Autores
Contáctenos

Iniciar sesión

Se requiere una suscripción a JoVE para ver este contenido. Inicie sesión o comience su prueba gratuita.

En este artículo

  • Resumen
  • Resumen
  • Introducción
  • Protocolo
  • Resultados
  • Discusión
  • Divulgaciones
  • Agradecimientos
  • Materiales
  • Referencias
  • Reimpresiones y Permisos

Resumen

Aquí se presenta un procedimiento escalonado para la diferenciación in vitro de queratinocitos primarios humanos por inhibición del contacto seguido de caracterización a nivel molecular por el análisis de ARN-seq.

Resumen

Los queratinocitos primarios humanos se utilizan a menudo como modelos in vitro para estudios sobre la diferenciación epidérmica y enfermedades relacionadas. Se han notificado métodos para la diferenciación in vitro de queratinocitos cultivados en formas sumergidas bidimensionales (2D) utilizando diversas condiciones de inducción. Aquí se describe un procedimiento para el método de diferenciación de queratinocitos in vitro 2D por inhibición del contacto y posterior caracterización molecular por ARN-seq. En resumen, los queratinocitos se cultivan en medio de queratinocitos definidos complementados con factores de crecimiento hasta que son totalmente confluentes. La diferenciación es inducida por contactos estrechos entre los queratinocitos y se estimula aún más excluyendo los factores de crecimiento en el medio. Utilizando análisis de ARN-seq, se muestra que ambos 1) queratinocitos diferenciados exhiben firmas moleculares distintas durante la diferenciación y 2) el patrón de expresión génica dinámica se asemeja en gran medida a las células durante la estratificación epidérmica. En cuanto a la comparación con la diferenciación normal de queratinocitos, los queratinocitos portadores de mutaciones del factor de transcripción p63 exhiben morfología alterada y firmas moleculares, consistentes con sus defectos de diferenciación. En conclusión, este protocolo detalla los pasos para la diferenciación de queratinocitos in vitro 2D y su caracterización molecular, con énfasis en el análisis bioinformático de los datos de ARN-seq. Debido a que la extracción de ARN y los procedimientos de ARN-seq han sido bien documentados, no es el foco de este protocolo. El procedimiento experimental de diferenciación in vitro de queratinocitos y tubería de análisis bioinformático se puede utilizar para estudiar eventos moleculares durante la diferenciación epidérmica en queratinocitos sanos y enfermos.

Introducción

Los queratinocitos primarios humanos derivados de la piel humana se utilizan a menudo como modelo celular para estudiar la biología de la epidermis1,2,3,4. La estratificación de la epidermis se puede modelar por diferenciación de queratinocitos, ya sea en una moda monocapa sumergida 2D o 3D aire-lift modelo organotípico2,3,5,6,7. Aunque los modelos 3D se han vuelto cada vez más importantes para evaluar la estructura epidérmica y la función, los modelos de diferenciación 2D siguen siendo ampliamente utilizados, debido a su comodidad y la posibilidad de generar un gran número de células para análisis.

Se han aplicado varias condiciones para inducir la diferenciación de queratinocitos en 2D, incluyendo la adición de suero, alta concentración de calcio, menor temperatura e inhibición de los receptores del factor de crecimiento epidérmico2,3. Cada uno de estos métodos ha sido validado por una serie de genes marcadores de diferenciación de queratinocitos y ha demostrado ser eficaz en la evaluación de la diferenciación de queratinocitos, incluso en condiciones patológicas. Sin embargo, estas condiciones de inducción también muestran diferencias en su eficiencia de diferenciación y cinética cuando se examinan paneles específicos de genes marcadores2,3.

Uno de estos métodos implica la inhibición del contacto con queratinocitos y el agotamiento de los factores de crecimiento en el medio de cultivo8. Se ha demostrado que los queratinocitos pueden diferenciarse espontáneamente cuando las células alcanzan la densidad completa.  Excluir los factores de crecimiento en el medio de cultivo puede mejorar aún más la diferenciación. Se ha demostrado que el método que combina la inhibición del contacto y agota los factores de crecimiento genera que los queratinocitos diferenciados con patrones de expresión génica similares a la epidermis estratificada normal cuando se utilizan varios marcadores epidérmicos3,lo que sugiere que este modelo es adecuado para estudiar la diferenciación normal de queratinocitos. Recientemente, se han notificado dos análisis completos de expresión génica de la diferenciación de queratinocitos utilizando este modelo9,10. Los investigadores validaron este modelo a nivel molecular y demostraron que se puede utilizar para estudiar la diferenciación normal y enferma de queratinocitos.

Este protocolo describe el procedimiento para el método de diferenciación in vitro y el análisis molecular de células diferenciadas utilizando ARN-seq. También ilustra la caracterización del transcriptoma de las células en el día de diferenciación 0 (etapa de proliferación), el día 2, el día 4 y el día 7 (diferenciación temprana, media y tardía, respectivamente). Se muestra que los queratinocitos diferenciados muestran patrones de expresión génica que se asemejan en gran medida a las células durante la estratificación epidérmica. Para examinar si este método se puede utilizar para el estudio de la patología cutánea, aplicamos la misma canalización experimental y de análisis para investigar queratinocitos portadores de mutaciones del factor de transcripción p63 que se derivan de pacientes con ectrodactyly, displasia ectodérmica y síndrome de labio/paladar hendido (CEE)11,12. Este protocolo se centra en la diferenciación in vitro de los queratinocitos, así como en el posterior análisis bioinformático del ARN-seq. Otros pasos en el procedimiento completo como la extracción de ARN, la preparación de muestras de ARN-seq y la construcción de bibliotecas, están bien documentados y se pueden seguir fácilmente, especialmente cuando se utilizan muchos kits comerciales de uso común. Por lo tanto, estos pasos se describen brevemente en el protocolo. Los datos muestran que esta tubería es adecuada para el estudio de eventos moleculares durante la diferenciación epidérmica en queratinocitos sanos y enfermos.

Protocolo

Las biopsias cutáneas se tomaron del tronco de voluntarios sanos o pacientes con mutaciones p63, para establecer el cultivo primario de queratinocitos. Todos los procedimientos relativos al establecimiento de queratinocitos primarios humanos fueron aprobados por el comité ético del Centro Médico Nijmegen de la Universidad Radboud ("Commissie Mensgebonden Onderzoek Arnhem-Nijmegen"). Se obtuvo el consentimiento informado.

1. Diferenciación de queratinocitos primarios humanos por inhibición del contacto

  1. Preparar el medio de crecimiento de queratinocitos (KGM) a partir del keratinocito Basal Medium (Tabla de materiales) cuando sea necesario.
  2. Haga un medio de proliferación de 500 ml utilizando existencias pre-preparadas (KGM-pro; véase el Cuadro 1).
  3. Haga un medio de diferenciación de 500 ml (KGM-dif; véase el Cuadro 2).
    NOTA: KGM con suplementos se puede mantener a 4 oC durante dos semanas. Para un almacenamiento más largo, se puede alícuotar y almacenar a -20 oC.
  4. Sembrartinocitos primarios en la densidad de 5.0–20 x 103 células/cm2,dependiendo de la capacidad proliferativa celular. Agregue suficiente medio KGM-pro para cubrir las células.
    NOTA: 1) Los detalles del cultivo celular regular dentro del medio KGM se pueden encontrar en el sitio web de Lonza13. 2) La densidad de siembra debe probarse para cada línea celular. Por ejemplo, una línea de queratinocitos primarios normal se puede sembrar a una densidad de 5,0 x 103 células/cm2,mientras que una línea portadora mutaciones en el factor de transcripción p63 que sea menos proliferativa debe ser sembrada a una densidad de 20 x 103 células/cm2. 3) Dependiendo de la configuración experimental, varios platos o pozos de células deben ser sembrados para permitir la recolección de muestras en diferentes días de diferenciación en réplicas.
  5. Refrescar las células con el medio KGM-pro durante dos días después de la siembra (siembra el día 0, refrescante para el1o tiempo en el día 3). Después, refresque con el medio KGM-pro cada dos días. Revise las células regularmente, al menos cada dos días.
  6. Inducir la diferenciación celular cuando las células son más del 90% confluentes cambiando el medio a KGM-dif. El día de cambio del medio a KGM-dif se define como el día de diferenciación 0. Recoger las células para otros análisis de ARN lavando primero 2x con DPBS, luego añadiendo el tampón de lisis (de un kit de extracción de ARN).
    NOTA: Con la densidad de siembra antes mencionada, las células deben alcanzar la confluencia dentro de 7-10 días. Las células se pueden sembrar con una densidad inicial más alta para alcanzar la confluencia antes. Si las células no son proliferativas, es posible que la espera más larga no dé lugar a células totalmente confluentes. Es posible que se requiera una mayor densidad de siembra.
  7. Refresque las células con el medio KGM-dif todos los días y recoja las células en el día de diferenciación 2, 4. y 7 para la extracción posterior del ARN.

2. Extracción de ARN

  1. Aísle el ARN total. Esto se puede realizar utilizando un kit de aislamiento de ARN comercial (como Zymo Quick-RNA MicroPrep RNA), o utilizando fenol14. Sin embargo, se recomienda un kit de aislamiento que contenga un tratamiento con DNAse para muestras de ARN-seq para prevenir la contaminación del ADN y el fenol. Un ejemplo de un kit comercial de aislamiento de ARN se muestra en la Tabla de materiales.
  2. Mida la concentración de ARN con un espectrómetro. Tanto el ADN como el ARN tienen un pico de absorción a 260 nm.
    NOTA: 1) La relación entre las absorbancias a 260 nm y 280 nm se utiliza para evaluar la pureza del ARN. Una proporción de alrededor de 2,0 se acepta generalmente como ARN 'puro'. Si la proporción es sustancialmente inferior a 2,0, la muestra podría estar contaminada con contaminantes que se absorben a 280 nm, como proteínas, fenoles u otras sustancias. 2) La relación entre las absorbancias a 260 nm y 230 nm mide la pureza del ácido nucleico. Se espera una relación entre 2,0 y 2,2. Si la relación es sustancialmente menor, la muestra podría estar contaminada con contaminantes que absorben a 230 nm, como EDTA, etanol u otras sustancias.

3. Comprobación de la calidad del ARN

  1. Ejecute el ARN en un chip de ARN Pico bioanalyzer para validar cuantitativamente el número de integridad del ARN (RIN) o en un gel para una medida cualitativa. En general, un RIN de al menos ocho es muy recomendable. Sin embargo, al extraer ARN de los tejidos, el RIN puede ser menor.
    NOTA: Opcionalmente, qPCR puede realizar un control de calidad en el material de ARN.

4. Preparación de la biblioteca RNA-seq

NOTA: La preparación de la biblioteca RNA-seq se realiza a menudo con un kit comercial o bajo entornos comerciales. El protocolo descrito está adaptado de un kit comercial, KAPA RNA HyperPrep Kit con RiboErase (Illumina), con una breve descripción de todos los pasos requeridos: agotamiento del ARN con hibridación de oligo a los ARN ribosomales humanos, fragmentación de ARN, síntesis de primera hebra, síntesis de la segunda hebra y cola A, y limpieza después de cada paso15. Otros kits de preparación de bibliotecas también se pueden utilizar para este propósito. Se recomienda realizar este paso utilizando un kit disponible comercialmente, ya que la calidad de la biblioteca cDNA generada es a menudo más consistente. 2) Los siguientes pasos se describen para la preparación de la biblioteca 1x. Si prepara varias muestras, haga mezclas maestras con un 10% de volumen adicional.

  1. Hibridación de oligo y agotamiento del RRNA
    1. Preparar la mezcla maestra de hibridación de oligo (total de 11 l, con 4,4 ml de tampón de hibridación, 4,4 l de oligos de hibridación y 2,2 l de agua libre de RNase) y la mezcla maestra de agotamiento (total de 5,5 l, con 3,3 l de búfer de agotamiento y 2,2 l de RNase HNase).
    2. Configure el programa de reacción de PCR en un termociclador: 95 oC durante 2 min; rampa de hasta 45 oC a -0,1 oC/s; Pausa de 45 oC; 45 oC durante 30 min; 4 oC para siempre.
      NOTA: Considere comenzar con el doble de LA cantidad de ARN que la necesaria para la amplificación. En el primer intento, utilice la mitad de la cantidad para continuar con los pasos siguientes. Esto es para asegurarse de que todavía hay material para repetir estos pasos con un número diferente de ciclos (ver paso 4.7.2), si los ciclos de amplificación resultan ser insuficientes o sobreamplificados.
    3. Utilice entre 25 ng y 1 g de ARN total en 10 ml de agua libre de RNAse, añada 10 l de mezcla maestra de hibridación de oligo. Coloque las muestras en el termociclador preprogramado e inicie el programa.
    4. Cuando el programa alcance el paso de pausa a 45 oC, añada 5 ml de mezcla maestra de agotamiento a la reacción de hibridación de 20 l sin retirarla del termociclo. Mezcle bien pipeteando hacia arriba y hacia abajo varias veces.
    5. Reanudar el programa de termociclo para continuar con el paso de agotamiento (45 oC durante 30 min).
      NOTA: 1) Coloque las perlas para el agotamiento del ARN (por ejemplo, perlas puras KAPA) a temperatura ambiente (RT) durante el paso de agotamiento para la siguiente parte del protocolo. 2) Considere la preparación de la mezcla maestra de digestión DNase (para la sección 4.2), ya que los reactivos son necesarios directamente después de la limpieza del agotamiento del ARN.
    6. Realice una limpieza de KAPA Pure Beads basada en cuentas de 2,2x: combine la mezcla de ARN (25 l) y las cuentas puras KAPA (55 l), resuspiendo a fondo las perlas en la mezcla de ARN en pipeteando hacia arriba y hacia abajo varias veces.
    7. Incubar en RT durante 5 minutos para permitir la unión de ARN a las perlas, y colocar el(los) tubo(s) en un bastidor de imán para capturar las perlas hasta que el líquido esté limpio, y retirar y desechar cuidadosamente 60 l de sobrenadante.
    8. Manteniendo el(los) tubo(s) en el imán, lavar 2x con 200 l de 80% etanol incubando las perlas con el etanol para ≥30 s y desechar el etanol. Trate de eliminar todo el etanol residual sin alterar las perlas después del segundo lavado.
    9. Seque las perlas en RT durante 3-5 minutos o hasta que todo el etanol se haya evaporado.
      NOTA: El secado excesivo de las perlas puede resultar en un rendimiento reducido.
  2. Digestión DNase
    1. Preparar la mezcla maestra de digestión de DNase (total de 22 l, con 2,2 ml de tampón DNase, 2 l de DNase y 17,8 l de agua libre de RNase).
    2. Resuspender las perlas en la mezcla maestra de digestión DNAse (20 l) pipeteando hacia arriba y hacia abajo varias veces. Incubar el(los) tubo(s) en RT durante 3 minutos para eluir el ARN de las cuentas.
    3. Coloque el(los) tubo(s) en un bastidor de imán para capturar las perlas, hasta que el líquido esté limpio, y transfiera cuidadosamente 20 l de sobrenadante en un tubo limpio.
    4. Incubar el(los) tubo(s) con sobrenadante a 37oC durante 30 min.
      NOTA: Considere la posibilidad de preparar las mezclas maestras de elución, fragmentación y cebado de ARN (para la sección 4.3), ya que los reactivos son necesarios directamente después de la limpieza de la digestión de DNase.
    5. Realice una limpieza basada en cuentas de 2,2x siguiendo 4.1.6–4.1.9.
  3. Elución de ARN, fragmentación y cebado
    1. Prepare la mezcla maestra Fragment, Prime y Elute Buffer (1x) con 11 l de Fragment, Prime y Elute Buffer (2x) y 11 l de agua sin RNase.
    2. Resuspender a fondo las perlas con ARN purificado, tratado con DNase en 22 l de fragmentación, Prime y Elute Buffer (1x) pipeteando hacia arriba y hacia abajo varias veces.
    3. Incubar a temperatura ambiente durante 3 minutos para eluir el ARN de lascuentas, luego coloque el(los) tubo(s) en un imán para capturar las perlas hasta que el líquido esté limpio.
    4. Transfiera cuidadosamente 20 l de sobrenadante en un tubo o tubos. Deseche los tubos con cuentas.
      NOTA: Este es un punto de parada seguro, ya que las muestras se pueden almacenar a -20 oC durante ≤24 h.
    5. Colocar el(los) tubo(s) en un termociclo y llevar a cabo la fragmentación y cebado a 94oC durante 6 min. Resultando en fragmentos de 200-300 bp de largo aproximados.
      NOTA: Incubar durante 8 min a 94oC para fragmentos de 100–200 bp. Cuando utilice ARN parcialmente degradado, fragmente entre 1-6 min a 85 oC dependiendo de la gravedad de la degradación.
    6. Coloque los tubos sobre hielo y proceda inmediatamente a la síntesis de la primera hebra.
  4. Síntesis de la primera hebra
    1. Preparar la primera mezcla maestra de síntesis de hebras (total de 12 l, con 11 l de tampón de síntesis de primera hebra y 1 l de script KAPA).
    2. Configurar el programa de reacción de PCR en un termociclador: 25 oC durante 10 min; 42 oC durante 15 min; 70 oC durante 15 min; 4 oC para siempre.
    3. En hielo, combine 20 ml de ARN cebado fragmentado con 10 ml de la primera mezcla maestra de síntesis de hebra. Mantenga los tubos sobre hielo, mezcle bien pipeteando suavemente la reacción hacia arriba y hacia abajo varias veces.
    4. Coloque el(los) tubo(s) en el termociclador preprogramado e inicie el programa.
  5. Síntesis de segunda hebra y cola A
    1. Preparar la síntesis de la segunda hebra y la mezcla maestra de cola A en hielo (total de 33 l, con 31 ml de tampón de síntesis de segunda hebra y 2 l de síntesis de segunda hebra y mezcla de enzimas de cola A).
    2. Configurar el programa de reacción de PCR en un termociclador: 16 oC durante 30 min; 62 oC durante 10 min; 4 oC para siempre.
    3. Combine 30 ml del primer producto de síntesis de hebras con 30 ml de síntesis de segunda hebra y mezcla maestra de cola A, y mezcle bien pipeteando hacia arriba y hacia abajo varias veces sobre hielo.
    4. Coloque el(los) tubo(s) en el termociclador preprogramado e inicie el programa.
  6. Ligadura del adaptador y limpieza posterior a la ligadura
    1. Adaptadores de stock diluido (códigos de barras DE ADN NEXTflex, 25 m) 3,57x en agua libre de RNase a 7 m.
    2. Preparar la mezcla maestra de ligadura de adaptador (total de 50 l, con 40 ml de tampón de ligadura y 10 l de ligasa de ADN).
    3. Combine 60 ml de producto de síntesis de segunda hebra, 45 ml de mezcla maestra de ligadura de adaptador y 5 ml de adaptadores diluidos. Mezclar bien pipeteando hacia arriba y hacia abajo varias veces sobre hielo.
    4. Incubar los tubos a 20oC durante 15 min y continuar inmediatamente con la primera limpieza posterior a la ligadura.
    5. Realice una limpieza basada en cuentas de 0,63x combinando ADN ligado por adaptador (110 l) y cuentas puras KAPA (70 oL), luego resuspender a fondo las cuentas en la mezcla de ADN pipeteando hacia arriba y hacia abajo varias veces.
    6. Repita los pasos 4.1.7–4.1.9.
    7. Retire los tubos del imán. Resuspender a fondo las perlas en 50 ml de 10 mM Tris HCL (pH a 8,0–8,5) e incubar las perlas en RT durante 2 min.
    8. Coloque la placa sobre el imán y espere hasta que el líquido esté limpio. Transfiera 50 l del sobrenadante transparente a un tubo nuevo.
      NOTA: Punto de parada seguro por menos de 24 h a 4 oC.
    9. Realice una limpieza basada en cuentas de 0,7x combinando 50 ml de perlas con ADN ligado a un adaptador purificado con 35 ml de solución PEG/NaCL. Mezclar bien por vórtice.
    10. Realice los pasos de limpieza 4.1.7–4.1.9. Resuspender a fondo las perlas en 20 ml de 10 mM Tris HCL (pH a 8,0–8,5), e incubar las perlas en RT durante 2 min.
    11. Coloque la placa sobre el imán; esperar hasta que el líquido esté limpio. Transfiera 20 l del sobrenadante transparente a un tubo nuevo y proceda a la sección 4.7.
      NOTA: Punto de parada seguro durante menos de 1 semana a 4 oC o menos de 1 mes a -20 oC.
  7. Amplificación y limpieza de la biblioteca
    1. Preparar la mezcla maestra de amplificación de la biblioteca (total de 33 l, con 27,5 l de 2x KAPA HiFi HotStart ReadyMix y 5,5 l de mezcla de imprimación de amplificación de biblioteca 10x).
    2. Configure el programa de reacción PCR en un termociclador utilizando los siguientes parámetros. 98 oC para 45 s; N ciclos (véase la nota a continuación) de: 98 oC para 15 s; 60 oC para 30 s; 72 oC para 30 s; 72 oC durante 1 min; y 4 oC para siempre.
      NOTA: Los ciclos para la amplificación de la biblioteca dependen del material de entrada. Se puede estimar más o menos como tal: comenzando con el ARN a 25–100 ng, N a 11–15 ciclos; 100–250 ng, N a 9–12 ciclos; 250–500 ng, N a 7–10 ciclos.
    3. Realice una limpieza basada en cuentas de 0,8x combinando ADN de biblioteca amplificada (50 l) y cuentas puras KAPA (40 oL), luego resuspender a fondo las perlas en la mezcla de ADN mediante pipeteo hacia arriba y hacia abajo varias veces.
    4. Realice los pasos de limpieza 4.1.7–4.1.9. Resuspender a fondo las perlas en 50 ml de 10 mM Tris HCL (pH a 8,0–8,5), e incubar las perlas en RT durante 2 min.
    5. Transfiera 50 l del sobrenadante transparente a un tubo nuevo y proceda a la limpieza de amplificación de la segunda biblioteca.
    6. Realice una limpieza basada en cuentas de 1x combinando ADN de biblioteca amplificada (50 l) y cuentas puras KAPA (50 l), luego resuspend a fondo las perlas en la mezcla de ADN pipeteando hacia arriba y hacia abajo varias veces.
    7. Realice los pasos de limpieza 4.1.7–4.1.9. Resuspender a fondo las perlas en 22 l de 10 mM Tris HCL (pH a 8,0–8,5), e incubar las perlas en RT durante 2 min.
    8. Transfiera 20 l del sobrenadante transparente a un nuevo tubo proceda a las mediciones de Qbit y bioanalyzer.
  8. Concentración y tamaño de fragmentación
    1. Mida las concentraciones de ADN de las muestras. Utilizando un kit basado en colorante fluorescente altamente sensible (por ejemplo, Denovix Qbit, ver Tabla de Materiales),o si la concentración parece estar por debajo de 0,5 ng/L, recuantificar utilizando un enfoque qPCR más sensible (por ejemplo, Cuantificación Kappa, ver Tabla de Materiales).
    2. Determinar el tamaño del fragmento de la biblioteca, utilizando electroforesis de alta sensibilidad (por ejemplo, un bioanalyzer).
      NOTA: Opcionalmente, el control de calidad por qPCR se puede realizar antes de la secuenciación (Apéndice) utilizando una biblioteca preparada diluida en lugar de cDNA.
  9. Secuenciación
    1. Envíe la biblioteca para su secuenciación. Para el análisis de expresión génica diferencial de ARN-seq, una profundidad de secuenciación de lecturas entre 10-25 millones por muestra es generalmente suficiente.

5. Preprocesamiento de datos

  1. Comprobación de calidad Archivos Fastq
    1. Descargue e instale Trimgalore16 para eliminar pares base de baja calidad y lecturas vacías dentro de los archivos Fastq.
      NOTA: 1) La mayoría del software mencionado aquí sólo funciona en Linux. Si se limita a un equipo Windows, es posible ejecutar análisis en un servidor Linux utilizando el software MobaXterm o Putty. Tenga en cuenta que para la indexación del genoma se requiere una gran cantidad de memoria de acceso aleatorio (RAM) (alrededor de 64 GB). 2) La instalación de todo el software necesario en un entorno conda es muy recomendable. Esto permitirá una fácil instalación del software y la gestión de paquetes. Para obtener más información sobre conda, visite .
    2. Cree un directorio (carpeta) para los datos, por ejemplo, la carpeta 'RNA_seq_KC_diff'. Establezca esto como directorio de trabajo escribiendo: "cd /home/user/RNA_seq_KC_diff/".
      NOTA: Para obtener información general sobre la estructura de carpetas, consulte 'folder_structure.txt' en los archivos de codificación suplementarios.
    3. Cree varias carpetas en el directorio de trabajo con los nombres específicos: 'Fastq', 'CRCh38_fasta', 'CRCh38', 'scripts' y 'Mapping'.
    4. Mueva los archivos fasta de los datos secuenciados a la carpeta fastq. Alternativamente, genere enlaces flexibles usando el comando: "ln –s home/user/old_location_fastq/FastqFile home/user/RNAseq_KC_diff/Fastq/Fastqfile" a los archivos Fastq para ahorrar espacio en disco.
    5. Ejecute Trim galore en los archivos Fastq, consulte el archivo TrimGalore.txt para que el código copie pegar en bash. Cambie los nombres y la configuración de las carpetas dentro del comando cuando sea necesario.
  2. Asignación
    1. Descargue un genoma para mapear las lecturas, por ejemplo, hg38 ensembl release 97 (versión sin máscaras): ftp://ftp.ensembl.org/pub/release-97/fasta/homo_sapiens/dna/Homo_sapiens.GRCH38.primary_assembly.fa.gz ; y el archivo de anotación de genes correspondiente: hg 38 gen annotation ensembl release 97, ftp://ftp.ensembl.org/pub/release-97/gtf/homo_sapiens/Homo_sapiens.GRCh38.97.gtf.gz. Transfiera ambos archivos a la carpeta CRCh38_fasta.
      NOTA: Alternativamente, utilice una versión diferente del genoma, por ejemplo, la versión UCSC de hg38, si se prefiere mapear a los ID de transcripción en lugar de los UTIL genéticos.
    2. Instalar STAR 2.7.117.
    3. Genere un genoma de referencia interno utilizando STAR 2.7.1 mediante el script de generación de genoma (consulte Archivos de codificación suplementarios). Cambie la cantidad de subprocesos a lo que tiene el procesor (--runThreadN X). Cambie los nombres de carpeta y la configuración de este script cuando sea necesario. Ejecútelo copiando/pegando en bash.
    4. Instale samtools 1.918 para indexar los archivos bam y gzip para comprimir los archivos de ondulación.
    5. Alinee las lecturas de secuenciación validadas de Trim Galore con el ensamblaje del genoma humano hg38 (versión 97) con STAR 2.7.1 seguido de la indexación mediante samtools y gzip. Esto se debe realizar utilizando el script map_fastq.txt (consulte Archivos de codificación suplementarios). Cambie los nombres de carpeta y la configuración de este script cuando sea necesario. Ejecútelo copiando/pegando en bash.
      NOTA: La asignación STAR genera varios archivos de salida, incluido un archivo bam, un archivo de ondulación y una tabla de recuentos de lectura denominada *_ReadsPerGene.out.tab, que R puede utilizar directamente para utilizarla como entrada para Deseq2.
  3. Visualización del navegador del genoma
    1. Instalar wigToBigWig desde las herramientas del navegador del genoma UCSC para generar archivos bigwig con el script big2bw19.
    2. Transfiera los archivos 'convertBigWigChroms.py' y 'CRCH38_ensembl2UCSC.txt' de los archivos de codificación suplementarios a una carpeta 'scripts' en el directorio de trabajo.
    3. Haga que el convertBigWigChroms.py sea ejecutable (mediante el comando: 'chmod +x scripts/convertBigWigChroms.py' en una máquina Linux).
    4. Genere archivos bigWig a partir de los archivos Wiggle, utilizando el script wig2bw.txt (consulte Archivos de codificación suplementarios). Ejecútelo copiando/pegando en bash.
    5. Introduzca los archivos BigWig en el navegador del genoma UCSC o en el Visor de Genómica Integrativa (IGV) para su visualización.

6. Análisis de datos RNA-seq

  1. Introduzca los datos de muestra en Deseq2
    1. Descargue e instale Rstudio (versión 1.1.456) y R (versión 3.6).
    2. Instale todos los paquetes R necesarios (consulte Archivos de codificación suplementarios).
      NOTA: Para obtener un archivo R-markdown detallado que muestre todo el código de programación y la salida, consulte los archivos adjuntos: "RNA_seq_kc_differentiation_wt.html" y "RNA_seq_kc_differentiation_patient.html". A continuación se incluye una descripción general de todos los pasos.
    3. Genere una tabla count a partir de los archivos ReadsPerGene.out.tab.
    4. Escriba un archivo de datos de ejemplo que contenga todos los nombres de archivo, el día de la diferenciación y otros datos de ejemplo relevantes. Para ver un archivo de ejemplo de ejemplo, consulte "sample_data_example.csv" en Archivos de codificación suplementarios.
    5. Utilice la tabla de recuento y los datos de ejemplo para generar un objeto Deseq220 que contenga los datos contables y de ejemplo.
  2. Normalización de la expresión génica, distancia de la muestra y PCA
    1. Normalice la tabla count en el objeto Deseq2, utilizando deseq2 rld o vst normalización. Se prefiere la normalización Rld, pero con muchas muestras, la normalización de vst es mucho más rápida.
    2. Trazar la distancia de la muestra en función de las intensidades de recuento de lectura normalizadas utilizando la función "dist" en R y, posteriormente, realizar la agrupación en clústeres "hclust" basada en la distancia de la muestra. Trazar el mapa de calor en sí utilizando el paquete pheatmap.
    3. Genere una gráfica PCA de las intensidades de recuento de lectura normalizadas utilizando la función plotPCA de Deseq2.
      NOTA: PCA sirve como una herramienta en el análisis de datos exploratorios y se puede utilizar para visualizar la distancia y la relación entre diferentes muestras.
  3. Análisis de expresión génica diferencial/altamente variable
    1. Calcular los genes diferenciales utilizando la función de resultado Deseq2. Sin embargo, al evaluar los cambios en varios puntos de tiempo en los que no se aplican las comparaciones por pares, utilice genes altamente variables. En este caso, extraiga los 500 genes más altos de variables mediante el orden en la varianza entre muestras de diferentes puntos de tiempo con la función rowVars.
      NOTA: En nuestro análisis, para las muestras de control, los 500 genes de alta variable superior (los genes con la desviación estándar más alta de su intensidad normalizada a través de días de diferenciación) se utilizaron para un análisis posterior. Sin embargo, para el análisis enfermo vs control expresado diferencialmente los genes entre la enfermedad y los controles saludables a lo largo del tiempo fueron calculados por Deseq2 utilizando una prueba múltiple corrigida valor p de 1 x 10-4 como límite. Otro posible paso de filtrado es excluir los genes diferenciales que cambian menos que un cierto corte de cambio de pliegue.
    2. Realizar clustering kmeans en los genes diferenciales o altamente variables para agruparlos por diferentes patrones de expresión.
    3. Visualice genes diferenciales o muy variables en un mapa térmico utilizando el paquete pheatmap. La intensidad trazada en el mapa de calor es la intensidad normalizada Deseq2 con el valor medio restado.
  4. Análisis de enriquecimiento de anotaciones de Gene Ontology (GO)
    1. Genere una lista de genes de fondo expresados tomando todos los genes con más de 10 recuentos en una sola muestra.
    2. Realice análisis GO utilizando herramientas en línea como GOrilla21. Utilice las listas de genes diferenciales/altamente variables en racimos como "lista genética", y los genes de fondo como fondo para la comparación.
      NOTA: Los usuarios de R más avanzados pueden utilizar el paquete clusterProfiler22 para automatizar el análisis de enriquecimiento a Término de Go.

Resultados

Diferenciación normal de queratinocitos y análisis de ARN-seq
En este experimento, se utilizaron líneas de queratinocitos derivadas de cinco individuos para la diferenciación y análisis de ARN-seq. La Figura 1 resume el procedimiento experimental de diferenciación y los resultados del análisis de ARN-seq. En la Figura 1Ase ilustra una visión general de los procedimientos de diferenciación in vitro de los queratinocitos normales y los...

Discusión

Este trabajo describe un método para inducir la diferenciación de queratinocitos humanos y la posterior caracterización utilizando análisis de ARN-seq. En la literatura actual, muchos estudios sobre la diferenciación de queratinocitos humanos utilizan otros dos métodos, con una alta concentración de calcio o con suero como métodos para inducir la diferenciación2,3,23. Un informe anterior comparó cuidadosamente estos tr...

Divulgaciones

Los autores no tienen nada que revelar.

Agradecimientos

Esta investigación fue apoyada por la Organización Neerlandesa para la Investigación Científica (NWO/ALW/MEERVOUD/836.12.010, H.Z.) (NWO/ALW/Open Competition/ALWOP 376, H.Z., J.G.A.S.); Beca de la Universidad Radboud (H.Z.); y la subvención del Consejo De Becas China 201406330059 (J.Q.).

Materiales

NameCompanyCatalog NumberComments
Bioanalyzer 2100AgilentG2929BA
Bovine pituitary extract (BPE)LonzaPart of the bulletKit
CFX96 Real-Time systemBio-RadqPCR machine
Dulbecco's Phosphate-Buffered Saline (DPBS)Sigma-AldrichD8537
Epidermal Growth Factor (EGF)LonzaPart of the bulletKit
Ethanolamine >= 98%Sigma-AldrichE9508
High Sensitivity DNA chipsAgilent5067-4626
HydrocortisonLonzaPart of the bulletKit
InsulinLonzaPart of the bulletKit
iQ SYBR Green KitBioRad170-8886
iScript cDNA synthesisBio rad1708890
KAPA Library Quant KitRoche07960255001Low concentration measure kit
KAPA RNA HyperPrep Kit with RiboEraseRocheKK8540RNAseq kit
KGM Gold Keratinocyte Growth Medium BulletKitLonza192060
NanodropdeNovixDS-11 FX (model)Nanodrop and Qbit for DNA and RNA measurements
NEXTflex DNA barcodes -24IllumniaNOVA-5141036 bp long primers
Penicillin-StreptomycinGibco15140122
RNA Pico ChipAgilent5067-1513

Referencias

  1. Hardman, J. A. Skin equivalents for studying the secrets of skin: from development to disease. British Journal of Dermatology. 173 (2), 320-321 (2015).
  2. Borowiec, A. S., Delcourt, P., Dewailly, E., Bidaux, G. Optimal differentiation of in vitro keratinocytes requires multifactorial external control. PLoS One. 8 (10), 77507 (2013).
  3. Van Ruissen, F., et al. Induction of normal and psoriatic phenotypes in submerged keratinocyte cultures. Journal of Cellular Physiology. 168 (2), 442-452 (1996).
  4. Ojeh, N., Pastar, I., Tomic-Canic, M., Stojadinovic, O. Stem Cells in Skin Regeneration, Wound Healing, and Their Clinical Applications. International Journal of Molecular Sciences. 16 (10), 25476-25501 (2015).
  5. Ali, N., et al. Skin equivalents: skin from reconstructions as models to study skin development and diseases. British Journal of Dermatology. 173 (2), 391-403 (2015).
  6. Luis, N. M., et al. Regulation of human epidermal stem cell proliferation and senescence requires polycomb- dependent and -independent functions of Cbx4. Cell Stem Cell. 9 (3), 233-246 (2011).
  7. Mulder, K. W., et al. Diverse epigenetic strategies interact to control epidermal differentiation. Nature Cell Biology. 14 (7), 753-763 (2012).
  8. Poumay, Y., Pittelkow, M. R. Cell density and culture factors regulate keratinocyte commitment to differentiation and expression of suprabasal K1/K10 keratins. Journal of Investigative Dermatology. 104 (2), 271-276 (1995).
  9. Kouwenhoven, E. N., et al. Transcription factor p63 bookmarks and regulates dynamic enhancers during epidermal differentiation. EMBO Rep. 16 (7), 863-878 (2015).
  10. Qu, J., et al. Mutant p63 Affects Epidermal Cell Identity through Rewiring the Enhancer Landscape. Cell Reports. 25 (12), 3490-3503 (2018).
  11. Brunner, H. G., Hamel, B. C., Van Bokhoven, H. The p63 gene in EEC and other syndromes. Journal of Medical Genetics. 39 (6), 377-381 (2002).
  12. Browne, G., et al. Differential altered stability and transcriptional activity of DeltaNp63 mutants in distinct ectodermal dysplasias. Journal of Cell Science. 124, 2200-2207 (2011).
  13. . KGM Gold Keratinocyte Growth Medium BulletKit Available from: https://bioscience.lonza.com/Lonza_bs/CH/en/Culture-Media-and-Reagents/p/000000000000192060/KGM-Gold-Keratinocyte-Growth-Medium-BulletKit (2019)
  14. Doyle, K. a. M. . Protocols and applications guide. , (1996).
  15. . Hyperprep Kit Available from: https://sequencing.roche.com/en-us/products-solutions/by-category/Library-preparation/rna-library-preparation/kapa-rna-hyperprep-kit-with-riboerasehmr.html (2019)
  16. . TrimGalore Available from: https://github.com/FelixKrueger/TrimGalore (2019)
  17. Dobin, A., et al. STAR: ultrafast universal RNA-seq aligner. Bioinformatics. 29 (1), 15-21 (2013).
  18. Li, H., et al. The Sequence Alignment/Map format and SAMtools. Bioinformatics. 25 (16), 2078-2079 (2009).
  19. . Convert chromosome names in a bigWig file Available from: https://gist.github.com/dpryan79/39c70b4429dd4559d88fb079b8669721 (2019)
  20. Love, M. I., Huber, W., Anders, S. Moderated estimation of fold change and dispersion for RNA-seq data with DESeq2. Genome Biol. 15 (12), 550 (2014).
  21. Eden, E., Navon, R., Steinfeld, I., Lipson, D., Yakhini, Z. GOrilla: a tool for discovery and visualization of enriched GO terms in ranked gene lists. BMC Bioinformatics. 10, 48 (2009).
  22. Yu, G., Wang, L. G., Han, Y., He, Q. Y. clusterProfiler: an R package for comparing biological themes among gene clusters. Omics. 16 (5), 284-287 (2012).
  23. Kretz, M., et al. Control of somatic tissue differentiation by the long non-coding RNA TINCR. Nature. 493 (7431), 231-235 (2013).
  24. Mullegama, S. V., et al. Nucleic Acid Extraction from Human Biological Samples. Methods in Molecular Biology. 1897, 359-383 (2019).
  25. Ma, F., et al. A comparison between whole transcript and 3' RNA sequencing methods using Kapa and Lexogen library preparation methods. BMC Genomics. 20 (1), 9 (2019).
  26. Chao, H. P., et al. Systematic evaluation of RNA-Seq preparation protocol performance. BMC Genomics. 20 (1), 571 (2019).
  27. Podnar, J., Deiderick, H., Huerta, G., Hunicke-Smith, S. Next-Generation Sequencing RNA-Seq Library Construction. Current Protocols in Molecular Biology. 106, 21 (2014).
  28. Haque, A., Engel, J., Teichmann, S. A., Lonnberg, T. A practical guide to single-cell RNA-sequencing for biomedical research and clinical applications. Genome Medicine. 9 (1), 75 (2017).
  29. Oyola, S. O., et al. Optimizing Illumina next-generation sequencing library preparation for extremely AT-biased genomes. BMC Genomics. 13, 1 (2012).
  30. Quail, M. A., et al. Optimal enzymes for amplifying sequencing libraries. Nature Methods. 9 (1), 10-11 (2011).
  31. Quail, M. A., et al. A tale of three next generation sequencing platforms: comparison of Ion Torrent, Pacific Biosciences and Illumina MiSeq sequencers. BMC Genomics. 13, 341 (2012).
  32. Ross, M. G., et al. Characterizing and measuring bias in sequence data. Genome Biology. 14 (5), 51 (2013).
  33. . ARMOR Available from: https://github.com/csoneson/ARMOR (2019)
  34. . snakemake-workflows Available from: https://github.com/vanheeringen-lab/snakemake-workflows (2019)

Reimpresiones y Permisos

Solicitar permiso para reutilizar el texto o las figuras de este JoVE artículos

Solicitar permiso

Explorar más artículos

Gen ticaN mero 159queratinocitos primarios humanoscultivo de inmersi n 2Ddiferenciaci n in vitroARN seqan lisis bioinform ticop63

This article has been published

Video Coming Soon

JoVE Logo

Privacidad

Condiciones de uso

Políticas

Contáctenos

RECOMIENDE A LA BIBLIOTECA

BOLETINES de JoVE

Investigación

Educación

Autores

Bibliotecarios

ACERCA DE JoVE

Copyright © 2025 MyJoVE Corporation. Todos los derechos reservados