Bu içeriği görüntülemek için JoVE aboneliği gereklidir. Oturum açın veya ücretsiz deneme sürümünü başlatın.

Bu Makalede

  • Özet
  • Özet
  • Giriş
  • Protokol
  • Temsili Sonuçlar
  • Tartışmalar
  • Açıklamalar
  • Teşekkürler
  • Malzemeler
  • Referanslar
  • Yeniden Basımlar ve İzinler

Özet

Mevcut pluripotent kök hücre (PSC)-fonksiyonel hücre farklılaşma sistemleri şu anda ciddi hattan hatta ve partiden partiye değişkenlik sorunları tarafından engellenmektedir. Burada, kardiyak farklılaşmayı ana örnek olarak kullanarak, görüntü tabanlı makine öğrenimine dayalı PSC farklılaşma sürecini akıllıca izlemek ve modüle etmek için bir protokol sunuyoruz.

Özet

Pluripotent kök hücre (PSC) teknolojileri, ilaç keşfi, hastalık modellemesi ve rejeneratif tıpta yaygın olarak kullanılmaktadır. Bununla birlikte, mevcut PSC'den fonksiyona hücre farklılaştırma sistemleri, ciddi hattan hatta ve partiden partiye değişkenlik sorunları tarafından engellenmektedir. Bu nedenle hücre farklılaşmasının gerçek zamanlı olarak hassas kontrolü önemlidir. Bu protokolde, parlak alan görüntü tabanlı makine öğrenimi kullanarak hücre farklılaşmasındaki değişkenliğin üstesinden gelen, invaziv olmayan ve akıllı bir strateji açıklıyoruz. PSC'den kardiyomiyosite farklılaşmayı örnek olarak alan bu metodoloji, ilk PSC durumunun kontrolü, farklılaşma koşullarına erken değerlendirme ve müdahale ve yanlış farklılaşmış hücre kontaminasyonunun ortadan kaldırılması için ayrıntılı bilgi sağlar ve birlikte PSC'lerden fonksiyonel hücrelere sürekli olarak yüksek kaliteli farklılaşmayı gerçekleştirir. Prensip olarak, bu strateji, hücre üretimini desteklemek ve hücre kaderi dönüşümü sırasındaki mekanizmaları daha iyi anlamamızı sağlamak için çok adımlı diğer hücre farklılaşması veya yeniden programlama sistemlerine genişletilebilir.

Giriş

Pluripotent kök hücreler (PSC'ler), in vitro olarak birçok hücre tipine farklılaşma konusunda olağanüstü bir yeteneğe sahiptir. Bu farklılaşmış fonksiyonel hücreler, tümü araştırma veya klinik uygulamalar için değerli olan hücre tedavisi, hastalık modellemesi ve ilaç geliştirme için kullanılabilir 1,2,3. Örneğin, PSC'leri kardiyomiyositlere (CM'ler) ayırmak için çeşitli yöntemler geliştirilmiştir4,5,6,7. Bu CM'ler, ....

Protokol

1. Hücre farklılaşması ve karakterizasyonu

  1. Kültür reaktiflerinin ve kültür plakalarının hazırlanması
    1. 48 mL bazal ortama 2 mL takviye ve% 0.2 Penisilin-Streptomisin ekleyerek PSC kültür ortamını hazırlayın. Eki alın ve -20 °C'de saklayın. Bu ortamı 4 °C'de 4 haftaya kadar saklayın.
    2. 500 mL bazal ortama 1 mL takviye ve% 0.2 Penisilin-Streptomisin ekleyerek PSC hazırlama ortamını hazırlayın. Kullanırken, ortamı bir kerelik kullanım için önceden ısıtın ve ortamı 4 °C'de 3 haftaya kadar saklayın.
    3. RPMI 1640'a 1x B27 takviyesi eksi insülin ve% 1 Penisilin-Streptomisin ekleyerek CM ....

Temsili Sonuçlar

Parlak alan görüntüleme ve makine öğrenimine dayalı olarak, genel farklılaşma süreci akıllı bir şekilde izlenebilir ve optimize edilebilir. PSC aşamasında, farklılaşmayı başlatmak için en uygun veya uygun zaman noktasını belirlemek için ilk PSC kolonilerinin morfolojik özelliklerine göre nihai farklılaşma verimliliğini tahmin edebilen bir makine öğrenimi modeli geliştirdik (Şekil 4A,B). Rastgele orman modeli ta.......

Tartışmalar

Burada, mevcut PSC uygulaması ve çevirisindeki en büyük sorunlardan biri olan hücre farklılaşmasındaki değişkenliğin üstesinden gelmek için ayrıntılı bir protokol tanımladık. Canlı hücreli parlak alan görüntüleme ve makine öğreniminden yararlanarak, hücre hatları ve partiler arasında tutarlı bir şekilde yüksek verimlilik elde etmek için PSC farklılaşmasını yinelemeli olarak optimize ettik. Bununla birlikte, yukarıdaki farklılaşma sürecinde, protoko.......

Açıklamalar

Yang Zhao, Jue Zhang, Xiaochun Yang, Yao Wang ve Daichao Chen, bu belgede (202210525166.X) bildirilen PSC farklılaşma stratejisi için bir patent başvurusunda bulunuyorlar.

Teşekkürler

Bu stratejinin temelini attıkları için Qiushi Sun, Yao Wang, Yu Xia, Jinyu Yang, Chang Lin, Zimu Cen, Dongdong Liang, Rong Wei, Ze Xu, Guangyin Xi, Gang Xue, Can Ye, Li-Peng Wang, Peng Zou, Shi-Qiang Wang, Pablo Rivera-Fuentes, Salome Püntener, Zhixing Chen, Yi Liu ve Jue Zhang'a teşekkür ederiz. Bu çalışma, Çin Ulusal Anahtar Ar-Ge Programı (2018YFA0800504, 2019YFA0110000) ve Çin İnsanlı Uzay Programı (HYZHXM01020) Uzay Tıbbi Deney Projesi tarafından Yang Zhao'ya desteklenmiştir. Şekil 1 , BioRender.com ile oluşturulmuştur.

....

Malzemeler

NameCompanyCatalog NumberComments
0.25% Trypsin-EDTAGibco25200056Diluted digests were used for CPC and CM digestion
4% Paraformaldehyde in PBSKeyGEN BioTECHKGIHC016
6-well Cell Culture PlateNEST703001
96-well Cell Culture PlateNEST701001
B27 SupplementGibco17504044
B27 Supplement Minus InsulinGibcoA1895601
Bovine serum albumin (BSA)GPC BIOTECHAA904-100G
Celldiscoverer 7ZeissInstruments used to take bright-field images throughout differentiation and final cTnT images
CHIR99021SelleckS1263
DMEM/F12Gibco12634010
Donkey anti-Mouse IgG (H+L) Highly Cross-Adsorbed Secondary Antibody, Alexa Fluor 488ThermoA-21202Secondary Antibody
FACSAria IIIBD BiosciencesFlow cytometry sorter
Fetal Bovine Serum (FBS)VISTECHSE100-B
Hoechst 33342YEASEN40732ES03
Human Pluripotent Stem Cell Chemical-defined MediumCauliscell Inc400105Basal medium of PSC preparation medium
iPS-18TaKaRaY00300
iPS-B1CellapyCA4025106
iPS-FNuwacellRC01001-B
iPS-MNuwacellRC01001-A
IWR1-1-endoSelleckS7086IWR1
Jupyter NotebookN/AVersion 6.4.0https://jupyter.org/
MATLABMathWorksVersion R2020aSoftware for scientific computation and image annotation
Matrigel MatrixCorning354230Matrigel
Mouse monoclonal IgG1 anti-cTnTThermoMA5-12960cTnT primary antibody
Normal Donkey SerumJackson017-000-121
ORCA-Flash 4.0 V3 digital CMOS cameraHamamatsuC13440-20CUThe digital camera assembled on Celldiscoverer7
PBSNEB21-040-CVR
Penicillin-StreptomycinGibco15140-122
Pluripotency Growth Mater 1 basal mediumCellapyCA1007500-1Basal medium of PSC culture medium
Pluripotency Growth Mater 1 supplementCellapyCA1007500-2Supplement of PSC culture medium
PrismGraphpadVersion 8/9Statistical software for statistical analysis and plotting
PythonN/Aversion 3.6Python 3 environment for scientific computation, with packages pytorch (1.9.0), numpy, scipy, pandas, visdom, scikit-learn, scikit-image, opencv-python, and matplotlib software for scientific computation and image annotation.
RPMI 1640Gibco11875176
Supplement hPSC-CDM (500x)Cauliscell Inc00015Supplement of PSC preparation medium
TiENikonAn inverted fluorescence microscope (with modification) for region-selevtive purification
Triton X-100Amresco9002-93-1
Versene SolutionThermo15040066EDTA solution for PSC digestion
Y27632SelleckS6390
ZenZeissVersion 3.1A supporting software of Celldiscoverer7 for  image acquisition, processing and analysis

Referanslar

  1. Yoshida, Y., Yamanaka, S. Induced pluripotent stem cells 10 years later: for cardiac applications. Circ Res. 120 (12), 1958-1968 (2017).
  2. Shi, Y., Inoue, H., Wu, J. C., Yamanaka, S. Induced pluripotent stem cell technol....

Yeniden Basımlar ve İzinler

Bu JoVE makalesinin metnini veya resimlerini yeniden kullanma izni talebi

Izin talebi

Daha Fazla Makale Keşfet

BiyolojiSay 212

This article has been published

Video Coming Soon

JoVE Logo

Gizlilik

Kullanım Şartları

İlkeler

Araştırma

Eğitim

JoVE Hakkında

Telif Hakkı © 2020 MyJove Corporation. Tüm hakları saklıdır