Este procedimento descreve como visualizar, rastrear e quantificar Acanthamoeba spp. motilidade.
A ceratite por Acanthamoeba é uma infecção ocular grave que apresenta desafios de tratamento e pode levar à cegueira. Apesar de sua onipresença e potencial contaminação de lentes de contato após a exposição à água, o comportamento natural desse patógeno permanece indefinido. Compreender os padrões de movimento da Acanthamoeba pode nos informar sobre como ela coloniza as lentes de contato e contamina a córnea do paciente. É uma sorte que Acanthamoeba spp. são visíveis por microscopia de campo claro a partir de uma ampliação de 4x. Técnicas anteriores foram desenvolvidas para quantificar a motilidade de Acanthamoeba em relação aos efeitos citopáticos ou subexposição ao campo elétrico. Aqui, descrevemos um método para rastrear e quantificar Acanthamoeba spp. motilidade de longo prazo (horas a dias), que é um protocolo aplicável a várias cepas de ameba, superfícies e estado nutricional de ameba. Este procedimento é pertinente para determinar muitas quantificações de motilidade central, como distância, velocidade, confinamento e direcionalidade, que são necessárias para monitorar diferentes estágios de infecção, proliferação ou mudança comportamental.
A pesquisa de Acanthamoeba aumentou dramaticamente nos últimos anos devido ao aumento da prevalência de ceratite por Acanthamoeba (AK), que é uma infecção parasitária após a fixação de Acanthamoeba à córnea1. Embora os surtos de AK possam ser atribuídos a cuidados inadequados com lentes de contato ou soluções ineficazes para cuidados com lentes de contato 2,3,4,5, atualmente não há requisitos para demonstrar a eficácia da desinfecção de Acanthamoeba para qualquer produto no mercado. No entanto, há um esforço contínuo na comunidade científica e nas organizações de padrões para examinar os protocolos necessários para quantificar a eficácia da desinfecção de produtos para cuidados com lentes de contato 6,7. Além disso, devido à sua semelhança em aspectos celulares e funcionais com macrófagos humanos, Acanthamoeba foi observado como tendo um papel significativo no hospedeiro e disseminação de outros patógenos humanos8, além da patogenicidade que a própria ameba traz.
Foram descritas técnicas recentes que foram capazes de quantificar a motilidade de Acanthamoeba - que geralmente não está altamente sujeita ao movimento browniano 9,10 - em relação a efeitos citopáticos ou subexposição ao campo elétrico 9,11, bem como avanços na análise de motilidade na pesquisa de vírus gigantes usando Acanthamoeba como vetor viral rastreável 12, 13. Também houve melhorias constantes e significativas no rastreamento de células e partículas ocorrendo nos últimos 20 anos usando novos programas de software, como o software de imagem usado aqui, e novos algoritmos e tecnologias de aprendizado profundo14. No entanto, este é um campo relativamente novo e crescente da ciência em relação à pesquisa de bancada, aplicação clínica e padrões industriais, e tem havido uma escassez de dados publicados sobre métodos para visualizar e rastrear essa ameba, particularmente para quantificar mudanças comportamentais após a adesão às lentes de contato ou durante ou após a desinfecção das lentes de contato. Outros campos que se expandem para o monitoramento visual de longo prazo apoiaram esse esforço15 , 16 , 17 . Devido à natureza inerentemente desafiadora de Acanthamoeba - incluindo uma resistência geral a plasmídeos (que podem conferir fluorescência), a capacidade da ameba de consumir e destruir corantes celulares padrão e uma composição proteica externa única - dificultando a marcação de anticorpos - métodos disponíveis para outras células que os tornam visíveis em outros ambientes que não a imagem de campo claro têm sido inutilizáveis neste organismo. Assim, quantificar a motilidade dessa ameba demonstrou uma adição significativa ao campo. Usando o método descrito aqui, pudemos verificar que as amebas permanecem móveis por pelo menos 12 h sem nutrientes18 e que as amebas que são desafiadas com um processo de desinfecção e cessam a motilidade durante a desinfecção podem recuperar sua motilidade pós-desinfecção se não forem totalmente lisadas19.
Este protocolo detalha como rastrear e quantificar visualmente a motilidade da ameba microscopicamente. As etapas principais são registrar a ameba em campo claro usando o foco e o tempo apropriados entre as imagens, transformar as imagens em binárias usando o software de imagem e, em seguida, usar o plug-in de rastreamento de um software de imagem para definir os parâmetros experimentais e seguir cada ameba para determinar as medidas necessárias, como velocidade, distância e confinamento. Em seguida, é possível quantificar a quimiotaxia de uma ameba ou de uma população de amebas para definir a direcionalidade. A principal contribuição deste método é visualizar e quantificar o comportamento da ameba durante diferentes estados de suporte nutricional, adesão à superfície, desafio de desinfecção ou outras alterações ambientais, como coabitação com cultura de células de mamíferos.
1. Preparação de Acanthamoeba
NOTA:Este protocolo foi verificado para ATCC 50655, 30872, 50702, 30010, 30461, 50370, 50703, 30137, PRA-115 e PRA-411. Este é um patógeno BSL2 e deve ser trabalhado dentro de um capô e laboratório BSL2.
2. Visualizando e gravando Acanthamoeba
3. Análise do tamanho da ameba
4. Preparação de arquivos de microscópio para rastreamento (análise de motilidade)
5. Analisando a motilidade por meio de rastreamento
Para alcançar o sucesso usando esse método, há várias peças gerais cruciais a serem consideradas. A primeira é a configuração física da ameba e do microscópio, a segunda é a utilização adequada do software de imagem e a terceira é exportar e analisar os dados de imagem de maneira significativa.
Antes do início da gravação microscópica, é fundamental garantir que a ameba esteja devidamente focada no estágio do microscópio (Figura 1). Em vez de focar na ameba no plano Z ideal para detalhes individuais, aqui é ideal visualizá-los ligeiramente fora de foco para que se tornem pontos pretos sólidos em oposição ao seu estado translúcido quando vistos em detalhes. Visualizá-los dessa maneira permitirá que o software de imagem e o software de rastreamento encontrem cada ameba individual com muito mais facilidade quando o arquivo for convertido em binário (Figura 2). Saber qual é o objetivo do software de imagem - ou seja, que cada ameba apareça como um círculo branco bem definido, pode ajudar o leitor a encontrar o foco adequado ao tirar as imagens originais em campo claro. Então, com cada círculo claramente definido, o software de rastreamento será capaz de rastrear adequadamente a motilidade e reunir as métricas de motilidade individuais para cada ameba.
Depois de seguir as instruções passo a passo no protocolo listado acima para o software de imagem e o software de rastreamento e consultar o vídeo associado para auxiliar nas primeiras etapas cruciais do uso do software de imagem, é hora de exportar os dados do software de imagem para quantificação e análise de dados. A saída bruta do software de rastreamento será semelhante ao que é visto na Figura 3. Aqui, é importante verificar se o número de pontos nas faixas exportadas está correto para o que é esperado (por exemplo, se alguém pediu que 93% dos quadros estivessem presentes em todas as faixas e um tivesse 100 quadros totais no vídeo, cada faixa exportada deve ter maior ou igual a 93 pontos). Se os pontos não corresponderem aos requisitos, pode ser necessário voltar às etapas do software de rastreamento para garantir que os parâmetros necessários foram definidos corretamente.
A partir da exportação bruta, comece a criar a planilha de análise de dados (Figura 4). É importante lembrar que cada faixa representa uma ameba singular dentro de uma réplica singular. Portanto, como visto na Figura 4, Figura 5 e Figura 6, todas as faixas de um conjunto de quadros ou ponto de tempo devem ser calculadas (Figura 4), e esse processo deve ser feito para cada conjunto de quadros ou ponto de tempo em uma série inteira (ou seja, se um total de 3 h de vídeo for tirado e os pontos de dados forem divididos por hora, então haverá três conjuntos de quadros/horas para analisar por replicação, Figura 5). Finalmente, a partir dessa combinação de médias em cada conjunto de quadros em cada replicação, os dados médios devem ser combinados de cada réplica em um espaço para que os dados em várias réplicas possam ser analisados para determinar a média verdadeira e o desvio padrão por ponto de tempo (Figura 6).
As médias de cada réplica serão usadas para análise de dados, e a média combinada e o desvio padrão ou erro padrão de todas as réplicas serão usados para representação gráfica (como visto em um exemplo na Figura 7). Se analisar dados como fizemos aqui, que são várias amostras sendo acompanhadas em vários pontos de tempo, é mais apropriado analisá-los usando uma ANOVA de medida de repetição de 2 vias com um teste de Tukey post hoc. Isso nos permite determinar as diferenças entre as amostras em cada ponto de tempo e também determinar as diferenças dentro de cada amostra ao longo do tempo.
Figura 1: A ameba aparece como formas escuras opacas na microscopia de campo claro. Ampliado na imagem representativa da ameba com ampliação de 4x, ligeiramente fora de foco para aparecer como olheiras sólidas. Barra de escala = 500 μm. Clique aqui para ver uma versão ampliada desta figura.
Figura 2: Ameba fotografada em microscopia de campo claro convertida em binária e rastreada. A ameba com ampliação de 4x, em campo claro (esquerda), foi convertida em binária com artefatos removidos (meio) e, após o rastreamento, com faixas selecionadas exibidas (direita). Linha superior: um poço inteiro fotografado costurando 4 imagens, barra de escala = 1000 μm. Linha inferior: o tamanho de uma única imagem antes da costura, barra de escala = 500 μm. Clique aqui para ver uma versão maior desta figura.
Figura 3: A saída imediata da análise de dados do software de imagem e rastreamento contém uma ampla variedade de tipos de dados. A saída representativa do rastreamento é mostrada na Figura 2, que é um vídeo singular. Observe que os números das faixas (seta vermelha) pulam os números, indicando que o software de rastreamento removeu corretamente as faixas que não estavam alinhadas com os parâmetros. Neste exemplo, apenas 71 de 5385 faixas identificadas estavam alinhadas com os parâmetros. Essa proporção é normal, dadas diretrizes tão rígidas. Este número de rastros também está de acordo com o número de amebas usadas neste protocolo (por exemplo, se uma placa de 96 poços é semeada com 200 μL de 7,5 x 103 UFC / mL por poço, então deve-se esperar cerca de 1.500 amebas no poço e aproximadamente esse número visível em um campo de visão de 4 pontos. Provavelmente haverá muito mais rastros do que ameba à medida que a ameba entra e sai do campo de visão, gerando novos rastros). Este número de rastro é novamente aparente na Figura 2, onde apenas alguns rastros são visíveis em comparação com um grande número de pontos. Sempre verifique o número de pontos na pista (caixa vermelha) para garantir que apenas os comprimentos corretos da pista sejam incluídos. Por exemplo, aqui, incluímos mais de 93% dos quadros, e havia 127 quadros nesta seção, então todos os números de pontos devem estar acima de 118. Destacadas em amarelo estão as medidas que foram mencionadas no protocolo. Clique aqui para ver uma versão maior desta figura.
Figura 4: Dados reorganizados conforme necessário após a saída inicial de dados. Organização dos dados desejados após a exportação. (A) As medidas pertinentes escolhidas para quantificar foram copiadas da exportação do software de rastreamento (Figura 3) e coladas em uma nova planilha. (B) Depois que as medições desejadas forem organizadas na nova planilha, a média de cada trilha deve ser calculada. Assim, neste exemplo representativo, a Distância Total, a Distância Máxima, o Confinamento, a Velocidade Média e o Deslocamento de cada trilha utilizável neste vídeo singular foram calculados em média para um número singular para cada medição. Observe novamente aqui que um total de 71 faixas atendeu aos parâmetros para os quadros 1-127. Provavelmente haverá um número diferente de faixas adequadas de cada vídeo ou conjunto de quadros analisado, como fica evidente na Figura 5. Clique aqui para ver uma versão maior desta figura.
Figura 5: Quadros sequenciais definidos para análise de uma série inteira de imagens ou vídeo. Esta é uma imagem representativa da adição de vídeos sequenciais à análise de dados. Supondo que os quadros 1-127 constituam a Hora 1 do vídeo (aqui, 1 h é composto de tirar uma imagem uma vez a cada 28 s). Os quadros 128 a 254 serão a 2ª hora de vídeo e os quadros 255 a 381 serão a 3ª hora de vídeo. Combine os dados exportados (como foi exportado na Figura 3) de todas as horas em uma planilha para trabalhar com todos de uma vez. Como foi feito na Figura 4, os dados de todas as trilhas utilizáveis para cada conjunto de quadros/h serão calculados em média. Tudo na Figura 5 são os dados de uma réplica ou amostra. Se houver 3 réplicas, haverá 3 guias de planilha separadas dispostas de forma idêntica e os dados delas serão alimentados em uma nova guia, conforme demonstrado na Figura 6. Clique aqui para ver uma versão maior desta figura.
Figura 6: Dados compostos de todas as amebas em cada conjunto de quadros usados para representar uma única replicação. (A) Todas as médias de cada quadro definido na Figura 5 precisam ser reunidas em um local central para que a análise final dos dados possa ser concluída. Nesta imagem representativa, as médias de Distância Total dos três primeiros conjuntos de quadros (ou horas) são mostradas. Isso deve ser repetido para cada amostra/condição/réplica que está sendo executada. Em seguida, as médias de cada amostra de cada conjunto de quadros devem ser calculadas (caixa amarela). Este é o ponto de dados final a partir do qual o desvio padrão e o erro padrão podem ser calculados. As médias individuais de cada Amostra (aqui, os números em B3, B4 e B5 para a Amostra de Distância Total 1; C3, C4 e C5 para Amostra de Distância Total 2, etc.) será usado para executar a análise estatística. Este processo será repetido para todas as medições necessárias (Distância Máxima, Confinamento, Velocidade Média, Deslocamento, etc.) (B) Para fazer uma representação gráfica da quantificação, use os números na caixa amarela como pontos de dados a serem usados para o gráfico final. Clique aqui para ver uma versão maior desta figura.
Figura 7: Dados brutos de motilidade para ATCC 30461 e ATCC 50370. Os dados brutos (aqui representados como média ± AE para cada hora) foram coletados previamente e não publicados para estudos anteriores 18,19. Essa quantificação de motilidade demonstra que essas duas amebas são semelhantes em suas primeiras 6 h de motilidade (medida pela distância total em mícrons percorrida naquela hora) em solução de 1/4 de Ringer em uma superfície de vidro. Cada ponto de tempo representa três réplicas separadas, cada uma composta de 20 a 200 faixas de ameba. Clique aqui para ver uma versão maior desta figura.
Ser capaz de rastrear e quantificar a motilidade de amebas como Acanthamoeba, que são organismos microscópicos aderentes não afetados pelo movimento browniano de baixa velocidade 9,10, revela uma quantidade substancial de informações sobre o comportamento da ameba e pode aumentar muito o esclarecimento sobre os métodos de prevenção da CA. Esse protocolo foi detalhado em publicações recentes, e os dados foram confirmados ou combinados com outras análises de dados semelhantes 18,19. Notamos aqui que a velocidade da ameba detalhada usando este método é semelhante ao que foi publicado por outros grupos. Este protocolo é notável por sua capacidade de ser usado basicamente em qualquer tratamento de superfície ou ameba, que é transparente à luz, mas é importante observar que, embora este protocolo possa ser modificado para funcionar com outros organismos, ele só foi otimizado até agora para Acanthamoeba. O protocolo acima funcionou consistentemente bem no laboratório, mas as seguintes alterações para alterar o método para atender a outras necessidades ou solucionar problemas de situações difíceis são fornecidas.
Determinando os parâmetros de rastreamento: No protocolo acima, foram listados a vinculação quadro a quadro, o fechamento da lacuna, a lacuna máxima do quadro e o número de pontos na pista, que eram os mais aplicáveis para publicações recentes. No entanto, é possível que outros parâmetros sejam mais adequados para outras necessidades. Além disso, pode haver parâmetros que outros gostariam de usar, mas não foram usados aqui (como a distância máxima de uma trilha em filtros de trilha). Mais informações sobre cada parâmetro e o que eles descrevem podem ser acessadas aqui no site (consulte a referência21). Ao decidir quais parâmetros e filtros são mais relevantes para outros experimentos e como eles devem ser definidos, pense no que é estatisticamente racional para um projeto específico; Por exemplo, alguém gostaria de dados de uma ameba que sai e depois volta para o campo de visão? Ou alguém gostaria de manter os dados de uma ameba que não se moveu muito, mas ainda foi marcada como uma faixa? e o que faz sentido para o número de quadros e o período de tempo entre os quadros em que as imagens foram gravadas.
Alterando o tamanho da bolha: Descobrimos que é extremamente difícil com qualquer software ou configuração de microscópio - com base nas tecnologias atuais e software disponível para laboratórios padrão - rastrear com precisão o número de amebas em um agregado à medida que ele muda ao longo do tempo. Se estiver rastreando o tamanho de uma bolha e tentando correlacionar esse tamanho com o número de organismos nela, use uma curva padrão gerada após experimentos repetidos para prever matematicamente o tamanho de um agregado. Por exemplo, os agregados foram criados semeando poços com uma variedade de números de ameba, como 8, 16, 32, 125, 250, 500, 1.000 e 2.000 células por poço. Imagens de lapso de tempo em vários pontos de tempo de cada poço por 24 h foram geradas. Cada esferóide (que era de um número conhecido de ameba) foi analisado para uma área bidimensional, e uma curva padrão foi gerada em função da contagem de amebas versus o tamanho do esferóide ao longo do tempo. Este experimento foi repetido em pelo menos triplicado para nos dar um desvio padrão apropriado de qualquer curva gerada.
Determinando a direcionalidade da ameba: Embora isso possa não ser necessário para estudos específicos, pode ser útil entender a direcionalidade da ameba. Isso forneceria dados sobre os efeitos quimiotáticos do tratamento ou experimento. Esses dados também podem ser usados para criar dados visuais (gráficos) e quantitativos. Isso está disponível por meio da Ferramenta de Quimiotaxia e Migração, que é um plug-in gratuito para software de imagem. Está disponível no site junto com o guia de aplicação e imagens e filmes de amostra (consulte a Tabela de Materiais).
Dinâmica de movimento detalhada: outros grupos examinaram a dinâmica de espalhamento e as trajetórias difusivas com análises estatísticas altamente avançadas e desenvolvidas além do que é discutido aqui 9,10,22. Estes podem ser considerados com base nas necessidades do usuário.
Como acontece com qualquer método bem-sucedido, o protocolo detalhado neste manuscrito passou por muitas rodadas de solução de problemas para obter consistência. Embora excelentes vídeos rastreáveis de alta qualidade possam ser feitos tirando uma imagem a cada segundo (ou tão rápido quanto o microscópio é capaz, pode ser menos de um segundo), isso cria arquivos extremamente grandes, com os quais pode ser difícil trabalhar. Isso só é realisticamente adequado para vídeos de muito curto prazo gravados por no máximo alguns minutos. Por outro lado, ao tirar uma imagem a cada poucos segundos, descobrimos que o comportamento da ameba ainda é muito rastreável com base na velocidade dessa espécie, e é possível criar vídeos viáveis ao longo de horas ou dias. Descobrimos que a quantidade máxima de tempo entre as imagens é de 30 s, que é o tempo necessário para que a ameba seja rastreada com precisão pelo software de imagem. O intervalo de tempo que o usuário escolhe deve ser considerado usando as restrições conhecidas de quão rápido o microscópio pode gravar imagens, quantas imagens por poço são necessárias e quantos poços estão sendo registrados em cada intervalo. Da mesma forma, os parâmetros mencionados neste protocolo em relação ao deslocamento máximo, lacunas de quadros permitidas, quadros mínimos necessários e assim por diante, foram determinados por tentativa e erro por este laboratório para criar informações de trilha que incluem as faixas de ameba mais completas e ignorar o ruído criado por trilhas incompletas, ameba que se junta ou sai do palco no meio do vídeo ou erros criados por confusão de software de imagem, como quando duas amebas se encontram no meio da pista e depois se separam. Esses tipos de erros e faixas incompletas são compreensivelmente altos ao criar vídeos extremamente longos (horas a dias) de organismos biológicos microscópicos que estão constantemente interagindo uns com os outros e são a razão pela qual uma grande parte das trilhas errôneas deve ser rejeitada. Deve-se notar que a etapa de preenchimento de orifícios no protocolo é, na experiência deste laboratório, importante para reduzir o erro na forma como o software de imagem rastreia a ameba. Ao certificar-se de que cada ameba é um círculo sólido em vez de, às vezes, uma rosquinha ou uma forma de c, é muito mais provável que o software seja capaz de rastrear cada ameba com sucesso.
Além disso, conforme discutido, existem muitos parâmetros disponíveis para um usuário analisar uma imagem ou vídeo. Com base nas necessidades experimentais, temos consistentemente nos beneficiado mais da análise da distância total, distância máxima, velocidade e deslocamento. Estes são discutidos em profundidade (incluindo o uso de diferentes linhagens e superfícies) com interpretações gráficas em publicações anteriores18,19. Esses quatro parâmetros permitem que um usuário extrapole a capacidade de uma ameba de percorrer distâncias lineares e quanto tempo leva para fazê-lo, o que ajuda a entender seu comportamento no que se refere à contaminação das lentes de contato. Recuperar e analisar esses parâmetros é um trabalho grande, conforme detalhado em nossas figuras. Ao trabalhar com planilhas grandes e numerosas a partir da saída do software de imagem, limitamos os erros não intencionais criando modelos de planilhas bloqueadas que calculavam automaticamente todas as análises necessárias. No entanto, uma possível melhoria nesse método seria escrever um script que possa lidar com esses dados, classificá-los e analisá-los.
Em conclusão, um método acessível e preciso para medir o tamanho e a motilidade de Acanthamoeba em muitas condições diferentes é descrito aqui. Demonstramos que esse método pode ser aplicado a muitas cepas diferentes de ameba e destacamos que, embora possa haver parâmetros diretos para obter informações de motilidade, essa configuração experimental pode ser altamente adaptada a quaisquer necessidades específicas.
Todos os autores são funcionários da Alcon Research, LLC.
Este trabalho foi financiado pela Alcon Research, LLC.
Name | Company | Catalog Number | Comments |
¼ Ringer’s solution | ThermoFisher Scientific | BR0052G | Oxoid Ringers Solution Tablets. Follow directions to make one-quarter strength instead of full strength Ringers. |
10 µL pipette | Eppendorf Research | 3123000039 | 2 µL-20 µL single channel |
10 µL pipette tips | Neptune Scientific, San Diego, CA, USA | BT10.N | 10 µL Universal Barrier Tip |
48 well plate | Millipore Sigma, | CLS3548 | Corning Costar TC-Treated Multiple Well Plate: polystyrene plate, flat bottom wells, sterile, with lid |
50 mL conical tubes (1 for each sample, 1 for each pass 2 sample) | Fisher Scientific | Falcon 352098 | Falcon 50 mL High Clarity Conical Centrifuge Tubes, polypropylene |
96-well plate | Millipore Sigma, Burlington, MA, USA | CLS3596 | Corning Costar TC-Treated Multiple Well Plate: polystyrene plate, flat bottom wells, sterile, with lid |
Acanthamoeba | American Type Culture Collection, Manassas, VA, USA | ATCC 30461 | This protocol has been verified for ATCC 50655, 30872, 50702, 30010, 30461, 50370, 50703, 30137, PRA-115, and PRA-411 |
Axenic culture media (AC6) | Made in house | n/a | Containing 20 g biosate peptone, 5 g glucose, 0.3 g KH2PO4, 10 µg vitamin B12, and 1 glass5 mg l-methionine per liter of distilled deionized water. Adjust pH to 6.6-6.95 with 1 M NaOH and autoclave at 121 °C for 20 min, store at room temperature for up to 3 months. |
Centrifuge and appropriate rotor | Thermo Scientific, Waltham, MA, USA | Sorvall ST 40R | Any equivalent centrifuge and rotor are acceptable so long as it can spin 50 mL conical tubes at 500 x g for 5 min |
Chemotaxis and Migration Tool | Free software based on ImageJ, available at https://ibidi.com/chemotaxis-analysis/171-chemotaxis-and-migration-tool.html | ||
Disposable hemocytometer | Bulldog Bio, Portsmouth, NH, USA | DHC-N01 | Neubauer Improved 2-Chip Disposable Hemocytometer, Individually packaged, Nonpyrogenic |
ImageJ software with Trackmate plugin (this protocol written with Trackmate version 6.0.2.) | Free software developed by the National Institutes of Health, available at imagej.net. Trackmate plugin available at https://imagej.net/plugins/trackmate/ | ||
Microscope, preferably with automated moveable stage | Nikon, Tokyo, Japan | A Nikon Eclipse Ti-U Microscope was used in this study and the automated moveable stage was utilized to be able to record images in multiple wells at a time. | |
NIS-Elements software | Nikon | ||
Serological pipette | Fisher Scientific, Hampton, NH, USA | BrandTech 26331 | BrandTech accu-jet pro Pipet Controller |
Serological pipette tips | VWR | 5 mL: 76201-710 10 mL: 170356 25 mL: 89130-900 50 mL: 75816-088 | VWR Serological Pipette, Non-Pyrogenic |
Sterile aluminum transmission flow cell | Biosurface Technologies Corporation, Bozeman, MT, USA | FC 81-AL | Anodized aluminum single channel transmission flow cell with 96-well plate footprint for use with an inverted microscope |
T75 Flasks | VWR, Radnor, PA, USA | 734-2316 | VWR Tissue Culture Flask, 182.5 cm, Surface treated, Plug seal cap, Sterile |
Request permission to reuse the text or figures of this JoVE article
Request PermissionExplore More Articles
This article has been published
Video Coming Soon
ABOUT JoVE
Copyright © 2025 MyJoVE Corporation. All rights reserved