Alinhamento de dados sincronizados de séries temporais usando o modelo de caracterização de perda de sincronia do ciclo celular para comparações entre experimentos

Resumo

Um desafio de analisar experimentos sincronizados de séries temporais é que os experimentos geralmente diferem na duração da recuperação da sincronia e no período do ciclo celular. Assim, as medidas de diferentes experimentos não podem ser analisadas de forma agregada ou facilmente comparadas. Aqui, descrevemos um método para alinhar experimentos para permitir comparações específicas de fase.

Resumo

A investigação do ciclo celular muitas vezes depende da sincronização das populações celulares para medir vários parâmetros em uma série temporal à medida que as células atravessam o ciclo celular. No entanto, mesmo sob condições semelhantes, experimentos replicados exibem diferenças no tempo necessário para se recuperar da sincronia e atravessar o ciclo celular, impedindo comparações diretas em cada ponto de tempo. O problema de comparar medidas dinâmicas entre experimentos é exacerbado em populações mutantes ou em condições alternativas de crescimento que afetam o tempo de recuperação da sincronia e/ou o período do ciclo celular.

Publicamos anteriormente um modelo matemático paramétrico chamado Characterizing Loss of Cell Cycle Synchrony (CLOCCS) que monitora como populações síncronas de células se liberam da sincronia e progridem através do ciclo celular. Os parâmetros aprendidos do modelo podem então ser usados para converter pontos de tempo experimentais de experimentos sincronizados de séries temporais em uma escala de tempo normalizada (pontos de linha de vida). Em vez de representar o tempo decorrido em minutos desde o início do experimento, a escala da linha de vida representa a progressão da sincronia para a entrada do ciclo celular e, em seguida, através das fases do ciclo celular. Como os pontos da linha de vida correspondem à fase da célula média dentro da população sincronizada, essa escala de tempo normalizada permite comparações diretas entre experimentos, incluindo aqueles com períodos e tempos de recuperação variáveis. Além disso, o modelo tem sido usado para alinhar experimentos de ciclo celular entre diferentes espécies (por exemplo, Saccharomyces cerevisiae e Schizosaccharomyces pombe), permitindo assim a comparação direta de medidas do ciclo celular, que podem revelar semelhanças e diferenças evolutivas.

Introdução

Medidas de séries temporais realizadas em populações sincronizadas de células à medida que progridem ao longo do ciclo celular é um método padrão para investigar os mecanismos que controlam a progressão do ciclo celular 1,2,3,4,5,6,7,8 . A capacidade de fazer comparações entre experimentos de séries temporais de sincronia/liberação é vital para nossa compreensão desses processos dinâmicos. O uso de exper....

Protocolo

1. Coleta de dados experimentais e de fase do ciclo celular

1. Sincronizar as células em relação ao ciclo celular usando o método de sincronização desejado (por exemplo, elutriação centrífuga como descrito em Leman et al.18 ou parada de feromônio de acasalamento como descrito em Rosebrock 19; tanto Leman et al.18 quanto Rosebrock ¹⁹ também incluem métodos para a liberação de sincronia). Comece a amostragem ao longo da série temporal, garantindo que a série temporal tenha pelo menos dois períodos completos de ciclo celular e, idealmente, colete pelo m....

Discussão

Este artigo apresenta um método para avaliar de forma mais precisa e quantitativa dados de experimentos de séries temporais em populações sincronizadas de células. O método utiliza parâmetros aprendidos do CLOCCS, um modelo bayesiano de inferência que utiliza dados de fase do ciclo celular de entrada, como dados de brotamento e dados de conteúdo de DNA de citometria de fluxo, para parametrizar cada experimento^14,15. O CLOCCS usa os dados de fase do ciclo.......

Materiais

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