Uma plataforma integrada de espectroscopia e espectrometria de massa para estudar a absorção, metabolismo e efeitos de drogas unicelulares

Biochemistry
 

Summary

Este protocolo apresenta uma plataforma integrada de espectroscopia-massa raman (EM) que é capaz de alcançar a resolução unicelular. A espectroscopia raman pode ser usada para estudar a resposta celular aos medicamentos, enquanto a EM pode ser usada para análise direcionada e quantitativa da captação e metabolismo de medicamentos.

Cite this Article

Copy Citation | Download Citations | Reprints and Permissions

Ali, A., Abouleila, Y., Germond, A. An Integrated Raman Spectroscopy and Mass Spectrometry Platform to Study Single-Cell Drug Uptake, Metabolism, and Effects. J. Vis. Exp. (155), e60449, doi:10.3791/60449 (2020).

Please note that all translations are automatically generated.

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

Abstract

As células são conhecidas por serem inerentemente heterogêneas em suas respostas às drogas. Portanto, é essencial que a heterogeneidade unicelular seja contabilizada em estudos de descoberta de medicamentos. Isso pode ser alcançado medindo com precisão a infinidade de interações celulares entre uma célula e uma droga no nível unicelular (ou seja, captação de drogas, metabolismo e efeito). Este artigo descreve uma plataforma de espectroscopia e espectrometria de massa (EM) de ramano para monitorar alterações metabólicas de células em resposta a drogas. Usando esta plataforma, as mudanças metabólicas em resposta à droga podem ser medidas pela espectroscopia de Raman, quando a droga e seu metabolito puderem ser quantificados usando a espectrometria maciça na mesma pilha. Os resultados sugerem que é possível acessar informações sobre captação de drogas, metabolismo e resposta em um nível unicelular.

Introduction

As células respondem de forma diferente às mudanças em seu microambiente no nível unicelular, um fenômeno denominado heterogeneidade celular1. Apesar disso, os estudos atuais de descoberta de medicamentos são baseados em medições médias de populações celulares, que ofuscam informações sobre potenciais subpopulações, bem como variações unicelulares2. Esta informação ausente pode explicar por que algumas células são mais suscetíveis a drogas, enquanto outros são resistentes. Curiosamente, a falta de informações unicelulares sobre a resposta a medicamentos é uma possível razão para o fracasso dos ensaios clínicos de fase II dos medicamentos3. Portanto, para resolver esse problema, as interações celulares com a droga (ou seja, captação, metabolismo e resposta) devem ser medidas no nível unicelular.

Para conseguir isso, nós projetamos um sistema único em que as células únicas vivas são rastreadas usando espectroscopia Raman sem rótulo, em seguida, caracterizado ainda mais usando espectrometria de massa4. A espectroscopia de Raman fornece uma impressão digital molecular do estado celular, um espectro complexo resultante das contribuições de muitas moléculas dentro da célula. Apesar dessa complexidade, pode-se considerar que as impressões digitais de Raman refletem a estrutura eometabolismo de uma célula inteira5,6. A espectroscopia raman se destaca na medição de estados celulares de forma não invasiva e relativamente alta, o que o torna útil para triagem e avaliação da resposta a medicamentos no nível unicelular.

Em contraste, a EM fornece a sensibilidade e a seletividade necessárias para medir a captação de medicamentos no nível unicelular. Como a EM é destrutiva (a amostra [célula] é normalmente consumida durante a análise), integrá-la com espectroscopia Raman não destrutiva e sem rótulos pode fornecer uma alta sobre-oferta e um sistema sensível. Esta plataforma combinada é capaz de fornecer mais informações sobre a captação de drogas, metabolismo e efeitos no nível unicelular.

Este manuscrito elucida um protocolo usado para estudar as interações celulares com drogas no nível unicelular usando culturas in vitro usando uma plataforma Raman-MS integrada. Para fazer isso, as células carcinoma hepatocelular (HepG2) e tamoxifeno são usadas como modelo. As células hepG2 foram escolhidas porque ocupam tamoxifeno e metabolizar a droga, e eles são simultaneamente afetados devido aos seus efeitos hepatotóxicos. Dois estados são usados neste manuscrito: células tratadas com drogas versus células não tratadas (controle).

Protocol

1. Cultura celular

  1. Células de cultura de interesse em uma mídia cultural apropriada. Penicilina-estreptomicina pode ser adicionada para evitar a contaminação. No caso das células HepG2, as células culturais em uma mídia cultural contendo o meio modificado da Águia de Dulbecco (DMEM) complementada com 10% de soro bovino fetal (FBS) e 0,1% penicilina-estreptomicina. Para faciltate Raman medições espectroscopia, as células podem ser cultivadas em um 0,1% de gelatina revestido prato de vidro-bottom ou slides de quartzo.
  2. Incubate células por 2 dias a 37 °C e 5% CO2 em uma incubadora umidificada.
  3. Sincronizar as culturas celulares para chegar a 70% de confluência.
  4. Células subculturais em um prato de grade de 35 mm com fundo de vidro ou lâminas de quartzo usando o mesmo meio em uma densidade de semeadura de 0,7 x 106, em seguida, incubar a 37 °C para 24 h.
    NOTA: Pratos ou slides de cultura podem ser pré-revestidos com solução de revestimento de colágeno ou gelatina com uma relação de superfície de cultura de 5 ug/cm2 para permitir que eles consertem, garantindo sua sobrevivência durante a medição.

2. Tratamento medicamentoso

  1. Retire as culturas celulares da incubadora e lave 2x com tampão PBS pré-aquecido (37 °C).
    NOTA: É ideal para remover as células para o tratamento de drogas em uma confluência de 50%-60%.
  2. Divida as células em subgrupos tratados e não tratados em pratos de cultura de 35 mm.
  3. Misture a droga de escolha com a mídia cultural. Por exemplo, dissolva o tamoxifeno no dimetil sulfoxida (DMSO) e misture-se com a mídia cultural para obter um volume final de 2 mL e concentração de tamoxifeno de 10 μM. Este será o grupo tratado com drogas.
  4. Misture um volume correspondente de solvente (DMSO) no meio como um controle para estudar os efeitos do DMSO. Este será o grupo de controle.
  5. Incubar ambos os grupos em 2 mL da mídia cravada preparado em etapas 2.3-2.4 para 24 h. A confluência esperada após a incubação deve ser de 70% a 80%.

3. Raman imagem espectral e processamento espectral

NOTA: Embora os sistemas de espectroscopia Raman estejam disponíveis comercialmente, o sistema de espectroscopia Raman usado aqui é um microscópio confocal de varredura de linha construído em casa anteriormente descrito7,8. Resumidamente, este sistema está equipado com um laser de estado sólido bombeado de 532 nm. A luz laser é moldada em um plano usando uma lente cilíndrica, que permite a medição de 400 espectros em uma única exposição. Os espectros de Raman foram gravados usando uma câmera ccd resfriada montada em um policromador que usa uma grade de 1.200 sulcos/mm para maximizar a resolução espectral da região de impressão digital (de 500-1.800 cm-1). Esta área espectral contém uma alta densidade de frequências específicas para moléculas que gera dispersão de Raman. Uma lente de imersão na águaobjetiva (NA = 0,95) também é usada. A resolução espacial deste sistema é de ~300 nm e a resolução espectral é de 1 cma 1. Para garantir a sobrevivência celular durante o experimento, uma microcâmara fixada em um estágio de microscópio motorizado é usada.

  1. Antes das medições espectrais, verifique o alinhamento da ótica. Um pinhole de 50 μm pode ser usado para verificar se o pinhole e a posição do laser combinam exatamente. Digite a fenda espectrômetro quando estreitado, tanto quanto possível.
  2. Use etanol para calibrar o espectrômetro antes de cada experimento. Para fazer isso, coloque o EtOH em um prato com fundo de vidro, meça o espectro em uma determinada intensidade laser (medida na amostra) por 1 s, e associe o pico a comprimentos de onda conhecidos7.
  3. Minimize a intensidade do laser na amostra para ~2.4 mW/μm2 para que as células sobrevivam à exposição a laser.
  4. Configure a microcâmara a 5% de CO2 e 37 °C.
  5. Uma vez que o sistema do microscópio está pronto, remova pilhas da incubadora e lave imediatamente pilhas 2x com tampão aquecido de PBS (37 °C) a seguir adicione 2 mL de PBS aquecido (37 °C) ou DMEM para resuspender as pilhas.
    NOTAS: Tanto pbs e fluorobrite dmem baseado mídia são opções suficientes para raman espectroscopia medidas porque eles produzem um sinal de fundo mínimo.
  6. Adicione 10 μL de água na lente objetiva de imersão na água e coloque delicadamente o prato de célula com fundo de vidro no estágio do microscópio.
  7. Medir cada célula, concentrando a linha laser. Um tempo de exposição de 15 anos por célula é suficiente aqui para obter uma seção transversal de uma célula com um sinal claro de Raman. Um espelho de galvano permite a digitalização de uma célula ou um grupo de células dentro de várias dezenas de minutos.
    NOTAS: Maior resolução de imagens espectrais completas de células requer mais tempo e pode levar a danos fotográficos. Aqui, as células foram medidas usando uma exposição de linha única para obter uma seção transversal de cada célula. Esta abordagem é um bom trade-off para aumentar a produção e obter informações suficientes para discriminar as células, garantindo também a viabilidade celular, limitando photodamage.

4. Pré-processamento de dados espectrais e análises multivariadas

NOTA: O pré-processamento é uma etapa necessária antes da análise adicional, a fim de remover variações técnicas indesejadas dentro dos dados espectrais. Devido à diversidade dos métodos e software, uma lista exaustiva não pode ser fornecida, e há muitas revisões úteis encontradas na literatura7,8. Nesta seção, descrevemos brevemente a abordagem usada para analisar e interpretar dados espectrais de Raman obtidos de células individuais vivas.

  1. Extrato e pré-processe imagens de Raman para remover possíveis interferências de raios cósmicos.
    NOTA: Eixo espectral de espectros obtidos durante diferentes dias/semanas/meses pode incluir algumas variações devido a pequenas variações técnicas durante a calibração usando etanol. Isso afetará fortemente as análises multivariadas subsequentes e comparações estatísticas. No caso de os experimentos serem realizados durante diferentes semanas/meses, pequenas variações ópticas são esperadas. Neste caso, os dados devem ser interpolados para corrigir eventuais mudanças espectrais dos dados em todos os experimentos. Interpolação usando spline cúbico é usado aqui. Após esta etapa, todo o eixo espectro deve ser alinhado. Uma escala de 500-1.800 cm-1 é considerada para a análise subseqüente.
  2. Extrair dados espectrais de células e fundo (ausência de células) de cada imagem usando um algoritmo caseiro. Subtraia o sinal de fundo do sinal da célula. Em seguida, calcula a média dos espectros dos pixels restantes, que devem corresponder a uma única célula. As seguintes etapas são executadas usando os espectros 2D das pilhas.
  3. Realize uma correção de linha de base usando o ModPoly9 ou qualquer outro algoritmo que ele estimou para caber suficientemente. Apare a gama espectral para 600-1.700 cm-1 para selecionar a região de impressão digital e garantir que não haja efeitos de borda indesejados sobre os espectros devido à má montagem polinomial.
  4. Realize uma etapa de normalização, como normalização vetorial (a intensidade em cada número de onda é dividida pela norma l2 global ou valor singular máximo de um espectro) para normalizar a intensidade espectral10,embora outras normalizações possam ser consideradas.
  5. Prepare um conjunto de dados com o rótulo apropriado para cada classe/condição.
    NOTA: Análises espectrais comparativas podem ser analisadas para explorar a natureza de possíveis diferenças entre a classe/condições celulares (por exemplo, subtraindo o espectro médio do grupo controle a outros grupos para identificar regiões de interesse [como potenciais biomarcadores]). Os cálculos de pontuações da ANOVA e da Fisher também podem ser realizados10.
  6. Para identificar células tratadas e não tratadas com base em características espectrais, análises multivariadas podem ser aplicadas. Os dados espectrais normalizados devem ser utilizados como conjunto de dados de formação, e um conjunto de dados desconhecido (sem rótulo) de um experimento de replicação deve ser usado como dados de teste, se possível.
    NOTA: A análise discriminante realizada em algum vetor de uma análise de componente principal (PCA-DA10),projeção em escores latentes seguidas de análise discriminante (PLS-DA) e máquinas vetoreiras de suporte (SVM)11 são modelos frequentemente usados no campo, e cada um apresenta diferentes considerações estatísticas. Consequentemente, o pré-processamento de dados deve ser realizado.
  7. Use o aprendizado de máquina que se adapte aos objetivos experimentais. Aqui, uma projeção sobre o modelo de estrutura latente (PLS) é construída usando a região de impressão digital espectral de Espectros raman (600-1.710 cm-1)11,12. Mean-center os dados, se necessário. Para a validação cruzada do modelo, diferentes técnicas podem ser aplicadas.
    NOTA: Aqui, uma validação cruzada cega veneziana com 10 divisões é aplicada. A complexidade do modelo (número de componentes ou variável latente) deve ser testada para que o melhor modelo minimize o erro quadrado de raiz média (RMSE) valor. Verificou-se que três vetores latentes (LVs) forneceram a melhor discriminação com o nosso conjunto de dados.
  8. Identifique quais picos espectrais de Raman contribuem para a discriminação das células (por exemplo, traçando a pontuação de importância variável na projeção [VIP] para cada número de onda raman ou a magnitude do coeficiente de regressão).
    NOTAS: A pontuação VIP de uma variável é calculada como uma soma ponderada das correlações quadradas entre os componentes PLS-DA e a variável original. Detalhes sobre PLS e algoritmo de pontuações VIP podem ser encontrados na literatura11,12.

5. Configuração de amostragem de células únicas e procedimentos

  1. Corrigir o sistema de amostragem celular no microscópio Raman, como mostrado na Figura 1. Conecte o micromanipulador 3D ao suporte capilar de vidro que é unido a uma seringa vazia para a amostra que suga aplicando a pressão negativa(figura 1).
  2. Defina o microscópio em um campo de ampliação alta (40x) para observar a ponta do capilar de vidro e certifique-se de que não está quebrado. Controle a posição do capilar de vidro usando o micromanipulador (x-, y-, z-machados). Certifique-se de que a ponta capilar é centrada no campo de visão, em seguida, mover o capilar no eixo z para dar folga para o prato de cultura mais tarde.
    NOTA: A microamostragem das células é realizada pelo capilar de vidro para células com diâmetros entre 10-15 μm. Recomenda-se um capilar com um tamanho de furo de ~5 μm. Se o tamanho do furo for muito pequeno, a ponta capilar será conectada pela célula e, se for muito grande, a sensibilidade das medições posteriores da EM pode ser comprometida.
  3. Coloque a placa de amostra / prato no palco do microscópio, ajustar a ampliação e foco, selecione a célula-alvo no prato grade, e movê-lo para o centro de vista. Em seguida, abaixe cuidadosamente o capilar de vidro usando micromanipulador (z-eixo) até que a ponta entre em foco.
    NOTA: Certifique-se de não mover o capilar no x- e y-eixos até que o capilar está em foco.
  4. observação microscópica, toque na célula única alvo com a ponta capilar, em seguida, comece a aplicar pressão negativa usando a seringa para prender a célula dentro da ponta capilar. Registre este procedimento tirando uma foto ou vídeo para verificar o momento e a localização sugada da célula com precisão, se necessário.
  5. Mova o capilar para cima no eixo z. Em seguida, retire o capilar do suporte capilar usando fórceps em preparação para a análise da EM.

6. Medições de espectrometria de massa

  1. Calibrar a precisão em massa do instrumento MS de acordo com as recomendações do fabricante. Após a calibração, certifique-se de que o erro de massa não é maior do que 3 ppm.
  2. Otimizar o instrumento em EM para parâmetros mais adequados para o anlito de interesse.
    NOTA: No caso da análise de tamoxifeno e 4-OHT, os parâmetros do instrumento são definidos para o seguinte: temperatura capilar de entrada: 400 °C, tensão spray: 1500 V, meta de controle de ganho automático (AGC): 5.00E+06, Nível de RF de lente S: 90%, faixa DE SIM: 347-397 m/z, sim tempo máximo de injeção: 200 ms, Sim resolução: 140.000 FWHM, MS/ MS gama: 50-400 m/z, MS/ MS AGC meta: 2.00E+05, MS / MS tempo máximo de injeção: 100 ms, MS / MS resolução: 17.500 FWHM, MS / MS janela de isolamento: 1 m /z, MS / MS energia de colisão normalizada (NCE): 35.
  3. Configure um método de aquisição automática com uma duração de 5 min para o modo SIM para alcançar a quantidade relativa, e outro método de EM/EM para identificação positiva da droga e seu metabólito. Os parâmetros do método de aquisição devem ser definidos para os valores otimizados mencionados na etapa 6.2.
  4. Prepare o solvente de ionização um capô de fumaça. A composição solvente depende do anályte de interesse. Aqui, o solvente orgânico utilizado consiste em 80% MeOH, 10% DMSO e 0,1% de ácido fórmico.
  5. Misture um padrão interno apropriado com o solvente orgânico antes das medições. Neste experimento, 5,31 nM de d5-tamoxifeno é usado como um padrão interno.
  6. Para evitar falsos positivos, assapirata os meios de comunicação em torno das células tratadas com a droga usando um capilar de tamanho furo de 1 μm com observação microscópica constante para evitar a amostragem de quaisquer partes celulares.
  7. Adicione 2 μL do solvente de ionização para a extremidade larga do capilar contendo a mídia usando uma pipeta anexada a pontas carregador. Em seguida, analise os meios de comunicação amostrados por EM, verifique se há presença do anályte de interesse (normalmente, não deve ser detectável).
  8. Adicione 2 μL o solvente de ionização ao capilar contendo a célula, conserte o capilar a um adaptador de nanoeletrospray (nano-ESI) conectado a um espectrômetro de massa adequado e inicie o método de aquisição automática.

7. Processamento e análise de dados de espectrometria de massa

NOTA: Qualquer software adequado pode ser usado para realizar análise de dados. No entanto, se os pesquisadores desejam realizar a análise de dados usando um software que não é fornecido pelo fornecedor de EM, então os dados brutos devem ser convertidos do formato de fornecedor proprietário para um formato aberto ou como um arquivo de texto primeiro (que foi feito aqui).

  1. Normalize os dados dividindo a área de pico do analyte de interesse (s) por a do padrão interno a partir da mesma varredura de EM. Em seguida, o log transforma as proporções de pico para reduzir a distorção.
  2. Trace a intensidade normalizada da droga ou seu metabólito como uma caixa ou curva de densidade para visualizar a distribuição em células únicas. Aqui, o software estatístico R é usado, juntamente com o pacote ggplot2.
  3. Calcule a droga metabolizada em relação de drogas não metabolizadas dividindo a abundância do metabólito da droga pela molécula de pai não metabolizada em cada célula (ou seja, 4-OHT e tamoxifeno, respectivamente.
    NOTA: A correlação entre variações de picos específicos de interesse de Raman e as variações nos picos de EM da droga ou seus metabólitos pode ser estudada. Esta é uma adição à possível correlação entre a droga em si e seu metabólito em células únicas. Isso pode ser feito calculando o coeficiente de correlação Pearson usando um teste de duas caudas. Abordagens integrativas mais avançadas também devem ser consideradas.

Representative Results

A análise unicelular das interações medicamentosas (captação, metabolismo e efeitos) é essencial para descobrir qualquer subpopulação oculta ou resistente a medicamentos, bem como compreender os efeitos da heterogeneidade celular. Neste protocolo, duas técnicas complementares foram usadas para medir as interações acima mencionadas em células individuais: espectroscopia Raman e espectrometria ms. Raman identifica rapidamente as células afetadas por drogas com base em biomarcadores espectrais da resposta à droga. A EM é usada para monitorar a captação e o metabolismo da droga de forma seletiva e semi-quantitativa. As células foram primeiro rastreadas pela espectroscopia Raman, em seguida, amostrados individualmente para análise por EM.

Uma análise comparativa do espectro médio de cada condição (com e sem tratamento medicamentoso) é mostrada na Figura 2. O espectro médio das duas condições difere claramente em vários picos, que foram previamente identificados e atribuídos a compostos moleculares2. Em particular, os picos de 1000 cm- (atribuído a compostos aromáticos, como fenilalanina e tirosina) mostram fortes diferenças. A importância da diferença estatística deve ser avaliada por novas análises multivariadas.

O conjunto de dados foi então utilizado para treinar um modelo PLS (passos 4,5-4,8) com o objetivo de distinguir os tratamentos de duas células (com droga: n = 290, sem droga: n = 115). A capacidade preditiva de classificar as células cultivadas na presença de tamoxifeno atingiu 100% de sensibilidade e 72% de especificidade nos dados do teste (desconhecido do modelo treinado cruzado). A sensibilidade é uma medida dos verdadeiros aspectos positivos que são corretamente identificados pelo modelo, enquanto a especificidade é uma medida dos negativos reais que são identificados pelo modelo. Modelos alternativos, como SVMs, LDAs e redes neurais, podem fornecer resultados semelhantes ou melhores, embora uma comparação abrangente não tenha sido realizada neste estudo.

Com base no modelo PLS, foram calculadas as pontuações VIP, o que representa a importância dos comprimentos de onda (mudanças de Raman) na discriminação das condições experimentais(Figura 3). Importante, os picos os mais elevados dos perfis do VIP corresponderam aos picos de Raman para que as diferenças fortes foram consideradas entre os dois tratamentos. Isto confirmou as diferenças moleculares específicas entre pilhas tratadas e não tratadas. Consequentemente, os pesquisadores podem identificar possíveis biomarcadores espectrais que refletem a resposta de células únicas ao tratamento medicamentoso. Esses biomarcadores podem ser testados ainda mais para verificar sua relevância biológica e generalização em várias condições e linhas celulares.

Um sistema vivo de espectrometria de massa unicelular (LSC-MS) foi capaz de detectar tanto a droga quanto seus metabólitos em células HepG2 únicas tratadas com drogas que foram previamente medidas pela espectroscopia Raman. Além disso, a EM tandem pode ser usada para confirmar a estrutura de ambas as moléculas. Após a identificação positiva, a abundância relativa da droga e seus metabólitos foram medidas em cada célula e em comparação com picos de fundo em células não tratadas. Forte variação foi observada na abundância de tamoxifeno, e esse fenômeno foi ainda mais pronunciado no caso de seu metabólito, 4-OHT (Figura 4). A relação entre a abundância de tamoxifeno e seus metabólitos também foi estudada, na qual foi encontrada uma correlação positiva significativa entre os dois (r = 0,54, p = 0,0001, n = 31).

Figure 1
Figura 1: Sistema de colheita de células montado em um estágio de microscópio. Clique aqui para ver uma versão maior deste número.

Figure 2
Figura 2: Espectro médio das células tratadas com drogas (com tamoxifeno: n = 295) e células não tratadas (sem tamoxifeno: n = 115). Os picos de Raman podem ser identificados a partir da literatura. A maioria das fortes diferenças espectrais são estatisticamente significativas (ANOVA, p ≤ 0,5), conforme descrito anteriormente4. Este número foi modificado a partir de uma publicação anterior4. Clique aqui para ver uma versão maior deste número.

Figure 3
Figura 3: Pontuações VIP extraídas do modelo PLS preditivo. As pontuações VIP refletem os comprimentos de onda que contribuem para a distinção entre as duas classes do modelo. A maioria dos picos correspondem a moléculas específicas que são observadas como biomarcadores espectrais de efeitos de drogas em células tratadas com drogas. Este número foi modificado a partir de uma publicação anterior4. Clique aqui para ver uma versão maior deste número.

Figure 4
Figura 4: Distribuição de abundância de tamoxifeno e seu metabólito. Distribuição de abundância de tamoxifeno e seu metabólito, 4-OHT (medido no nível unicelular) em comparação com picos endógenos nas células não tratadas (controle). Este número foi modificado a partir de uma publicação anterior4. Clique aqui para ver uma versão maior deste número.

Discussion

Neste manuscrito, um caso simples foi escolhido em que as células HepG2 foram expostas (ou não) ao tamoxifeno. A capacidade de um sistema de espectroscopia e espectrometria de massa ramano é demonstrada para monitorar os efeitos do tamoxifeno nas células. A espectroscopia de Raman permitiu a identificação de potenciais biomarcadores que refletiam uma resposta geral de células individuais à exposição a medicamentos. Alguma heterogeneidade entre as células únicas foi observada, sugerindo que algumas células não responderam à exposição à droga. Por outro lado, o LSC-MS foi capaz de realizar uma análise direcionada da droga e seu metabólito no nível unicelular, no qual um alto grau de heterogeneidade foi observado na droga e em sua abundância de metabólitos. Esta heterogeneidade ajuda a explicar por que algumas células são afetadas pela droga, enquanto outros aparentemente não são, apesar das células provenientes de uma população supostamente uniforme12.

Entre os aspectos específicos desta técnica que requerem atenção, é importante avaliar a qualidade da configuração do microscópio e processamento de sinal para garantir a reprodutibilidade dos dados. Se o pré-processamento dos espectros for feito com cuidado, as variações de sinal devem ser maximizadas no máximo local de cada pico. Por outro lado, a linha de base e a borda dos espectros devem sobrepor-se entre as condições celulares testadas. Outro aspecto importante é o modelo multivariado utilizado para investigar as diferenças entre os tratamentos. É preciso avaliar cuidadosamente os modelos e parâmetros do modelo para garantir uma análise precisa e precisa. Uma vantagem do modelo PLS, ao contrário das redes neurais, é que ele permite o acesso aos pesos associados a cada comprimento de onda (mudanças de Raman) que melhor distinguem as condições testadas pelo modelo.

Apesar da espectroscopia de Raman discriminar com sucesso a resposta da droga, deve-se salientar que esta técnica é limitada em seu uso para fornecer interpretação biológica. Isto é principalmente devido à complexidade do sinal espectral, que abrange uma mistura de milhares de moléculas. Portanto, é necessária uma investigação mais aprofundada para avaliar as variações sistemáticas entre as intensidades espectrais de Raman e as variações nas concentrações de medicamentos. Além disso, estudos semelhantes de outras linhas celulares são necessários para avaliar a generalização de biomarcadores espectrais associados ao tamoxifeno.

Além disso, pode ser de interesse realizar medições de tecidos vivos para avaliar a farmacodinâmica e estudar como as drogas penetram e fluem dentro de cada célula. Além disso, deve-se notar que o passo de amostragem no LSC-MS é altamente dependente da habilidade do operador. Parâmetros como resolução espacial, posição celular dentro do capilar após a amostragem e força de taxa de produção são totalmente dependentes do operador, o que limita a adoção em larga escala do LSC-MS. Embora, sistemas automatizados de amostragem possam aliviar esse problema. Além disso, enquanto o LSC-MS se destaca na amostragem de células aderentes ou flutuantes em seus estados nativos, ele executa mais mal em células de amostragem incorporadas em seções de tecidos. Isto é devido à tendência da ponta capilar da amostragem quebrar se a densidade da amostra é elevada. Portanto, outra abordagem, como a sonda única, pode ser mais adequada nesses casos14,15.

Como as células aqui utilizadas são amostradas em condições ambientais com preparação mínima de amostras, o LSC-MS pode ser facilmente integrado com outras tecnologias, como mostra sua integração com Raman neste protocolo. Outra integração semelhante com a holografia 3D permitiu alcançar a quantidade absoluta de metabólitos celulares no nível subcelular16. Além disso, a integração com citometria de fluxo permitiu a descoberta de biomarcadores metabólicos em células tumorais circulantes únicas de pacientes com câncer de neuroblastoma17,18.

No futuro, devido ao recente crescente interesse em combinar conjuntos de dados das modalidades de imagem19,também pode ser de interesse estudar as variações sistemáticas entre os sinais de Raman e os resultados da espectrometria de massa (bem como outros métodos omics) usando abordagens computacionais integrativas. Curiosamente, já encontramos várias correlações lineares fracas, mas significativas, entre as intensidades dos picos de Raman identificadas pelas pontuações VIP e a abundância de tamoxifeno ou seu metabólito no nível unicelular, conforme identificado pela MS4. Esses dados podem sugerir uma relação metabólica entre os perfis de EM e os espectros de Raman e a possibilidade de prever esses valores.

Disclosures

Os autores declaram nenhum conflito de interesses.

Acknowledgments

Os autores agradecem toshio yanagida por seu apoio e RIKEN fundos colaborativos internos atribuídos ao Dr. Arno Germond.

Materials

Name Company Catalog Number Comments
0.1% penicillin-streptomycin Nacalai Tesque 09367-34
35mm glass bottom grid dish Matsunami
4-Hydroxy Tamoxifen standard Sigma-Aldrich 94873
532 nm diode pumped solid-state laser Ventus, Laser Quantum
BIOS-L101T-S motorized microscope stage OptoSigma
CT-2 cellomics coated sampling capillaries HUMANIX
d5-Tamoxifen standard Cambridge Isotope Laboratories
Dimethyl sulfoxide LC-MS grade Nacalai Tesque D8418
Dulbecco's Modified Eagle's medium Sigma-Aldrich D5796
Eppendorf GELoader tips Eppendorf
fetal bovine serum Hyclone laboratories SH3006603
FluoroBrite DMEM Thermo Fisher Scientific
Formic acid LC-MS grade Sigma-Aldrich 33015
HepG2 cell line (RCB1886) RIKEN cell bank center RCB1886
MC0-19A1C Incubator Sanyo Electric Co. MC0-19A1C
Methanol LC-MS grade Sigma-Aldrich 1060352500
MMO-203 3-D Micromanipulator Narshige MMO-203
NA:0.95, UPL40 water-immersion Olympus objective lens Olympus
Nanoflex nano-ESI adaptor Thermo Fisher Scientific ES071
On-stage incubator ibidi
Pierce LTQ Velos ESI calibration solution Thermo Fisher Scientific 88323
PIXIS BR400 cooled CCD camera Princeton Instruments
Q-Exactive Orbitrap Thermo Fisher Scientific
Rat-tail collagen coating solution Cell Applications Inc.
Tamoxifen standard Sigma-Aldrich 85256

DOWNLOAD MATERIALS LIST

References

  1. Altschuler, S. J., et al. Cellular heterogeneity: do differences make a difference? Cell. 141, (4), 559-563 (2010).
  2. Ali, A., et al. Single-cell metabolomics by mass spectrometry: Advances, challenges, and future applications. TrAC Trends in Analytical Chemistry. (2019).
  3. Bunnage, M., et al. Target validation using chemical probes. Nature Chemical Biology. 9, (4), 195-199 (2013).
  4. Ali, A., et al. Single-Cell Screening of Tamoxifen Abundance and Effect Using Mass Spectrometry and Raman-Spectroscopy. Analytical Chemistry. 91, (4), 2710-2718 (2019).
  5. Wu, H., et al. In vivo lipidomics using single-cell Raman spectroscopy. Proceedings of the National Academy of Sciences of the United States of America. 108, (9), 3809-3814 (2011).
  6. Okada, M., et al. Label-free Raman observation of cytochrome c dynamics during apoptosis. Proceedings of the National Academy of Sciences of the United States of America. 109, (1), 28-32 (2012).
  7. Palonpon, A. F., et al. Raman and SERS microscopy for molecular imaging of live cells. Nature Protocols. 8, (4), 677-692 (2013).
  8. Butler, H. J., et al. Using Raman spectroscopy to characterize biological materials. Nature Protocols. 11, (4), 664-687 (2016).
  9. Mark, H., Workman, J. Jr Chemomtrics in Spectroscopy. Second Edition, Academic Press. (2018).
  10. Lieber, C. A., Mahadevan-Jansen, A. Automated method for subtraction of fluorescence from biological Raman spectra. Applied Spectroscopy. 57, 1363-1367 (2003).
  11. Germond, A., et al. Raman spectral signature reflects transcriptomic features of antibiotic resistance in Escherichia coli. Communications Biology. 1, 85 (2018).
  12. Wold, S., et al. Partial Least Squares Projections to Latent Structures (PLS) in Chemistry. Encyclopedia of Computational Chemistry. (2002).
  13. Chong, I. G., Jun, C. H. Performance of some variable selection methods when multicollinearity is present. Chemometrics and Intelligent Laboratory Systems. 78, (2005).
  14. Inde, Z., Dixon, S. J. The impact of non-genetic heterogeneity on cancer cell death. Critical Reviews in Biochemistry and Molecular Biology. 53, (1), 99-114 (2018).
  15. Pan, N., et al. The single-probe: a miniaturized multifunctional device for single cell mass spectrometry analysis. Analytical chemistry. 86, (19), 9376-9380 (2014).
  16. Rao, W., et al. Applications of the Single-probe: Mass Spectrometry Imaging and Single Cell Analysis under Ambient Conditions. Journal of Visualized Experiments. (112), e53911 (2016).
  17. Ali, A., et al. Quantitative Live Single-cell Mass Spectrometry with Spatial Evaluation by Three-Dimensional Holographic and Tomographic Laser Microscopy. Analytical Sciences: the International Journal of the Japan Society for Analytical Chemistry. 32, (2), 125-127 (2016).
  18. Abouleila, Y., et al. Live single cell mass spectrometry reveals cancer-specific metabolic profiles of circulating tumor cells. Cancer Science. 110, 697-706 (2018).
  19. Hiyama, E., et al. Direct Lipido-Metabolomics of Single Floating Cells for Analysis of Circulating Tumor Cells by Live Single-cell Mass Spectrometry. Analytical Sciences: the International Journal of the Japan Society for Analytical Chemistry. 31, (12), 1215-1217 (2015).
  20. Ryabchykov, O., et al. Fusion of MALDI Spectrometric Imaging and Raman Spectroscopic Data for the Analysis of Biological Samples. Frontiers in Chemistry. 6, 257 (2018).

Comments

0 Comments


    Post a Question / Comment / Request

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

    Usage Statistics