Waiting
Login processing...

Trial ends in Request Full Access Tell Your Colleague About Jove
Click here for the English version

Biology

Kartläggning molekylär diffusion i plasmamembranet med Multiple-Target Tracing (MTT)

Published: May 27, 2012 doi: 10.3791/3599

Summary

Flera Target Spårning är en hemmagjord algoritm som utvecklats för att spåra enskilda märkta molekyler inom plasmamembranet av levande celler. Effektivt upptäcka, bedöma och spårning molekyler över tid vid hög densitet ger en användarvänlig, heltäckande verktyg för att undersöka nanonivå membran dynamik.

Abstract

Vårt mål är att få en heltäckande beskrivning av molekylära processer som förekommer vid cellmembran i olika biologiska funktioner. Vi strävar efter att karakterisera den komplexa organisationen och dynamiken i plasmamembranet vid enda molekyl nivå, genom att utveckla analytiska verktyg avsedda för Single-Particle Tracking (SPT) med hög densitet: Multiple-Target Tracing (MTT) 1. Enda molekyl videomikroskopi, som erbjuder millisekund och nanometrisk upplösning 1-11, tillåter en detaljerad representation av membranet organisation 12-14 genom noggrann kartläggning deskriptorer såsom cell-receptorer lokalisering, mobilitet, inneslutning eller interaktioner.

Vi revisited SPT, både experimentellt och algoritmiskt. Experimentella aspekter var bland annat att optimera inställningarna och cell märkning, med särskild tonvikt på att nå högsta möjliga märkning densitet, för att ge en dynamisk bild av molekylära dynamik enar den förekommer i membranet. Algoritmiska frågor som berörs varje steg för att återuppbygga banor: toppar upptäckt, uppskattning och återkoppling, som omfattas av särskild verktyg från bildanalys 15,16. Implementera deflation efter detektering kan rädda toppar början döljas av intilliggande, starkare toppar. Att notera, att förbättra upptäckt direkt påverkar återanslutning, genom att minska klyftorna inom banor. Föreställningar har utvärderats med hjälp Monte-Carlo simuleringar för olika märkning densitet och värderingar buller, som vanligtvis representerar de två stora begränsningar för parallella mätningar med hög Spatiotemporal upplösning.

Den nanometrisk noggrannhet 17 erhållits för enstaka molekyler, antingen successiv on / off photoswitching eller icke-linjär optik, kan leverera uttömmande synpunkter. Detta är grunden för nanoscopy metoder 17 såsom STORMEN 18, PALM 19,20, RESOLFT 21 eller sted 22,23, WHIch kan ofta kräver avbildning fasta prover. Den centrala uppgiften är att upptäcka och uppskattning av diffraktionsbegränsad toppar som härrör från enskilda molekyler. Därför tillhandahålla lämpliga antaganden om bland annat hantering av ett konstant lägesnoggrannhet i stället för Brownsk rörelse, är MTT rakt lämpad för nanoskopiska analyser. Dessutom kan MTT grunden användas på vilken skala som helst: inte bara för molekyler, men också för celler eller djur, till exempel. Därför är MTT en kraftfull spårning algoritm som hittar tillämpningar på molekylära och cellulära skalor.

Protocol

I den här filmen presenterar vi en fullständig enda experiment partikel spårning med hjälp av Quantum-punkter riktade till en specifik membranreceptor. Det främsta syftet med detta experiment består i diskriminerande olika typer av molekylär diffusion beteenden mäts i plasmamembranet av levande celler. I själva verket kan molekylära rörelser som uppstår på membranet avviker normalt från Brownsk diffusion genom att linjärt riktade eller begränsade inom nanodomains 26-29, till exempel. Vi strävar efter att samtidigt efter så många receptorer som är tekniskt möjligt att ge en ögonblicksbild av sorten som uppkommer i dynamiken som uppstår i membranet i en levande cell. Detta är den yttersta förväntas möjliggöra dekryptering av de mekanismer som reglerar cell-signalering ytreceptor.

1. Cellodling

  1. Förbered cellprov: Använd fastsittande COS-7 celler som endogent uttrycker epidermal tillväxtfaktor (EGFR) 30. Närarbetar med levande celler utan antibiotika se till att ha någon latent sub-detekterbara förorening genom användning av lämpliga sterila tekniker vid alla tidpunkter under beredningen.
  2. Odla cellerna i komplett medium (DMEM med 10% kalvserum, 1% glutamin, 1% HEPES och 1% natriumpyruvat, se tabell av specifika reagens nedan), vid 37 ° C med 7% CO2, varvid man ha dem i subkonfluent, exponentiell tillväxt innan de sprider dem i Lab-Tek.
  3. På dagen före experimentet, sprids 5000 celler / brunn i 8-brunn kamrarna (Lab-Tek) och inkubera över natten. Räkna celler ger en konstant celldensitet därmed en reproducerbar förhållande kvant-punkter per cell.

2. Cellmärkning

Framställ kvant-punkter med en specifik beläggning. Quantum-prickar är fluorescerande nanopartiklar bestående av halvledare. Dessa nanopartiklar är av stort intresse eftersom de är mycket ljusa och fotostabil jämfört med klassiskafluorescerande prober 31,32, vilket gör uppnå en lämplig signal-till-brus-förhållande (SNR) för enda molekyl avbildning.

  1. Före experimentet producera Fab-fragment mot EGFR från hybridomcellinjen (mAb 108, ATCC HB-9764), genom klyvning med papain som tidigare beskrivits 21.
  2. Konjugat Fab med biotin, enligt tillverkarens anvisningar (EZ-link sulfo-NHS-LC-biotinyleringskit, Thermo Scientific, figur 1A.).
  3. Använd quantum-prickar funktionaliserats med streptavidin (Invitrogen) och avger vid 605 nm (optimal emissionsvåglängd för briljans, detektion och separation från cellulär autofluorescens).
  4. Framställa märkningslösningen i komplett medium (se tabell av specifika reagens), för att mätta de streptavidins som finns omkring de kvant-punkter, såväl som att förhindra aggregering och icke-specifik bindning till cellerna och att täckglaset.
  5. Framställa två mellanliggande lösningar:en med kvant-punkter-streptavidin och ett annat med biotinylerad Fab, vardera vid 20 nM.
  6. Blanda en lika stor volym av dessa två lösningar: blanda kvant-punkter med Fab i förhållandet 1:1 för erhållande av en slutlig arbetskoncentration av 10 nM Fab: kvant-punkter komplex. Användning av en ekvimolär förhållande gynnar bildningen av mono-funktionaliserade komplex bestående av en kvant-punkt och ett biotinylerat Fab-fragment. Detta gynnar monovalent märkning, vilket begränsar artefaktens observationer på grund av receptor tvärbindning 33,34.
  7. Inkubera i 15 minuter vid 25 ° C, med användning av en skakapparat vid 1200 varv per minut för att förhindra aggregation. Blandningen är sedan färdig att använda på levande celler.
  8. Inkubera cellerna i 100 | il av blandningen under 5 minuter vid 37 ° C med 7% CO2.
  9. Tvätta cellerna med icke-autofluorescerande bildgivande medium (HBSS-buffert, 1% HEPES, se tabell av specifika reagens) förvärmts vid 37 ° C.
  10. Ta försiktigt bort överskottet av etiketter för att förhindra unnödvändigt att förstöra SNR genom att obundna, ofokuserad quantum-punkter, med omfattande tvättning av varje brunn med bildalstringsmediumet, vanligen 5 gånger vid rumstemperatur, med minst 5 minuters fördröjning innan den sista tvättningen.

3. Optiska inställningar

Video-mikroskopi inställning består av fyra huvuddelar:

  1. Ett inverterat mikroskop med en specifik fluorescens kub (FF01-457/50 excitering, FF495-Di02 dikroisk och FF01-617/73 emissionsfilter, Semrock) och en hög numerisk apertur (1,3 eller 1,49) oljeimmersionsobjektiv 100x mål.
  2. En 100 W kvicksilverlampa (kopplad till mikroskopet genom en optisk fiber, undvika att störa värmereglering).
  3. En 512 X 512 pixlar stor känslighet EMCCD kamera för att uppnå en tillräcklig SNR.
  4. En inkubator för att hålla biologiska prover vid 37 ° C under försöket.

4. Förvärv

  1. Välj isolerade och väl spridda celler. Dettagynnar utvidgning av fina, platta lamellipodia, bäst anpassad för att leta efter plana rörelse membran molekyler.
  2. Utvärdera den cellulära fysiologiska status genom sitt utseende både i ljus och i fluorescens: intensiv SVD trafik, avsaknad av nekrotisk eller apoptotiska tecken, låg autofluorescens, och genomsnittlig stark quantum-dot märkning (vanligtvis upp till 1.000 kvant-dots per cell, se Fig. 1B. C).
  3. Välj en hög märkning densitet, som är avgörande för att samtidigt övervaka så många receptorer som möjligt. Detta är faktiskt begränsad både fysiologiska (yta uttryck, epitop tillgänglighet, rörelse i sidled) och algoritmiska parametrar (icke-överlappande point-spread-funktioner (PSF), även med hänsyn tagen oskärpa på grund av rörelse, för att möjliggöra korrekt upptäckt och återanslutning).
  4. För varje cell, först förvärvar en brightfield fält bild (företrädesvis med DIC, om sådan finns) som ytterligare kan tillåta kontroll av cellen aspektenoch rumsliga gränser lamellipodia.
  5. Spara bilden med samma namn som video-stacken (som cell1.tif & cell1.stk till exempel), i en sub-mapp som heter DIC, eftersom dessa konventioner, kan algoritmen hitta automatiskt tillbaka det matchande bilden för varje stapel.
  6. Skaffa 1 till 3 videor per cell, kontinuerligt, vanligtvis på 36-ms takt, den snabbaste hastigheten uppnås i full frame med denna kamera. Men man kan få vid högre frekvenser, upp till 1-ms takt, med hjälp av speciell CCD med ökad känslighet och / eller mindre pixlar. Ramen-överföring teknik ger försumbar fördröjning mellan ramar.
  7. Electron multiplicera förstärkning bör alltid vara maximum (strax under mättnad, om det är relevant) för att nå enda molekyl känslighet med tillräcklig SNR, åtminstone över 20 dB (för effektiv toppdetektering 1), vanligtvis ca 25-30 dB.
  8. Vanligtvis förvärvar 300 bilder per video, syndce banor rekonstrueras under ~ 100 ramar i genomsnitt, främst begränsas av långa blinkande händelser. Video frekvens och längd kan anpassas för en viss åtgärd, vilket kan kräva längre spår till exempel.

5. MTT analys

  1. Markera sökvägen till den katalog som innehåller de videofiler för att utvärdera en viss datamängd med Matlab eller Octave.
  2. För att starta helt automatisera analysen 1,35, skriv kommandot detect_reconnex23 i Octave eller MTT23i i Matlab. Detta program står för "version 2,3, med användargränssnitt" och är tillgänglig för nedladdning, tillsammans med den tidigare versionen 2,2. Den visar först en grafiskt gränssnitt som listar alla de använda parametrarna, såsom visas i fig.. 2.

6. Representativa resultat

MTT analyserar automatiskt varje inspelare video, för att leverera spår av upptäckta och uppskattade mål, kompletterade med ytterligarevestigations, såsom inneslutning detektering. Detta tillåter slutligen kartläggning spår över cellbilder (Fig. 1c och 3).

MTT Beskrivning

Kärnan MTT Analysen utförs över varje bildruta, åberopar 3 huvuduppgifter (Fig. 3):

  1. Detektering av närvaro eller frånvaro av ett mål (quantum-dot), inom ett glidande sub-region successivt centrerat runt varje pixel, där två hypoteser jämförs: närvaron antingen av en signal, med PSF Modell för en tvådimensionell normalfördelning topp , eller bara brus, med en tröskel att försäkra tillräckligt lågt falskt alarm, med mindre än en falsk detektion per ram. Detta leder till en karta över detekteringssannolikhet. Varje lokalt maximum betraktas som en förmodad mål, vilket säkerställer att dess sannolikhet är högre än ett minimivärde, som enligt den önskade Sannolikhet för falskt larm (PFA). Denna gräns är satt tillräckligt lågt för att effektivt diskriminera SIGnaler från buller, undvika på bästa felaktiga identifieringar (PFA för 10 -6 som standard, för att försäkra mindre än en fel 512 x 512 pixel bilder), och samtidigt tillåta en tillräckligt hög sannolikhet för upptäckt, att nå den teoretiskt förväntade optimala 1. Observera att kravet att använda en sub-region innebär att bilden gränserna (3 pixlar, för en standard fönster 7 x 7 pixlar) inte kan utvärderas.
  2. Uppskattning, för varje detekterad mål av relevanta parametrar, såsom sub-pixel position och signalstyrka. För varje upptäckt målet är en minsta-kvadrat Gauss-Newton fit bredvid utförs för att uppskatta läget, bredd och höjd av den detekterade Gaussian. Detta ger särskilt sub-pixel position färgen (10 till 20 nm noggrannhet för typiska SNR värden och orörliga eller långsamt sprida färgämnen, ökar upp till ca 100 nm för färgämnen sprida på 0.1 m 2 / s).
  3. Återkoppling av de nya målen medspår byggs redan över de tidigare ramarna. Uppsättningen av nya mål matchas med uppsättningen av tidigare spår. För detta ändamål, i syfte att tilldela varje mål till ett spår, om möjligt, all tillgänglig statistisk information från detektionssteget används inte bara läget, utan även intensitet, bredd, blinkande och tillhörande statistik. Därför är målen inte bara hänföras till det närmaste spår: i händelse av korsande spår, intensitet, hastighet, bredd och blinkande kommer att beaktas. Detta ger den statistiskt optimala återkopplingen poäng. Denna strategi undviker, om möjligt, förspänner återanslutning mot närmaste grannar.

Upptäckta toppar kan i efterhand avslås om deras uppskattning eller återinkoppling misslyckas. En särskild prov hanterar upptäckt av nya toppar, vilket skulle initiera nya spår. Detta test används en strängare PFA (10 -7), eftersom återansluta en topp till en spår kan tolkas de facto som en validering o f dess relevans (Detta kriterium är per definition inte är tillämplig för nya toppar).

Bana Analys

Möjlig transient inneslutning är nästa utvärderas av en funktion omvänt relaterad till lokal diffusion 24-29. Tillämpa en tröskel gör det möjligt att definiera begränsad eller inte episoder. Genom iteration dessa över alla spår, kan vi kartlägga membran dynamik i form av övergående inneslutning / långsammare händelser. Detta kan alternativt representeras med användning av antingen den binära eller diskreta värden i denna inneslutning indexet.

Som standard utför MTT automatiskt dessa uppgifter sparar 8 topp parametrar i en textfil: ramnummer, i och j position, signalintensitet, radie, offset och blinkar för varje video ram (grupp 7 rader) och spår (kolumn) . Dessa utgångar parametrar kan laddas i Matlab eller Octave använder fread_data_spt script för vidare analys, dvs spår eller intensiteten signal, som exemplifieras i "Http://www.jove.com/files/ftp_upload/3599/MTT_example.txt"> MTT_example skript i bilaga.

Ytterligare analyser leder till att kartlägga spår över varje cell (Fig. 1C och 3) och att ge histogram distribution för relevanta parametrar (t.ex. Toppintensiteterna, SNR eller lokala värden diffusion). För varje fil, betyder och standardavvikelse för varje parameter sparas i en textfil, tillsammans med en bild av histogram. Logaritmiska fördelningar, såsom för fyrkantiga förskjutningar r 2, leder till geometriska medelvärdet. Diffusionskoefficienten D beräknas från en linjär anpassning under de fem första punkterna i MSD kurvan. Dessa värden ger en översikt över ett experiment med t ex kinetik cellulära reaktioner eller läkemedel / enzymatisk behandling som påverkar membranet organisation. Eftersom MTT är en öppen källkod, kan denna aspekt lätt anpassas till någon särskild utredning.

599fig1.jpg "alt =" Bild 1 "/>
Figur 1. Övervakning membranreceptorer dynamik av MTT. (A) membrankomponenter, såsom EGFR, märks med kvant-punkter kopplade till biotinylerade Fab-fragment (schema med approximativt korrekt skalning av varje molekyl). (B) typiska fluorescerande bild förvärvats från en levande COS-7-cell, med 36-ms exponeringstid, som skildrar diffraktionsbegränsad toppar som motsvarar individuellt märkt receptor. (C) Effekt av MTT-analys visar de rekonstituerade banor av receptorer, som lagts över ljusfält bilden av cellen.

Figur 2
Figur 2. MTT indataparametrar. Köra MTT23i öppnar ett grafiskt användargränssnitt som visar alla inparametrar, namn och standardvärden som beskrivs i vår tidigare offentliggörande 1. I algoritm utrymme och tid parametrarna (sök fönster, topp radie, max diffusion och blinkande) är i dimensionslösa vanliga enheter, pixlar och ramar. Kalibreringar kan appliceras i efterhand för att konvertera output resultat. Standardvärden, motsvarande en Cascade 512BFT med 100x förstoring, är pixelstorlek: 156 nm / pxl och ram fördröjning: 36 ms / ram.

Utredarna bör optimera några kritiska parametrar, såsom den maximala förväntade diffusionskoefficient ("Diff max") och maximal blinkande försvinnande ("T off"). Dessa två utrymme och tidsfrister är nästan de enda som behöver omprövas för en given experimentell tillstånd, medan de andra satt till robusta standardvärden. Till exempel är antalet falsklarm direkt in för att se mindre än ett fel per miljon pixlar, alltså mindre än en per ram, vilket är tillfredsställande i de flesta fall. Alla parametrar sparas i en textfil i produktionen mappen så att användarna kan kontrollera efteråt vilka inställningar som användes för analys.

s/ftp_upload/3599/3599fig3.jpg "alt =" Bild 3 "/>
Figur 3. Viktiga steg i MTT analysen. Från och en experimentell bunt med fluorescens bilder, är topparna sekventiellt och automatiskt, beräknas genom en gaussisk passform och kopplas över ramar (första spektrum av transaktioner, övre delen av flödesschemat). Spår kan vidare analyseras för förmodad förlossning, till exempel, vilket slutligen leder till en dynamisk karta över relevanta beskrivningar vid andra typer av transaktioner, nedre delen).

Figur 4
Figur 4. Märkning valens inte påverkar MTT. Att utvärdera eventuella partiskhet som införs genom artefactual multivalent märkning gjordes MTT analys för att spåra endogen EGFR taggade med 2 olika system för att generera och analysera kartor över banor. (A) Receptorer märktes med biotinylerad Fab och kvant-dots605-streptavidin, såsom beskrivs i protokollet.I detta fall kan multi-valensen av kvant-punkter och streptavidins resultera i koppling flera receptorer för ett enda färgämne. (B) Receptorer märktes med Fab direkt kopplad till ett organiskt färgämne, Atto647N. I detta fall kan en Fab, följaktligen en receptor, kopplas till mer än en färg. (C) mean square förskjutning (MSD) kurva beräknas för alla spår för varje cell, märkt antingen med kvant-prick eller Atto färgämnen (vänster och höger grafer, respektive). Diffusionskoefficienter beräknades genom linjär passning över de fem första punkterna i MSD (röd streckad linje). Varje system för märkning ledde till liknande spridning värden (central diagram). Qdot: kvant-dots605 (n = 5 celler), Atto: Atto647N (n = 7-celler), NS: ej signifikant (Students t-test p-värde> 0,05).

Subscription Required. Please recommend JoVE to your librarian.

Discussion

I enkel-partikel spårning, bredvid cellen och mikroskopi aspekter utgör analysen en väsentlig del av arbetet. Detta tar den algoritm som används för att utföra de tre huvuduppgifter: att upptäcka, bedöma och återansluta topparna över varje bildruta. Men därmed del i detta arbete ligger i att utarbeta själva algoritmen, som kan behöva anpassas för en ny särskild utredning, främst för de sista, extra stegen (t.ex. dechiffrera former av rörelse, interaktioner eller stökiometri).

Men när algoritmen är fullt utvecklad, löpning är det enkelt, särskilt som vi uppmärksammade på att hålla antalet inparametrar vid minimal (Fig. 3). Detta gör MTT mycket robust och enkel att genomföra. Vid utarbetandet av MTT, som syftar vi på helt omprövning de analytiska alternativ som används för varje uppgift. Vi ville optimera processen längs två utmanande axlar:

  1. Hantering av witH Hög täthet av märkning ger detaljerad geografisk information i tid av cellytan provtagning. Helst skulle man försöka följa en nästan fullständig molekylär befolkningen samtidigt för att få en heltäckande observation. Emellertid skulle en sådan uttömmande märkning leda till en bild som liknar den som klassiskt erhållas genom immunofluorescens, utan en enda molekyl upplösning, eftersom alla etiketter starkt överlappar grund av diffraktion. För typiska molekylära antalet (dvs. ~ 10 5 receptorer cell 30) och cellstorlek (dvs. ca 30 m), om vi antar homogen fördelning, är den genomsnittliga mellan molekylen avståndet ~ 100 nm. Diffusion under förvärvet bidrar också till att sprida polyesterstapelfibrer i jämförbar utsträckning: typiskt ~ 100 nm för Brownsk rörelse på 0.1 m 2 / s under 30 ms. Anmärkningsvärt är detta sprider isotrop i genomsnitt och därmed fortfarande genererar en gaussisk-liknande polyesterstapelfibrer. Därför upp till 10% av befolkningen kunde teoretiskt upptäckas, eftersom detta skulle lead till ett genomsnittligt avstånd av ~ 300 nm, som är kompatibla med diffraktion och förflyttningsgränser. Måste dock detta vara moduleras av redovisning inhomogenitet i den geografiska fördelningen, märkning begränsningar (till exempel steriska begränsningar, epitop tillgänglighet, etc.), ökar och även olösliga konflikter till följd av korsande banor och övergripande upptäckt effektivitet. Experimentellt kan vi uppnå och noggrant övervaka en väsentlig fraktion av den totala populationen, med densiteter av cirka 1000 etiketter inom ett synfält på 80 | im breda. Denna övre gräns beror på en kompromiss mellan behovet av enskilda upptäckter och målet en uttömmande rumslig mätning (se figur. 1C att uppskatta rumsliga provtagning av cellytan).
  2. Hantering av svagaste möjliga SNR ger bildhantering antingen vid låg belysning, vilket är fördelaktigt för celler bärkraft, och / eller med hög hastighet, vilket ger bättre temporal information. Men innebär detta lägre signalerper bild, på grund av färre antal insamlade fotoner. Observera att den kortaste tiden uppnås genom EMCCD kameror (1 ms) tycks motsvara den lägsta godtagbara SNR (20 dB) för korrekt detektering och beräkning av MTT.

Namnge valens är ett återkommande problem i enstaka molekyl studier. I själva verket är direkt mått på färgämne / målförhållandet utmanande höggradigt 34. Består dock ett alternativt sätt för att undersöka den förmodade fördomar som införs genom artefactual multivalent märkning jämföra åtgärder med antingen quantum-dot taggar (med förmodat flera mål per färg, förmå artefactual tvärbindning) eller organiska färgämnen taggar (med på motsatsen, förmodat flera färgämnen per mål, förspännande endast signalintensitet och blekning egenskaper). Vi och andra 6,36,37 har observerat liknande beteende vid användning av antingen kvant-punkter eller organiska färgämnen (atto647N i vårt fall, figur 4). I fråga om diffusion och övergång mellan modes av rörelse. Variationen i diffusions-värden mellan de två förhållandena är lägre än den cell-till-cell skillnad (fig. 4C). Detta visar att märkningen valens, även om inte strikt monovalent, inte signifikant påverkar SPT resultat.

Inneslutning och molekylära interaktioner

Övergående eller stabil förlossning kan tolkas som undertecknandet av framförallt affinitet eller interaktion 24-29. Biomembranes är verkligen starkt inhomogena med lokala församlingar dikteras av strukturella funktioner som hydrofobicitet, transmembrana storlek och ytspänning. Dessa drivkrafter leder till Spatiotemporal ombyggnad av funktionella enheter med kritiska roller för det vill säga signalering, vidhäftning eller handel. Kartläggning och kvantifiering av sådana händelser förväntas ge en nyckel för att dechiffrera hur en cell integrerar kontinuerligt presenteras stimuli. Faktum är att för en cell, uppvisar en adekvat anpassning genom en noggrann svar requires tuning samspelet mellan signalsystem partners och deras omgivning. Membranreceptorer kan interagera med antingen sub-membranet cytoskelettsystemen staket, strukturer membran som endocytiska gropar eller fokala kontakter, eller även proteinsubstanser / lipid parter, deltar i signalering områden till exempel. I vår representation kan sådana händelser kan undersökas genom inneslutning styrka och dess variationer över tid och rum. Detta stärker ytterligare vikten av att arbeta på högsta uppnåeliga rymd-tidsupplösning, i åtanke de begränsningar som är knutna till korta tiderna och höga tätheter, som diskuterats ovan.

Komplementära metoder

Det är en god idé att jämföra dessa dynamiska mätningar med andra metoder. Till exempel andra dynamiska mikroskopitekniker, som FRAP och FCS, ger kompletterande känslighet och upplösning 4,38,39. FRAP ger en ensemble mätning av molekylär diffusion, medan FCS kan nå sIngle-molekylen känslighet, med en mycket god tidsupplösning. Men båda metoderna i sig begränsad till en lokal åtgärd (vanligtvis inom ett konfokal plats). Detta motiverade oss att ta fördel och tänja på gränserna de rumsliga möjligheter sömlösa rör: Undersökning ett stort synfält, för att omfatta en hel cell på en gång, tillsammans med en lokalt relevant Spatiotemporal noggrannhet.

Ytterligare Utvecklingen och utredningar

Enligt olika biologiska frågor som kan lösas med en enda molekyl mätningar kan MTT förlängas längs olika riktningar, på varje nivå: upptäckt, uppskattning, återkoppling och ytterligare analyser. Till exempel kan man betrakta hanterar mer än en molekylär befolkningen kräver flerfärgad upptäckt - som kan utföras med dedikerade optiska eller analytisk system. Uppskattning kan innehålla nya relevanta deskriptorer, såsom alla spektral och polarisering upplysningar eller axiellaZ-position, för att utvidga spårning till 3D 40.

För återinkoppling kan Brownsk och blinkar antaganden vara helt omprövas inför ett specifikt problem. Intressant nog enda molekyl mätningar har förlängts under det senaste decenniet till den så kallade nanoskopiska regimen 17,22,23. Även om MTT direkt ta itu med en enda molekyl lokalisering, är det av avgörande betydelse att ta upp frågan om en fast prov, vilket ger en säker lösning för ett uttömmande lokalisering av en molekylär befolkning. I ett sådant fall är den Brownska antagandet inte längre giltigt. Ersätta den med exakt hantera en nanoskopiska åtgärd endast begränsas av SNR, är avgörande för att nå bästa nanometrisk upplösning.

Längs en sådan utveckling, baserat på antingen flerfärgad, 3D och / eller uttömmande åtgärder är det framtida arbetet förväntas ge en helhetsbild av molekylära statiska och dynamiska data. Detta kommer att ha en direkt relevANCE för studier cellbiologiska, såsom att dechiffrera subtila former som reglerar extra och intracellulära signalering.

Nedladdning MTT

Källkoden för MTT är tillgänglig som öppen källkod för akademisk forskning. Den kan laddas ner från vår hemsida, på ciml.univ-mrs.fr , genom att gå till vårt team sida, han & Marguet Lab, som skapar en länk för programvara beskrivning och nedladdning. Observera att vi frågar efter ditt namn och institution enbart för information, till exempel i fall av ytterligare samarbete eller för att informera dig om en ny version eller uppdatering.

Subscription Required. Please recommend JoVE to your librarian.

Disclosures

Inga intressekonflikter deklareras.

Acknowledgments

Vi tackar medlemmarna i vårt team, särskilt MC Blache för tekniskt bistånd, samt M Irla och B Imhof, för deras stöd och givande diskussioner. Siffrorna för deflation och inneslutning återges med tillstånd av Nature Methods. Projektet stöds av institutionella bidrag från CNRS, INSERM och Marseille universitet, och genom särskilda bidrag från regionen Provence-Alpes-Côte-d'Azur, Institut National du Cancer, Agence Nationale de la Recherche (ANR-08-PCVI- 0034-02, ANR 2010 blan 1214 01) & Fondation pour la Recherche médicale (Equipe labélisée FRM-2009). VR stöds av ett stipendium från Ligue Nationale Contre le Cancer.

Materials

Name Company Catalog Number Comments
Cos-7 cell line ATCC CRL-1651 5,000 cells/well
HBSS without Ca2+ GIBCO, by Life Technologies 14175 1 ml
0.05% Trypsin EDTA GIBCO, by Life Technologies 25300 1 ml
8-well Lab-tek Nalge Nunc international 155441 1
QDot-605 streptavidin Invitrogen Q10101MP 20 mM
Biotinylated Fab (for Fab synthesis, see reference 21)
Fab from mAb 108 ATCC HB-9764 200 μg
NHS-Biotin Thermo Fisher Scientific, Inc. 21435 18.5 μg
Complete medium
DMEM GIBCO, by Life Technologies 41965 500 ml
Fetal Bovine Serum Sigma-Aldrich F7524 50 ml
L-Glutamine GIBCO, by Life Technologies 25030 5 ml
HEPES GIBCO, by Life Technologies 15630 5 ml
Sodium Pyruvate GIBCO, by Life Technologies 11360 5 ml
Imaging medium
HBSS with Ca2+ GIBCO, by Life Technologies 14025 25 ml
HEPES GIBCO, by Life Technologies 15630 250 μl
Inverted microscope Nikon Instruments Eclipse TE2000U
Fluorescent lamp Nikon Instruments Intensilight C-HGFIE
1.3 NA 100x objective Nikon Instruments Plan Fluor 1.30
1.49 NA 100x objective Nikon Instruments APO TIRF 1.49
Camera Roper Scientific Cascade 512 B
Thermostated box Life Imaging Services The Box
Appendix: example Script of MTT supplementary analysis
function MTT_example(file_name)
%%% Basic examples showing how to recover MTT output results
%%% to plot each trace and to build the histogram
%%% of fluorescence intensities
if nargin<1 % no file_name provided?
files = dir('*.stk');
if isempty(files), disp('no data in current dir'), return, end
file_name = files(1).name; % default: first stk file
disp(['using' file_name 'by default'])
end
file_param = [file_name '_tab_param.dat']; % output file
%% Load data
cd('output23') % or (‘output22'), according to version used
% Disclaimer: version 2.2 only generates 7 parameters,
% an extra parameter, noise, was added in version 2.3
% To read all parameters at once, in a single table
% tab_param = fread_all_param(file_param);
% tab_i = tab_param(2:8:end, :); tab_j = ...
% To read all parameters (except frame_number) in separate tables
% [tab_i,tab_j,tab_alpha,tab_radius,tab_offset,tab_blk,tab_noise] = fread_all_data_spt(file_param);
tab_i = fread_data_spt(file_param, 3); % index is 3 because trace number & frame number, non informative, are discarded!
tab_j= fread_data_spt(file_param, 4);
tab_alpha = fread_data_spt(file_param, 5);
tab_blk = fread_data_spt(file_param, 8);
%% Loop over traces
N_traces = size(tab_i,1);
% Tables are N_traces lines by N_frames colums
for itrc = 1:N_traces
No_blk_index = tab_blk(itrc, :)>0; % non blinking steps only
plot(tab_i(itrc, No_blk_index), tab_j(itrc, No_blk_index))
xlabel('i (pixel)'), ylabel('j (pixel)')
title(['trace # ' num2str(itrc)])
disp('Please strike any key for next trace'), pause
end
%% Fluo histogram
N_datapoints = sum(tab_blk(:)>0); % non blinking steps only
hist(tab_alpha(tab_blk>0),2*sqrt(N_datapoints)) % using 2sqrt(N) bins
xlabel('intensity (a.u.)'), ylabel('occurrence')
title('histogram of particles fluorescence intensity')

DOWNLOAD MATERIALS LIST

References

  1. Serge, A., Bertaux, N., Rigneault, H., Marguet, D. Dynamic multiple-target tracing to probe spatiotemporal cartography of cell membranes. Nat. Methods. 5, 687-694 (2008).
  2. Schmidt, T., Schutz, G. J., Baumgartner, W., Gruber, H. J., Schindler, H. Imaging of single molecule diffusion. Proc. Natl. Acad. Sci. U S A. 93, 2926-2929 (1996).
  3. Lommerse, P. H. Single-molecule imaging of the H-ras membrane-anchor reveals domains in the cytoplasmic leaflet of the cell membrane. Biophys. J. 86, 609-616 (2004).
  4. Marguet, D., Lenne, P. F., Rigneault, H., He, H. T. Dynamics in the plasma membrane: how to combine fluidity and order. EMBO. J. 25, 3446-3457 (2006).
  5. Saxton, M. J., Jacobson, K. Single-particle tracking: applications to membrane dynamics. Annu. Rev. Biophys. Biomol. Struct. 26, 373-399 (1997).
  6. Dahan, M. Diffusion dynamics of glycine receptors revealed by single-quantum dot tracking. Science. 302, 442-445 (2003).
  7. Harms, G. S. Single-molecule imaging of l-type Ca(2+) channels in live cells. Biophys. J. 81, 2639-2646 (2001).
  8. Iino, R., Koyama, I., Kusumi, A. Single molecule imaging of green fluorescent proteins in living cells: E-cadherin forms oligomers on the free cell surface. Biophys. J. 80, 2667-2677 (2001).
  9. Sako, Y., Minoghchi, S., Yanagida, T. Single-molecule imaging of EGFR signalling on the surface of living cells. Nat. Cell Biol. 2, 168-172 (2000).
  10. Schutz, G. J., Kada, G., Pastushenko, V. P., Schindler, H. Properties of lipid microdomains in a muscle cell membrane visualized by single molecule microscopy. Embo. J. 19, 892-901 (2000).
  11. Seisenberger, G. Real-time single-molecule imaging of the infection pathway of an adeno-associated virus. Science. 294, 1929-1932 (2001).
  12. Jacobson, K., Sheets, E. D., Simson, R. Revisiting the fluid mosaic model of membranes. Science. 268, 1441-1442 (1995).
  13. Saffman, P. G., Delbruck, M. Brownian motion in biological membranes. Proc. Natl. Acad. Sci. U S A. 72, 3111-3113 (1975).
  14. Singer, S. J., Nicolson, G. L. The fluid mosaic model of the structure of cell membranes. Science. 175, 720-731 (1972).
  15. Papoulis, A. Probability, Random Variables and Stochastic Process 277. , McGraw Hill. (2001).
  16. Van Trees, H. L. Detection, Estimation, and Modulation Theory, Wiley Inter-Science. , (1968).
  17. Moerner, W. E. Single-molecule mountains yield nanoscale cell images. Nat. Methods. 3, 781-782 (2006).
  18. Rust, M. J., Bates, M., Zhuang, X. Sub-diffraction-limit imaging by stochastic optical reconstruction microscopy (STORM). Nat. Methods. 3, 793-795 (2006).
  19. Betzig, E. Imaging intracellular fluorescent proteins at nanometer resolution. Science. 313, 1642-1645 (2006).
  20. Manley, S. High-density mapping of single-molecule trajectories with photoactivated localization microscopy. Nat. Methods. 5, 155-157 (2008).
  21. Andrew, S. M. Enzymatic digestion of monoclonal antibodies. Methods Mol. Med. 40, 325-331 (2000).
  22. Hell, S. W., Wichmann, J. Breaking the diffraction resolution limit by stimulated emission: stimulated-emission-depletion fluorescence microscopy. Opt. Lett. 19, 780-782 (1994).
  23. Klar, T. A., Hell, S. W. Subdiffraction resolution in far-field fluorescence microscopy. Opt. Lett. 24, 954-956 (1999).
  24. Meilhac, N., Guyader, L. L. e, Salome, L., Destainville, N. Detection of confinement and jumps in single-molecule membrane trajectories. Phys. Rev. E. Stat. Nonlin. Soft. Matter Phys. 73, 011915 (2006).
  25. Saxton, M. J. Single-particle tracking: effects of corrals. Biophys. J. 69, 389-398 (1995).
  26. Serge, A., Fourgeaud, L., Hemar, A., Choquet, D. Receptor activation and homer differentially control the lateral mobility of metabotropic glutamate receptor 5 in the neuronal membrane. J. Neurosci. 22, 3910-3920 (2002).
  27. Simson, R., Sheets, E. D., Jacobson, K. Detection of temporary lateral confinement of membrane proteins using single-particle tracking analysis. Biophys. J. 69, 989-993 (1995).
  28. Jacobson, K., Dietrich, C. Looking at lipid rafts. Trends Cell Biol. 9, 87-91 (1999).
  29. Kusumi, A., Sako, Y., Yamamoto, M. Confined lateral diffusion of membrane receptors as studied by single particle tracking (nanovid microscopy). Effects of calcium-induced differentiation in cultured epithelial cells. Biophys. J. 65, 2021-2040 (1993).
  30. Livneh, E. Large deletions in the cytoplasmic kinase domain of the epidermal growth factor receptor do not affect its laternal mobility. J. Cell Biol. 103, 327-331 (1986).
  31. Medintz, I. L., Uyeda, H. T., Goldman, E. R., Mattoussi, H. Quantum dot bioconjugates for imaging, labelling and. 4, 435-446 (2005).
  32. Wu, X., Bruchez, M. P. Labeling cellular targets with semiconductor quantum dot conjugates. Methods Cell Biol. 75, 171-183 (2004).
  33. Mohammadi, M. Aggregation-induced activation of the epidermal growth factor receptor protein tyrosine kinase. Biochemistry. 32, 8742-8748 (1993).
  34. Howarth, M. Monovalent, reduced-size quantum dots for imaging receptors on living cells. Nat. Methods. 5, 397-399 (2008).
  35. Bertaux, N., Marguet, D., Rigneault, H., Sergé, A. Multiple-target tracing (MTT) algorithm probes molecular dynamics at cell surface. Protocol Exchange. , (1038).
  36. Groc, L. Surface trafficking of neurotransmitter receptor: comparison between single-molecule/quantum dot strategies. The Journal of neuroscience : the official journal of the Society for Neuroscience. 27, 12433-12437 (2007).
  37. Cui, B. One at a time, live tracking of NGF axonal transport using quantum dots. Proceedings of the National Academy of Sciences of the United States of America. 104, 13666-13671 (2007).
  38. He, H. T., Marguet, D. Detecting nanodomains in living cell membrane by fluorescence correlation spectroscopy. Annu. Rev. Phys. Chem. 62, 417-436 (2011).
  39. Cebecauer, M., Spitaler, M., Serge, A., Magee, A. I. Signalling complexes and clusters: functional advantages and methodological hurdles. J. Cell. Sci. 123, 309-320 (2010).
  40. Kao, H. P., Verkman, A. S. Tracking of single fluorescent particles in three dimensions: use of cylindrical optics to encode particle position. Biophys. J. 67, 1291-1300 (1994).

Tags

Fysik Single-partikel spårning enda molekyl fluorescensmikroskopi bildanalys spårning algoritm med hög upplösning diffusion karta plasmamembran lateral organisation
Kartläggning molekylär diffusion i plasmamembranet med Multiple-Target Tracing (MTT)
Play Video
PDF DOI DOWNLOAD MATERIALS LIST

Cite this Article

Rouger, V., Bertaux, N., Trombik,More

Rouger, V., Bertaux, N., Trombik, T., Mailfert, S., Billaudeau, C., Marguet, D., Sergé, A. Mapping Molecular Diffusion in the Plasma Membrane by Multiple-Target Tracing (MTT). J. Vis. Exp. (63), e3599, doi:10.3791/3599 (2012).

Less
Copy Citation Download Citation Reprints and Permissions
View Video

Get cutting-edge science videos from JoVE sent straight to your inbox every month.

Waiting X
Simple Hit Counter