Alignement de données de séries chronologiques synchronisées à l’aide du modèle de synchronisation de perte de cycle cellulaire caractérisant pour les comparaisons entre expériences

Résumé

L’un des défis de l’analyse des expériences de séries chronologiques synchronisées est que les expériences diffèrent souvent par la durée de récupération de la synchronie et la période du cycle cellulaire. Ainsi, les mesures de différentes expériences ne peuvent pas être analysées globalement ou facilement comparées. Ici, nous décrivons une méthode d’alignement des expériences pour permettre des comparaisons spécifiques à la phase.

Résumé

L’étude du cycle cellulaire dépend souvent de la synchronisation des populations cellulaires pour mesurer divers paramètres dans une série chronologique lorsque les cellules traversent le cycle cellulaire. Cependant, même dans des conditions similaires, les expériences de répétition montrent des différences dans le temps nécessaire pour récupérer de la synchronie et traverser le cycle cellulaire, empêchant ainsi les comparaisons directes à chaque point temporel. Le problème de la comparaison des mesures dynamiques entre les expériences est exacerbé dans les populations mutantes ou dans d’autres conditions de croissance qui affectent le temps de récupération synchrone et / ou la période du cycle cellulaire.

Nous avons déjà publié un modèle mathématique paramétrique nommé Characterizing Loss of Cell Cycle Synchrony (CLOCCS) qui surveille la façon dont les populations synchrones de cellules se libèrent de la synchronie et progressent dans le cycle cellulaire. Les paramètres appris du modèle peuvent ensuite être utilisés pour convertir des points temporels expérimentaux d’expériences de séries chronologiques synchronisées en une échelle de temps normalisée (points de ligne de vie). Plutôt que de représenter le temps écoulé en minutes à partir du début de l’expérience, l’échelle de la ligne de vie représente la progression de la synchronie à l’entrée dans le cycle cellulaire, puis à travers les phases du cycle cellulaire. Étant donné que les points de survie correspondent à la phase de la cellule moyenne au sein de la population synchronisée, cette échelle de temps normalisée permet des comparaisons directes entre les expériences, y compris celles dont les périodes et les temps de récupération varient. En outre, le modèle a été utilisé pour aligner les expériences de cycle cellulaire entre différentes espèces (par exemple, Saccharomyces cerevisiae et Schizosaccharomyces pombe), permettant ainsi une comparaison directe des mesures du cycle cellulaire, ce qui peut révéler des similitudes et des différences évolutives.

Introduction

Les mesures de séries chronologiques effectuées sur des populations synchronisées de cellules au fur et à mesure qu’elles progressent dans le cycle cellulaire constituent une méthode standard pour étudier les mécanismes qui contrôlent la progression du cycle cellulaire 1,2,3,4,5,6,7,8 . La capacité de faire des comparaisons entre les expériences de séries chronologiques de synchronie / libération est ess....

Protocole

1. Collecte de données expérimentales et de phase du cycle cellulaire

1. Synchroniser les cellules par rapport au cycle cellulaire en utilisant la méthode de synchronisation souhaitée (p. ex., élutriation centrifuge telle que décrite dans Leman et al.18 ou arrêt des phéromones d’accouplement tel que décrit dans Rosebrock 19; Leman et al.18 et Rosebrock ¹⁹ incluent également des méthodes pour la libération de la synchronie). Commencer l’échantillonnage tout au long de la série chronologique, en veillant à ce que la série chronologique dure au moins de....

Discussion

Cet article présente une méthode permettant d’évaluer plus précisément et quantitativement les données provenant d’expériences de séries chronologiques sur des populations synchronisées de cellules. La méthode utilise les paramètres appris de CLOCCS, un modèle d’inférence bayésien qui utilise des données de phase du cycle cellulaire d’entrée, telles que les données bourgeonnantes et les données de contenu d’ADN cytométrique en flux, pour paramétrer chaque expérience^14,15

matériels

Name	Company	Catalog Number	Comments
2x PBS			For Fixative Solution. Described in Leman 2014.
4% formaldehyde			For Fixative Solution.
100% Ethanol			For flow cytometry fixation. Described in Haase 2002.
CLOCCS			https://gitlab.com/haase-lab-group/cloccs_alignment.git
Flow Cytometer			For flow cytometry protocol.
Git			https://git-scm.com/
Java 19			https://www.oracle.com/java/technologies/downloads/#java19
Microscope			For counting cells and buds.
Miniconda			https://docs.conda.io/en/latest/
Protease solution			For flow cytometry protocol. Described in Haase 2002.
RNAse A solution			For flow cytometry protocol. Described in Haase 2002.
SYTOX Green Nucleic Acid Stain	Invitrogen	S7020	For flow cytometry staining. Described in Haase 2002.
Tris			pH 7.5