
Fetal Bovine Serum (FBS) Gemini 100-106 medium supplement
Penicillin/streptomycin Gibco 15-140-122 medium supplement
TC20 Biorad 1450102 cell counter
TC20 slides with trypan blue Biorad 1450003 cell counter slides
96-well plates Corning 3904 clear bottom black plates
Erlotinib LC Laboratories E-4007
DMSO VWR 317275-100ML solution to resuspend drug
Hoechst Invitrogen H21491 nuclear dye
Propidium Iodide (PI) Invitrogen P1304MP dead cell stain
Cell Tracker Orange CMRA Life Technologies C34551 whole cell stain
Operetta high content imaging system Perkin Elmer
CellProfiler Broad Institue version 2.2.0 (rev 9969f42) http://cellprofiler.org/releases/
Cell culture incubator Any cell culture incubator will be suitable - cells were cultured under 37 ºC at 5% CO2.
15 mL Falcon conical tubes Falcon 14-959-53A
10 cm2 cell culture plates TPP 93040

DOWNLOAD MATERIALS LIST

References

  1. Kanemura, Y., et al. Evaluation of in vitro proliferative activity of human fetal neural stem/progenitor cells using indirect measurements of viable cells based on cellular metabolic activity. J Neurosci Res. 69, (6), 869-879 (2002).
  2. Plumb, J. A., Milroy, R., Kaye, S. B. Effects of the pH dependence of 3-(4,5-dimethylthiazol-2-yl)-2,5-diphenyl-tetrazolium bromide-formazan absorption on chemosensitivity determined by a novel tetrazolium-based assay. Cancer Res. 49, (16), 4435-4440 (1989).
  3. Hsu, S., et al. Green tea polyphenols induce differentiation and proliferation in epidermal keratinocytes. J Pharmacol Exp Ther. 306, (1), 29-34 (2003).
  4. Caicedo, J. C., Singh, S., Carpenter, A. E. Applications in image-based profiling of perturbations. Curr Opin Biotechnol. 39, 134-142 (2016).
  5. Sero, J. E., et al. Cell shape and the microenvironment regulate nuclear translocation of NF-kappaB in breast epithelial and tumor cells. Mol Syst Biol. 11, (3), 790 (2015).
  6. Chen, J. F., et al. Subclassification of prostate cancer circulating tumor cells by nuclear size reveals very small nuclear circulating tumor cells in patients with visceral metastases. Cancer. 121, (18), 3240-3251 (2015).
  7. Ohlund, D., Elyada, E., Tuveson, D. Fibroblast heterogeneity in the cancer wound. J Exp Med. 211, (8), 1503-1523 (2014).
  8. Paraiso, K. H., Smalley, K. S. Fibroblast-mediated drug resistance in cancer. Biochem Pharmacol. 85, (8), 1033-1041 (2013).
  9. Kalluri, R. The biology and function of fibroblasts in cancer. Nat Rev Cancer. 16, (9), 582-598 (2016).
  10. Carpenter, A. E., et al. CellProfiler: image analysis software for identifying and quantifying cell phenotypes. Genome Biol. 7, (10), R100 (2006).
  11. Jones, T. R., et al. CellProfiler Analyst: data exploration and analysis software for complex image-based screens. BMC Bioinformatics. 9, 482 (2008).
  12. Dao, D., et al. CellProfiler Analyst: interactive data exploration, analysis and classification of large biological image sets. Bioinformatics. 32, (20), 3210-3212 (2016).
  13. Garvey, C. M., et al. A high-content image-based method for quantitatively studying context-dependent cell population dynamics. Sci Rep. 6, 29752 (2016).
  14. Juarez, E. F., et al. Quantifying differences in cell line population dynamics using CellPD. BMC Syst Biol. 10, (1), 92 (2016).
  15. Mumenthaler, S. M., et al. The Impact of Microenvironmental Heterogeneity on the Evolution of Drug Resistance in Cancer Cells. Cancer Inform. 14, Suppl 4. 19-31 (2015).

Comments

0 Comments


    Post a Question / Comment / Request

    You must be signed in to post a comment. Please or create an account.

    Usage Statistics