Alineación de datos sincronizados de series temporales utilizando el modelo de caracterización de la pérdida de sincronía del ciclo celular para comparaciones entre experimentos

Resumen

Un desafío de analizar experimentos sincronizados de series de tiempo es que los experimentos a menudo difieren en la duración de la recuperación de la sincronía y el período del ciclo celular. Por lo tanto, las mediciones de diferentes experimentos no pueden analizarse en conjunto o compararse fácilmente. Aquí, describimos un método para alinear experimentos para permitir comparaciones específicas de fase.

Resumen

La investigación del ciclo celular a menudo depende de la sincronización de las poblaciones celulares para medir varios parámetros en una serie de tiempo a medida que las células atraviesan el ciclo celular. Sin embargo, incluso en condiciones similares, los experimentos replicados muestran diferencias en el tiempo requerido para recuperarse de la sincronía y atravesar el ciclo celular, evitando así las comparaciones directas en cada punto de tiempo. El problema de comparar mediciones dinámicas entre experimentos se exacerba en poblaciones mutantes o en condiciones de crecimiento alternativas que afectan el tiempo de recuperación de sincronía y / o el período del ciclo celular.

Hemos publicado previamente un modelo matemático paramétrico llamado Caracterización de la pérdida de sincronía del ciclo celular (CLOCCS) que monitorea cómo las poblaciones sincrónicas de células se liberan de la sincronía y progresan a través del ciclo celular. Los parámetros aprendidos del modelo se pueden usar para convertir puntos de tiempo experimentales de experimentos sincronizados de series temporales en una escala de tiempo normalizada (puntos de línea de vida). En lugar de representar el tiempo transcurrido en minutos desde el inicio del experimento, la escala de línea de vida representa la progresión desde la sincronía hasta la entrada del ciclo celular y luego a través de las fases del ciclo celular. Dado que los puntos de la línea de vida corresponden a la fase de la célula promedio dentro de la población sincronizada, esta escala de tiempo normalizada permite comparaciones directas entre experimentos, incluidos aquellos con períodos y tiempos de recuperación variables. Además, el modelo se ha utilizado para alinear experimentos de ciclo celular entre diferentes especies (por ejemplo, Saccharomyces cerevisiae y Schizosaccharomyces pombe), permitiendo así la comparación directa de las mediciones del ciclo celular, que pueden revelar similitudes y diferencias evolutivas.

Introducción

Las mediciones de series temporales realizadas en poblaciones sincronizadas de células a medida que progresan a través del ciclo celular es un método estándar para investigar los mecanismos que controlan la progresión del ciclo celular 1,2,3,4,5,6,7,8 . La capacidad de hacer comparaciones entre experimentos de series temporales de sincronía / lanzamiento es vital para nuestra comprensión de estos proceso....

Protocolo

1. Recopilación de datos experimentales y de fase del ciclo celular

1. Sincronizar las células con respecto al ciclo celular utilizando el método de sincronización deseado (por ejemplo, elutriación centrífuga como se describe en Leman et al.18 o detención de feromonas de apareamiento como se describe en Rosebrock 19; tanto Leman et al.18 como Rosebrock¹⁹ también incluyen métodos para la liberación de la sincronía). Comience el muestreo a lo largo de la serie temporal, asegurándose de que la serie temporal tenga al menos dos períodos completos de cicl....

Resultados

Los pasos descritos en el protocolo anterior y en el flujo de trabajo de la Figura 1 se aplicaron a cinco experimentos de series temporales sincronizadas con ciclo celular para demostrar dos comparaciones representativas: entre réplicas con diferentes métodos de sincronía (feromona de apareamiento y elutriación centrífuga¹⁸) y plataformas de secuenciación (secuenciación de ARN [RNA-seq] y microarray), así como entre condiciones experimentales. Se realizaron m?.......

Discusión

Este artículo presenta un método para evaluar de manera más precisa y cuantitativa los datos de experimentos de series temporales en poblaciones sincronizadas de células. El método utiliza parámetros aprendidos de CLOCCS, un modelo de inferencia bayesiana que utiliza datos de fase del ciclo celular de entrada, como datos de gemación y datos de contenido de ADN por citometría de flujo, para parametrizar cada experimento^14,15. CLOCCS utiliza los datos de fa.......

Materiales

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