JoVE Logo

Accedi

È necessario avere un abbonamento a JoVE per visualizzare questo. Accedi o inizia la tua prova gratuita.

In questo articolo

  • Riepilogo
  • Abstract
  • Introduzione
  • Protocollo
  • Risultati
  • Discussione
  • Divulgazioni
  • Riconoscimenti
  • Materiali
  • Riferimenti
  • Ristampe e Autorizzazioni

Riepilogo

Alla rinfusa gene espressione misure nube singola cella differenze nelle popolazioni eterogenee delle cellule. Qui, descriviamo un protocollo per analisi di espressione genica e l'indice come unicellulare ordinano di Florescence attivato Cell Sorting (FACS) possa essere combinato per delineare eterogeneità e immunophenotypically caratterizzare popolazioni molecolarmente distinte delle cellule.

Abstract

Immunophenotypic caratterizzazione e l'analisi molecolare sono stati utilizzati a lungo per eterogeneità di delineare e definire popolazioni distinte delle cellule. FACS è intrinsecamente un'analisi unicellulare, tuttavia prima di analisi molecolare, cellule bersaglio sono spesso prospetticamente isolate all'ingrosso, perdendo così la cella singola ad alta risoluzione. Analisi dell'espressione genica di singola cellula fornisce un mezzo per capire le differenze molecolari tra le singole celle in popolazioni eterogenee delle cellule. In analisi di massa cellulare una sovrarappresentazione di un tipo di distinte delle cellule provoca pregiudizi e occlusioni dei segnali dalle cellule rare con importanza biologica. Utilizzando FACS Indice ordinamento accoppiato all'analisi dell'espressione genica di singola cellula, popolazioni possono essere indagate senza perdita di risoluzione di singola cellula mentre le cellule con espressione di superficie dell'indicatore delle cellule intermedie vengono inoltre acquisite, consentendo la valutazione dei la rilevanza dell'espressione dei marker di superficie continua. Qui, descriviamo un approccio che combina cella singola trascrizione d'inversione quantitativa PCR (RT-qPCR) e FACS Indice ordinamento contemporaneamente caratterizzazione molecolare e immunophenotypic eterogeneità all'interno di popolazioni cellulari.

Contrariamente ai metodi di sequenziamento di cella singola del RNA, l'uso di qPCR con amplificazione del target specifico permette per misurazioni robusti di basso-abbondanza trascritti con meno interruzioni, mentre non è confuso da questioni legate alle variazioni della cellula--cellula in lettura profondità. Inoltre, da direttamente questo metodo buffer indice-ordinamento single-cellule in Lisi, permette per la sintesi del cDNA e target specifico pre-amplificazione per essere eseguite in un unico passaggio anche per quanto riguarda la correlazione delle firme molecolari successivamente derivate con superficie cellulare espressione del marcatore. L'approccio descritto è stato sviluppato per indagare su singolo-cellule ematopoietiche, ma inoltre sono stati usati con successo su altri tipi di cellule.

In conclusione, l'approccio descritto nel presente documento consente una misura sensibile dell'espressione di mRNA per un pannello di geni pre-selezionati con la possibilità di sviluppare protocolli per successivo isolamento futuri dei molecolarmente distinte sottopopolazioni.

Introduzione

Ogni singola cellula del sangue è creduto di risiedere in una gerarchia cellulare, dove le cellule staminali formano l'apice in cima a una serie di sempre più progenitori intermedi che alla fine terminalmente differenziarsi nelle cellule effettrici finale che trasportano specifici funzioni biologiche1. Molte delle conoscenze su come sono organizzati i sistemi di cellule staminali è stato generato nel sistema ematopoietico, in gran parte a causa della capacità di isolare prospetticamente distinte popolazioni ematopoietiche altamente arricchiti per le cellule staminali o vari progenitori2 ordinando FACS. Questo ha permesso per molti di queste popolazioni di essere analizzato funzionalmente o molecolare, principalmente attraverso profili di espressione genica3,4. Tuttavia quando l'analisi di espressione genica delle differenze individuali di popolazioni di massa tra cellule sono mediati e perso5. Così, incapacità di rilevare variazioni di cellula--cellula all'interno delle frazioni eterogenee delle cellule può confondere la nostra comprensione dei processi biologici critici se piccoli sottoinsiemi di cellule conto per la funzione biologica dedotta di quella popolazione6, 7. Al contrario, indagine di firme di espressione del gene a cella singola risoluzione offrono una possibilità delineare eterogeneità ed eludere adombrante influenze da sovrarappresentati sottoinsiemi di cellule8.

Ad oggi sono stati sviluppati molti protocolli per analisi di espressione genica di cella singola; ogni approccio avendo propri avvertimenti. Il primo metodo era RNA fluorescente in situ ibridazione (RNA-FISH), che misura un numero limitato di trascrizioni in un momento, ma è unico in quanto permette per indagine di RNA localizzazione9,11. I primi metodi usando PCR e qPCR per rilevare che un singolo o trascrizioni molto pochi sono stati anche sviluppati12. Tuttavia, questi ultimamente sono stati sostituiti da metodi basati su microfluidica che possono analizzare simultaneamente l'espressione di centinaia di trascrizioni per ogni cella in centinaia di cellule attraverso qPCR e pertanto consentono di dimensione elevata eterogeneità analisi utilizzando pre-determinato gene pannelli10,13. Recentemente la tecnologie basate su sequenze di RNA sono stato ampiamente usate per analisi unicellulare, come teoricamente possono misurare l'intero trascrittoma di una cella e quindi aggiungere una dimensione esplorativa alla eterogeneità analisi10, 14. Multiplexed qPCR analisi e sequenziamento di RNA di singole cellule hanno caratteristiche diverse, così lo spiegazione razionale per usando uno dei metodi dipende la domanda così come il numero delle cellule nella popolazione bersaglio. Ad alta velocità e basso costo per cella nonché caratteristiche imparziali, esplorative del sequenziamento di RNA di singola cellula sono consigliabili quando cella sconosciuto o grandi popolazioni sono studiati. Tuttavia, sequenziamento di RNA di singola cellula inoltre è sbilanciata verso il sequenziamento alte abbondante trascrizioni più frequentemente mentre trascrizioni con abbondanza bassa sono inclini ai forcellini. Questo può portare a dati notevolmente complessa che mette alto-richieste su analisi bioinformatica per rivelare importanti segnali molecolari che sono spesso sottili o nascosto nel rumore tecnico15. Così, per tessuti ben caratterizzati, qPCR cella singola analisi utilizzando pre-determinato pannelli primer selezionati per geni funzionalmente importanti o marcatori molecolari possono servire come un approccio sensibile, semplice per determinare l'eterogeneità di un popolazione. Tuttavia, dovrebbe essere notato che, rispetto a cella singola RNA-seq, il costo per ogni cella è generalmente maggiore per cella singola qPCR metodi. Qui, descriviamo un approccio che unisce unicellulare RT-qPCR (modificato da Teles J. et al. 16), all'indice di FACS ordinamento contemporaneamente analisi bioinformatica e17 18 al fine di caratterizzare l'eterogeneità molecolare e immunophenotypic all'interno delle popolazioni.

In questo approccio, la popolazione delle cellule di interesse è macchiata e singolo-cellule sono filtrate di FACS direttamente nel buffer di lisi in piastre PCR a 96 pozzetti. Contemporaneamente, i livelli di espressione di un ulteriore set di marcatori di superficie cellulare vengono registrati per ogni singola cella durante FACS-ordinamento, un metodo che è indicato come indice di ordinamento. Il materiale di lisato cellulare viene successivamente amplificato e l'espressione genica di un insieme selezionato di geni analizzati con RT-qPCR, utilizzando una piattaforma microfluidica. Questa strategia consente l'analisi molecolare della caratterizzazione del ordinato unicellulare, nonché simultanea dell'espressione di marcatori di superficie cellulare di ogni singola cella. Mappando direttamente molecolarmente distinte sottopopolazioni di cellule per l'espressione dei marcatori ordinati indicizzati, le sottopopolazioni possono essere collegate a un immunophenotype specifico che può essere utilizzato per il loro isolamento futuri. Il metodo è descritto passo per passo nella Figura 1. Un pannello di pre-determinato gene ulteriormente contribuisce a una maggiore risoluzione dell'espressione genica mirata, poiché aggira misura irrilevante geni abbondanti che altrimenti possono occludere segnali di espressione del gene sottile. Inoltre, l'amplificazione dell'obiettivo specifico, la trascrizione inversa di un passo e amplificazione permette misurazione robusto di basse trascrizioni espresse, come fattori di trascrizione o RNA non-poli-adenylated. Importante, qPCR metodi consentono per la misura di mRNA da proteine di fusione, che sono importanti durante l'analisi di alcune malattie maligne19. Infine, il numero concentrato di geni studiati, bassi tassi di abbandono, e limitate differenze tecniche tra cellule rendono questo metodo facilmente analizzabile rispetto ai metodi dimensionale superiore, come cella singola RNA-seq. Seguendo il protocollo, un intero esperimento può essere eseguito, da ordinamento celle a risultati analizzati, entro tre giorni, rendendo questo un metodo semplice e veloce per analisi di espressione genica di singole cellule sensibili, ad alta velocità.

Protocollo

1. preparazione delle placche di lisi

  1. Usando una panchina libera di RNA/DNA, preparare abbastanza tampone di lisi per 96 pozzetti, con 10% extra, mescolando 390 µ l nucleasi acqua gratuita, 17 µ l di 10% NP-40, 2,8 dNTP mM 10 µ l, 10 µ l 0,1 M DTT e 5,3 µ l RNasi inibitore (Vedi Tabella materiali). Vortex e centrifugare.
  2. Distribuire 4 µ l di tampone di lisi in ciascun pozzetto di una piastra ben 96 di PCR e sigillare le piastre con pellicola adesiva. Rotazione verso il basso tubi per raccogliere il liquido sul fondo delle piastre. Tenere piastre su ghiaccio fino alla cella ordinamento (massimo 24 ore).

2. preparazione delle cellule per l'ordinamento delle cellule

  1. Scongelare il numero adeguato di cellule (qui, arricchito staminali ematopoietiche CD34 e cellule progenitrici) per l'esperimento. 1 x 106 celle sono appropriate per l'ordinamento circa tre piastre da 96 pozzetti di singolo-cellule con controlli.
  2. Trasferire le cellule scongelate una provetta conica da 15 mL e aggiungere 1 mL FBS ogni 30 s fino a raggiunta un volume totale di 8 mL. Spin di cellule in una centrifuga a 350 x g per 10 min a 4 ° C e rimuovere il surnatante.
  3. Risospendere le cellule in 8 macchiatura buffer (PBS con 2% FBS) e centrifugare a 350 x g per 10 min a 4 ° C e rimuovere il surnatante.
  4. Risospendere le cellule in 200 µ l tampone e rimuovere celle di macchiatura per le macchie di controllo.
  5. Fanno la fluorescenza meno controlli uno (protocolli) per ogni fluoroforo, macchiando di una frazione di cellule in 50 µ l di tampone di colorazione. In questo esempio, 6 microcentrifuga con 20.000 celle è utilizzati come FMOSs. Si noti che il numero delle cellule dovrebbe essere regolato a seconda della popolazione studiata. Aggiungere tutti gli anticorpi alla stessa concentrazione come la macchia di campione ad eccezione di uno in ogni provetta.
  6. Rendere le macchie singole per ogni fluoroforo macchiando di una frazione di cellule in 50 µ l di tampone per ogni fluoroforo utilizzato. In questo esempio vengono utilizzati 6 microcentrifuga con 20.000 celle. Si noti che l'obiettivo per ogni anticorpo deve essere espressa dalle cellule utilizzate per i controlli. Aggiungere ogni anticorpo alla stessa concentrazione come la macchia di campione in tubi singoli. Inoltre tenere 20.000 celle non macchiate in 50 µ l come controllo non colorato.
  7. Per il campione di cellule, è necessario aggiungere gli anticorpi alle loro concentrazione appropriata. Usato qui sono CD34-FITC ad una concentrazione di 1/100, 1/50, CD38-APC CD90-PE 1/10, CD45RA-bv421 1/50, CD49F-PECy7 1/50 e lignaggio Mix: CD3-PECy5 1/50, CD2-PECy5 1/50, CD19-PECy5 1/50, CD56-PECy5 1/50, CD123-PECy5 1/50, CD14-PECy5 1/50, CD16-PECy5 1/50, e CD235a-PECy5 1/1000.
  8. Incubare le cellule con anticorpi per 30 min in ghiaccio al buio.
  9. Lavare le cellule con 3 mL di tampone di colorazione. Centrifugare le cellule a 350 x g per 10 min a 4 ° C e rimuovere il surnatante.
  10. Risospendere le cellule e ripetere il punto 2.9.
  11. Risospendere il campione in 500 µ l e protocolli in 100 µ l tampone con cellule 7AAD e filtro di 1/100 di colorazione attraverso un filtro di 50 µm per ottenere una sospensione unicellulare.

3. cella ordinamento

  1. Assicurarsi che la macchina di FACS è impostata correttamente con ritardo di goccia e citometro installazione e monitoraggio (CST) che recentemente sono state eseguite secondo le istruzioni del produttore, per garantire che le celle appropriate sono ordinate. Per cellule ematopoietiche, è consigliato l'uso della velocità 85 micron ugello e massimo di 4, mentre il tasso di eventi ottimale è compresa tra 800 e 2000 eventi/s.
  2. Correggere per sovrapposizione spettrale eseguendo compensazione di fluorescenza e impostare porte secondo FMO controlli o interno negativo.
  3. Eseguire una nuova analisi della popolazione bersaglio ordinando almeno 100 cellule bersaglio in un nuovo tubo del microcentrifuge con 100 µ l di tampone di macchia. FACS analizzare le cellule ordinate registrando il campione ordinato e assicurarsi che finiscono nel cancello di sorta.
  4. Set-up piatto unico cella ordinamento per la discesa nel pozzetto A1 in un piatto ben 96 di centraggio. Quando è centrata, è possibile ordinare 50 – 100 6 µm particelle in tutti i pozzetti intorno al bordo di un piatto ben 96 vuoto per assicurare che tutti i pozzetti otterrà una cella al centro di ciascun pozzetto.
  5. Se possibile, un controllo aggiuntivo per assicurare che le cellule vitali sono ordinate possa aggiungersi dall'ordinamento single-celle per la crescita in vitro . Cellule ematopoietiche possono essere coltivate in fondo U 96 pozzetti in 100 µ l SFEM con streptomicina 1% penicillina, 100 ng/mL FLT3L, TPO e SCF. Analizzare ogni pozzetto dopo 3 giorni nella cultura per le colonie delle cellule usando un microscopio.
  6. Rimuovere la pellicola adesiva da piastre. Ordinamento di una singola cella di interesse (qui Lin-CD34 + CD38-cellule) in 92 su 96 pozzetti, attivare l'ordinamento indice nel FACS ordinamento software per salvare il profilo di immunophenotypic per altri markers di interesse (qui CD45RA, CD49f e CD90) per ogni singola cella.
  7. Ordinare due pozzetti con cellule di 10 e 20 rispettivamente per i controlli di linearità nell'amplificazione di PCR. Wells H1 e H2 sono usati solitamente.
  8. Tenere due pozzi senza eventuali cellule come no-modello controlla, solitamente pozzi H3 e H4.
  9. Sigillare le piastre con film adesivo trasparente e girare le piastre a 300 x g per 1 min prima snap congelamento il ghiaccio secco.
  10. Memorizzare piatti congelati a-80 ° C.
    Nota: Punto di arresto sicuro. Ordinato e lisate di cellule possono essere mantenute a-80 ° C per la conservazione a lungo termine.

4. inversa trascrizione e amplificazione dell'obiettivo specifico

  1. Preparare il mix di primer per tutti i 96 geni bersaglio aggiungendo 2 µ l di ogni coppia di primer, comprese le pulizie gene primer e primer per controllo a spillo-in RNA, in un 1,5 mL tube gratis RNasi su una panchina libera di RNA/DNA. Se si utilizza meno di 96 primer, aggiungere un volume equivalente di acqua gratuita di nucleasi per i primers mancanti. Primer devono essere ordinati separatamente per abbinare il pannello del gene desiderato.
  2. Rendere la trascrizione inversa e destinazione specifica amplificazione mescolare aggiungendo 632.5 µ l 2 x mix di reazione, 101,2 µ l Taq/SuperscriptIII, mix di Primer 151,8 µ l e 0,7 µ l a spillo nel controllo RNA. Questo passaggio su una panchina di DNA libero di preforme. Mescolare nel vortex e spin giù per raccogliere il liquido nella parte inferiore del tubo. Conservare il ghiaccio fino aggiunta al campione.
  3. Marca no-reverse trascrizione controllo mix per quattro pozzi mescolando 27,5 µ l di miscela di reazione: 2x, 1.76 µ l di enzima Taq, 6,6 µ l di miscela primer e 2,64 µ l di acqua libera nucleasi. Spike nel controllo RNA. Eseguire questo passaggio su una panchina libera di DNA. Vortice e spin giù per raccogliere il liquido sul fondo del tubo e mantenere il ghiaccio fino a aggiunta al campione.
  4. Scongelare il lisato piastre sul ghiaccio. Aggiungere 8.75 µ l della trascrizione inversa precedentemente preparata e target specifico mix di amplificazione a 92 pozzi, compresi i controlli linearità e no-modello. Aggiungere 8.75 µ l del no-reverse trascrizione controllo mix quattro pozzetti rimanenti. Sigillare piastre con pellicola trasparente adesiva e spin giù per raccogli liquidi nella parte inferiore delle piastre.
  5. Preforme retrotrascrizione e amplificazione dell'obiettivo specifico eseguendo la piastra in una macchina PCR in base al programma di preamplificatore; passo 01:50 ° C per 60 min, passo 2: 95 ° C per 2 min, passo 3: 95 ° C per 15 s, passo 4: 60 ° C per 4 minuti, ripetere i passaggi 3 – 4 24 volte e infine passo 5: 8 ° C per sempre.
  6. Al termine della PCR, tenere la piastra a 8 ° C per la conservazione a breve termine e -20 ° C per la conservazione a lungo termine.
    Nota: Punto di arresto sicuro. Materiale amplificato può essere tenuto a 8 ° C per la conservazione a breve termine e a-20 ° C per la conservazione a lungo termine.

5. preparazione del campione e piastre di dosaggio per analisi di espressione genica di Microfluidic Multiplex

  1. Preparare analisi piastra di caricamento di pipettaggio 3 µ l Assay caricamento di reagente in ciascun pozzetto di una piastra ben 96. Aggiungere 3 µ l di ogni primer a singoli pozzetti nell'analisi della piastra di carico.
  2. Sigillare la piastra con la pellicola adesiva e spin giù per raccogli liquidi nella parte inferiore delle piastre.
  3. Preparare piastra di diluizione di pipettaggio 8 µ l di nucleasi acqua gratuita in tutti i pozzetti di una piastra ben 96. Aggiungere 2 µ l di campione amplificato alla piastra di diluizione, rendendo una diluizione finale di 1:5.
  4. Sigillare la piastra con la pellicola adesiva, mescolare nel Vortex per 10 s e infine girare giù per raccogli liquidi nella parte inferiore delle piastre.
  5. Preparare la miscela di caricamento del campione mescolando accuratamente 352 µ l di mix master con 35,2 µ l di reagente di caricamento del campione. Preparare piatto di caricamento del campione aliquotare 3.3 µ l di mix in ciascun pozzetto di una piastra ben 96 di caricamento.
  6. Aggiungere 2,7 µ l del campione diluito in ciascun pozzetto del campione piastra di carico.
  7. Sigillare la piastra con la pellicola adesiva e spin giù per raccogli liquidi nella parte inferiore delle piastre.

6. caricamento del Chip microfluidico

  1. Stipulare un nuovo chip microfluidici 96 x 96. Preparare insenature da loro frugando con una siringa con tappo su per assicurarsi che essi possono essere spostati.
  2. Rimuovere le bolle da siringhe. Aggiungere volume completo di siringhe ad ogni valvola mentre inclinando il chip 45 gradi e premendo verso il basso la valvola. Primo circuito integrato con il controller IFC.
  3. Caricare ogni entrata di dosaggio con 4,25 µ l da ciascuno dei pozzi nell'analisi della piastra di carico. Evitare le bolle. Se le bolle appaiono nel pozzo, rimuoverli con un puntale.
  4. Continuare a caricare ogni entrata di campione con 4,25 µ l da ciascuno dei pozzi della piastra di carico del campione, evitare bolle e se le bolle appaiono, rimuoverli con la punta della pipetta.
  5. Chip di carico con il controller IFC.
  6. Verificare che il chip sembra anche e che sono stati caricati tutti gli alloggiamenti. Rimuovere la polvere dalla superficie del chip toccandola con nastro. Eseguire il chip della piattaforma di espressione genica microfluidici multiplex.

7. esecuzione di Chip sulla piattaforma di Multiplex Microfluidic Gene Expression

  1. Dopo il caricamento circuito integrato nella piattaforma di espressione di gene multisala microfluidica, il nome del campione.
  2. Impostare ROX come tintura passiva. Impostare singola sonda e FAM-MGB come fluorescenza. Utilizzare 96 x 96 standard v2 come protocollo. Iniziare a correre.
  3. Rimuovere chip quando esegue è completa.

8. preliminare analisi di Chip Run

  1. Caricare i dati nel software di analisi Real-Time PCR.
  2. Caricare i nomi di gene e cella incollando layout genica e cellulare da un file delimitato da tabulazioni.
  3. Immagine vista aperta e selezionare ROX come colorante. Verifica se tutti i pozzi hanno tintura passiva ROX.
  4. Indagare se tutte le trame di amplificazione Guarda ok, con una curva di amplificazione liscia senza picchi (simile alla Figura 3E).
  5. Assicurarsi che tutte le singole cellule espressione di spillo-in controllo RNA per assicurarsi che tutti siano stati caricati correttamente.
  6. Assicurarsi che tutte le cellule hanno espressione genica delle pulizie e così sono state ordinate correttamente.
  7. Garantire che 10 e 20 controlli di linearità di cella hanno circa il CT 1 differenza per convalidare amplificazione lineare.
  8. Verifica se c'è espressione in campioni di controllo noRT. Se l'espressione viene rilevata in noRT pensare di cambiare sonde sonde che non rilevano il DNA genomico per le esecuzioni successive.
  9. Esportare dati in file csv per ulteriori analisi.

9. cella singola analisi utilizzando SCExV

Nota: Un filmato introduttivo è presenti20 per introdurre lo strumento. Qui, è presentata una breve raccomandazione di come eseguire analisi utilizzando i controlli introdotti nel protocollo.

  1. Connettersi al sito Web SCexV20.
  2. Caricare il file CSV esportati.
  3. Ha scelto il controllo a spillo-in RNA come controllo positivo. Rimuovere qualsiasi cella che ha un controllo CT RNA superiore a 25. Normalizzare i dati all'espressione mediana del controllo RNA.
  4. Fare clic su "qui -> Analyze". Rimuovere noRT, notemplate, 10 e 20 controlli di cella a escludere l'opzione di cella.
  5. Cluster di cellule con l'approccio clustering di scelta con il numero previsto di cluster. Esportare i valori analizzati.

10. l'ordinamento indice analisi

  1. Aprire il software di analisi FACS e caricare i campioni indicizzati.
  2. Aprire l'editor di script e di eseguire lo script disponibile da Quinn J. et al. 21
  3. Ora che il software di analisi di FACS sarebbe opportuno un cancello, per ciascuna delle singole celle, aprire l'editor di layout e colore le cellule secondo il raggruppamento da SCexV (disponibile nel file denominato "Sample_complete_Data.xls").

Risultati

Il protocollo descritto è altamente affidabile e veloce, facilmente eseguite. Nella Figura 1viene presentata una panoramica della disposizione sperimentale. L'intero protocollo, dalla selezione delle singole cellule, per amplificazione di target specifici, misure di espressione genica ed analisi preliminare può essere eseguito in tre giorni. Un esempio dei risultati analizzati sotto forma di una mappa di calore che rappresenta preliminari dati analizzati da...

Discussione

Negli ultimi anni, analisi di espressione genica di singola cellula è diventata una preziosa aggiunta per definire l'eterogeneità delle varie popolazioni di cellule23. L'avvento delle tecnologie di sequenziamento di RNA fornisce teoricamente la possibilità di misurare l'intero trascrittoma di una cella, tuttavia questi metodi sono complicati tramite le variazioni nella profondità della cellula--cellula sequenziamento e drop-out. Cella singola qPCR offre un'analisi sensibile e robusta dell'espr...

Divulgazioni

Gli autori non hanno nulla a rivelare.

Riconoscimenti

Questo lavoro è supportato da sovvenzioni dal Swedish Cancer Society, The Swedish Research Council, la società svedese per la ricerca medica, la svedese infanzia Cancer Foundation, la Fondazione di Ragnar Söderberg e The Knut e Alice Wallenberg Foundation

Materiali

NameCompanyCatalog NumberComments
CD14 PECY5eBioscience15-0149-42Clone: 61D3
CD16 PECY5Biolegend302010Clone: 3G8
CD56 PECY5Biolegend304608Clone: MEM-188
CD19 PECY5Biolegend302210Clone: HIB19
CD2 PECY5Biolegend300210Clone: RPA-2.10
CD3 PECY5Biolegend300310Clone: HIT3a
CD123 PECY5Biolegend306008Clone: 6H6
CD235A PECY5BD Pharma559944Clone GAR2
CD34 FITCBiolegend343604Clone: 561
CD38 APCBiolegend303510Clone: Hit2
CD90 PEBiolegend328110Clone: 5E10
CD45RA BV421BD bioscience560362Clone: HI100
CD49f Pecy7eBioscience25-0495-82Clone: eBioGOH3
FBSHyCloneSV30160.3
PBSHyCloneSH30028.02
96-well u-bottom PlateVWR10861-564
SFEMStem cell technologies9650
Penicillin streptomycinHyCloneSV30010
TPOPeprotech300-18
SCFPeprotech300-07
FLT3LPeprotech300-19
Falcon Tube 15 mLSarstedt62.554.502
Eppendorph tubeSarstedt72.690.001
CST beadsBD642412
Accudrop BeadsBD3452496 µm particles 
Adhesive film ClearThermo scientific AB-1170
Adhesive film FoilThermo scientific AB-0626
96 well PCR plateAxygenPCR-96M2-HS-C
PCR 1.5 mL tubeAxygenMCT-150-L-C
T100 PCR cyclerBioRad186-1096
10% NP40Thermo scientific 85124
10 mM dNTPTakara4030
0.1 M DTTInvitrogenP2325
RNAsoutInvitrogen10777-019RNAse inhibitor
CellsDirect One-Step qRT-PCR KitInvitrogen11753-100
Neuclease free waterInvitrogen11753-100from CellsDirect kit
2x Reaction MixInvitrogen11753-100from CellsDirect kit
SuperScript III RT/Platinum Taq MixInvitrogen11753-100from CellsDirect kit
Platinum Taq DNA PolymeraseInvitrogen10966026
TaqMan Cells-to-CT Control KitInvitrogen4386995
Xeno RNA ControlInvitrogen4386995From TaqMan Cells-to-CT Control Kit
20x Xeno RNA Control Taqman Gene Expression AssayInvitrogen4386995From TaqMan Cells-to-CT Control Kit
96.96 Sample/Loading Kit—10 IFCsFluidigmBMK-M10-96.96
2x Assay Loading ReagentFluidigmFrom 96.96 Sample/Loading Kit
20x GE Sample Loading ReagentFluidigmFrom 96.96 Sample/Loading Kit
Control line fluid FluidigmFrom 96.96 Sample/Loading Kit
TaqMan Gene Expression Master MixApplied Biosystems4369016
BioMark HDFluidigmBMKHD-BMKHD
96.96 Dynamic Array IFCFluidigmBMK-M10-96.96GT
ExcelMicrosoftMicrosoft
FlowJo V10TreeStarTreeStar
Fluidigm real time PCR analysisFluidigmFluidigm
CD179a.VPREB1Thermofisher scientificHs00356766_g1
ACEThermofisher scientificHs00174179_m1
AHRThermofisher scientificHs00169233_m1
BCR_ABL.52Thermofisher scientificHs03043652_ft
BCR_ABL41Thermofisher scientificHs03024541_ft
BMI1Thermofisher scientificHs00995536_m1
CCNA2Thermofisher scientificHs00996788_m1
CCNB1Thermofisher scientificHs01030099_m1
CCNB2Thermofisher scientificHs01084593_g1
CCNCThermofisher scientificHs01029304_m1
CCNE1Thermofisher scientificHs01026535_g1
CCNFThermofisher scientificHs00171049_m1
CCR9Thermofisher scientificHs01890924_s1
CD10.MMEThermofisher scientificHs00153510_m1
CD11aThermofisher scientificHs00158218_m1
CD11c.ITAXThermofisher scientificHs00174217_m1
CD123.IL3RAThermofisher scientificHs00608141_m1
CD133.PROM1Thermofisher scientificHs01009250_m1
CD151Thermofisher scientificHs00911635_g1
CD220.INSRThermofisher scientificHs00961554_m1
CD24.HSAThermofisher scientificHs03044178_g1
NCOR1Thermofisher scientificHs01094540_m1
CD26.DPP4Thermofisher scientificHs00175210_m1
CD274Thermofisher scientificHs01125301_m1
CD276Thermofisher scientificHs00987207_m1
CD32.FCGR2BThermofisher scientificHs01634996_s1
CD33Thermofisher scientificHs01076281_m1
CD34Thermofisher scientificHs00990732_m1
CD344.FZD4Thermofisher scientificHs00201853_m1
CD352.SLAMF6Thermofisher scientificHs01559920_m1
CD38Thermofisher scientificHs01120071_m1
CD4Thermofisher scientificHs01058407_m1
CD41.ITGA2BThermofisher scientificHs01116228_m1
CD49f.ITGA6Thermofisher scientificHs01041011_m1
CD56.NCAM1Thermofisher scientificHs00941830_m1
CD9Thermofisher scientificHs00233521_m1
CD97Thermofisher scientificHs00173542_m1
CD99Thermofisher scientificHs00908458_m1
CDK6Thermofisher scientificHs01026371_m1
CDKN1AThermofisher scientificHs00355782_m1
CDKN1BThermofisher scientificHs01597588_m1
CDKN1CThermofisher scientificHs00175938_m1
CEBPaThermofisher scientificHs00269972_s1
CSF1rThermofisher scientificHs00911250_m1
CSF2RAThermofisher scientificHs00531296_g1
CSF3RAThermofisher scientificHs01114427_m1
E2A.TCF3Thermofisher scientificHs00413032_m1
EBF1Thermofisher scientificHs01092694_m1
ENGThermofisher scientificHs00923996_m1
EPORThermofisher scientificHs00959427_m1
ERGThermofisher scientificHs01554629_m1
FLI1Thermofisher scientificHs00956711_m1
FLT3Thermofisher scientificHs00174690_m1
FOXO1Thermofisher scientificHs01054576_m1
GAPDHThermofisher scientificHs02758991_g1
GATA1Thermofisher scientificHs00231112_m1
GATA2Thermofisher scientificHs00231119_m1
GATA3Thermofisher scientificHs00231122_m1
GFI1Thermofisher scientificHs00382207_m1
HES1Thermofisher scientificHs01118947_g1
HLFThermofisher scientificHs00171406_m1
HMGA2Thermofisher scientificHs00171569_m1
HOXA5Thermofisher scientificHs00430330_m1
HOXB4Thermofisher scientificHs00256884_m1
ID2Thermofisher scientificHs04187239_m1
IGF2BP1Thermofisher scientificHs00198023_m1
IGF2BP2Thermofisher scientificHs01118009_m1
IKZF1Thermofisher scientificHs00172991_m1
IL1RAPThermofisher scientificHs00895050_m1
IL2RGThermofisher scientificHs00953624_m1
IRF8Thermofisher scientificHs00175238_m1
ITGB7Thermofisher scientificHs01565750_m1
KITThermofisher scientificHs00174029_m1
Lin28BThermofisher scientificHs01013729_m1
LMO2Thermofisher scientificHs00153473_m1
LYL1Thermofisher scientificHs01089802_g1
Meis1Thermofisher scientificHs01017441_m1
mKi67Thermofisher scientificHs01032443_m1
MPLThermofisher scientificHs00180489_m1
MPOThermofisher scientificHs00924296_m1
NFIBThermofisher scientificHs01029175_m1
Notch1Thermofisher scientificHs01062011_m1
PtenThermofisher scientificHs02621230_s1
RAG2Thermofisher scientificHs01851142_s1
RPS18Thermofisher scientificHs01375212_g1
RUNX1Thermofisher scientificHs00231079_m1
Shisa2Thermofisher scientificHs01590823_m1
Spi1Thermofisher scientificHs02786711_m1
Sterile.IgHThermofisher scientificHs00378435_m1
TAL1Thermofisher scientificHs01097987_m1
THY1Thermofisher scientificHs00264235_s1
Tim.3.HAVCR2Thermofisher scientificHs00958618_m1
VWFThermofisher scientificHs00169795_m1

Riferimenti

  1. Seita, J., Weissman, I. L. Hematopoietic stem cell: Self-renewal versus differentiation. Wiley Interdiscip Rev Syst Biol Med. 2 (6), 640-653 (2010).
  2. Orkin, S. H., Zon, L. I. Hematopoiesis: An evolving paradigm for stem cell biology. Cell. 132 (4), 631-644 (2008).
  3. Ye, F., Huang, W., Guo, G. Studying hematopoiesis using single-cell technologies. Journal of Hematology & Oncology. 10, 27 (2017).
  4. Hoppe, P. S., Coutu, D. L., Schroeder, T. Single-cell technologies sharpen up mammalian stem cell research. Nature Cell Biology. 16 (10), 919-927 (2014).
  5. Wills, Q. F., et al. Single-cell gene expression analysis reveals genetic associations masked in whole-tissue experiments. Nature Biotechnol. 31 (8), 748-752 (2013).
  6. Velten, L., et al. Human haematopoietic stem cell lineage commitment is a continuous process. Nat Cell Biol. 19 (4), 271-281 (2017).
  7. Wilson, N. K., Nicola, K., et al. Combined single-cell functional and gene expression analysis resolves heterogeneity within stem cell populations. Cell Stem Cell. 16 (6), 712-724 (2015).
  8. Saliba, A. E., Westermann, A. J., Gorski, S. A., Vogel, J. Single-cell RNA-seq: Advances and future challenges. Nucleic Acids Research. 42 (14), 8845-8860 (2014).
  9. Femino, A. M., Fay, F. S., Fogarty, K., Singer, R. H. Visualization of Single RNA Transcripts in Situ. Science. 280 (5363), 585-590 (1998).
  10. Kalisky, T., et al. A brief review of single-cell transcriptomic technologies. Briefings in Functional Genomics. , elx019 (2017).
  11. Crosetto, N., Bienko, M., van Oudenaarden, A. Spatially resolved transcriptomics and beyond. Nature Reviews Genetics. 16, 57 (2014).
  12. Bengtsson, M., Ståhlberg, A., Rorsman, P., Kubista, M. Gene expression profiling in single cells from the pancreatic islets of Langerhans reveals lognormal distribution of mRNA levels. Genome Research. 15 (10), 1388-1392 (2005).
  13. Bengtsson, M., Hemberg, M., Rorsman, P., Ståhlberg, A. Quantification of mRNA in single cells and modelling of RT-qPCR induced noise. BMC Molecular Biology. 9 (1), 63 (2008).
  14. Picelli, S., et al. Smart-seq2 for sensitive full-length transcriptome profiling in single cells. Nature Methods. 10, 1096 (2013).
  15. Tung, P. -. Y., et al. Batch effects and the effective design of single-cell gene expression studies. Scientific Reports. 7, 39921 (2017).
  16. Teles, J., Enver, T., Pina, C. Single-cell PCR profiling of gene expression in hematopoiesis. Methods in Molecular Biology. , 21-42 (2014).
  17. Hayashi, T., et al. Single-cell gene profiling of planarian stem cells using fluorescent activated cell sorting and its "index sorting" function for stem cell research. Development, Growth, & Differentiation. 52 (1), 131-144 (2010).
  18. Lang, S., et al. SCExV: A webtool for the analysis and visualisation of single cell qRT-PCR data. BMC Bioinformatics. 16 (1), 320 (2015).
  19. de Klein, A., et al. A cellular oncogene is translocated to the Philadelphia chromosome in chronic myelocytic leukaemia. Nature. 300 (5894), 765-767 (1982).
  20. . indexed-sorting Available from: https://github.com/FlowJo-LLC/indexed-sorting (2016)
  21. Warfvinge, R., et al. Single-cell molecular analysis defines therapy response and immunophenotype of stem cell subpopulations in CML. Blood. 129 (17), 2384-2394 (2017).
  22. Nestorowa, S., et al. A single-cell resolution map of mouse hematopoietic stem and progenitor cell differentiation. Blood. 128 (8), e20-e31 (2016).
  23. Breton, G., et al. Human dendritic cells (DCs) are derived from distinct circulating precursors that are precommitted to become CD1c+ or CD141+ DCs. The Journal of Experimental Medicine. 213 (13), 2861-2870 (2016).
  24. Alberti-Servera, L., et al. Single-cell RNA sequencing reveals developmental heterogeneity among early lymphoid progenitors. The EMBO Journal. 36 (24), 3619-3633 (2017).
  25. Giustacchini, A., et al. Single-cell transcriptomics uncovers distinct molecular signatures of stem cells in chronic myeloid leukemia. Nature Medicine. 23, 692 (2017).
  26. Hansmann, L., Han, A., Penter, L., Liedtke, M., Davis, M. M. Clonal expansion and interrelatedness of distinct B-lineage compartments in multiple myeloma bone marrow. Cancer Immunology Research. 5 (9), 744-754 (2017).
  27. Psaila, B., et al. Single-cell profiling of human megakaryocyte-erythroid progenitors identifies distinct megakaryocyte and erythroid differentiation pathways. Genome Biology. 17 (1), 83 (2016).
  28. Schulte, R., et al. Index sorting resolves heterogeneous murine hematopoietic stem cell populations. Experimental Hematology. 43 (9), 803-811 (2015).

Ristampe e Autorizzazioni

Richiedi autorizzazione per utilizzare il testo o le figure di questo articolo JoVE

Richiedi Autorizzazione

Esplora altri articoli

Geneticaproblema 140eterogeneitunicellulareRT qPCRFACSindice di ordinamentoimmunophenotypic caratterizzazioneanalisi di espressione genica

This article has been published

Video Coming Soon

JoVE Logo

Riservatezza

Condizioni di utilizzo

Politiche

Ricerca

Didattica

CHI SIAMO

Copyright © 2025 MyJoVE Corporation. Tutti i diritti riservati