Addressing complex autofluorescence signatures in solid tissue samples to enhance full spectrum flow cytometry of non-immune cells.

Deze studie presenteert een geoptimaliseerd protocol voor full spectrum flow cytometrie dat de complexe autofluorescentie van niet-immuuncellen, specifiek endotheelcellen uit solide weefsels, effectief ondervangt om zo een robuuste fenotypering en sortering van zeldzame subpopulaties in modellen van chronische weefselbeschadiging mogelijk te maken.

De kern

🩺 De Missie: Een Duidelijk Foto Schieten in een Rommelige Kamer

Stel je voor dat je een kamer binnenstapt die vol staat met mensen (cellen) die allemaal gekleed zijn in heldere, flitsende kleding (fluorescerende kleurstoffen). Je wilt precies weten wie wie is: de dokter, de leraar, de brandweerman. Dit is wat wetenschappers doen met Flow Cytometrie: ze kijken naar cellen om te zien wat ze doen.

Maar er is een groot probleem. De kamer zelf is niet leeg; de muren, het tapijt en het meubilair (het weefsel) gloeien ook vanzelf licht op. Dit noemen ze autofluorescentie. Het is alsof je probeert een foto te maken van een neonbord in een kamer waar iedereen een zaklamp vasthoudt die willekeurig op en neer knippert. Het resultaat is een wazige, onleesbare foto.

Dit is vooral lastig voor bloedvaatcellen (endotheelcellen) in organen zoals de lever en het hart. Deze organen zijn "rommelig" (vol vet en littekenweefsel bij ziekte), waardoor ze van nature heel veel licht terugkaatsen.

🔍 De Oplossing: Een Superkrachtige Camera en Slimme Filters

De onderzoekers hebben een nieuwe, geavanceerde camera ontwikkeld: Full Spectrum Flow Cytometry (FSFC). In plaats van één of twee kleuren te kijken, kijkt deze camera naar het hele kleurenspectrum (zoals een regenboog).

Maar een goede camera alleen is niet genoeg. Je hebt ook slimme software nodig om het "ruis" (het licht van de muren) te filteren. Hier is hoe ze dat deden:

1. De Kleurenkeuze (Het Palet)

Ze hebben 14 verschillende kleurstoffen gekozen om de cellen te markeren.

• De Analogie: Stel je voor dat je een orkest hebt. Als alle instrumenten (kleuren) precies hetzelfde geluid maken, hoor je niets. Ze moesten instrumenten kiezen die elk een uniek geluid hebben, zodat je ze apart kunt horen. Ze gebruikten een digitale tool om te checken of hun 14 kleuren niet te veel op elkaar leken, zodat ze elkaar niet verdoezelden.

2. De "Dode" vs. "Levende" Detectie

Een van de grootste valkuilen is dat dode cellen vaak "plakkerig" zijn en alle kleurstoffen opzuigen, alsof ze een spons zijn.

• De Analogie: Ze wilden weten welke cellen nog leefden. Ze testten verschillende "levensdrukkers" (kleurstoffen). Ze ontdekten dat een bepaalde groene kleurstoffen het beste werkte, zelfs in een lever die ziek was (door een speciaal dieet of gif). Het was alsof ze een speciale bril vonden die door de rook van een brand heen kon kijken, terwijl andere brillen erdoorheen blind werden.

3. De "Stille" Referentie (De Controle)

Om het licht van de muren (autofluorescentie) te kunnen wegfilteren, hadden ze een "stille kamer" nodig.

• De Analogie: Als je een gesprek wilt horen in een drukke fabriek, moet je eerst weten hoe de fabriek klinkt als er niemand praat. Ze maakten monsters van gezonde levercellen en zieke levercellen zonder enige kleurstof. Dit gaf hen het "geluid" van de muren. De computer kon dit geluid dan aftrekken van de echte metingen, zodat alleen de "spraak" van de cellen overbleef.

🧬 Wat Vonden Ze? (Het Verhaal van de Cellen)

Met deze nieuwe methode konden ze zien wat er gebeurt in organen die ziek worden (bijvoorbeeld door een ongezond dieet of gif).

• De Verandering: Ze zagen dat bloedvaatcellen in de lever en het hart niet statisch zijn. Ze kunnen veranderen van vorm en functie.
• De Analogie: Stel je voor dat de cellen in een lever eerst als "vreedzame bewakers" werken. Maar als de lever ziek wordt (fibrose), veranderen sommige bewakers in "bouwvakkers" die littekenweefsel maken (een proces dat Endotheliaal-naar-Mesenchymale Transitie heet).
• De Opdracht: Ze konden nu deze specifieke "bouwvakkers" (die zeldzaam en moeilijk te vinden zijn) uit de massa vissen en apart houden, alsof ze een paar specifieke rode auto's uit een parkeerplaats met duizenden auto's halen.

🚀 Waarom is dit belangrijk?

Vroeger konden wetenschappers alleen naar de "DNA-tekst" van cellen kijken (RNA-sequencing). Maar dat vertelt je niet altijd wat de cel doet of hoe hij eruitziet.

• De Vergelijking: Het is als het lezen van een recept (DNA) versus het proeven van de cake (eiwitten/cellen). Dit nieuwe onderzoek laat zien hoe je de "cake" kunt analyseren, zelfs als de keuken (het orgaan) erg vuil en rommelig is.

Conclusie

Dit onderzoek is als het ontwikkelen van een superkrachtige, ruisvrije bril voor wetenschappers. Hierdoor kunnen ze nu heel duidelijk zien wat er gebeurt met de bloedvaten in organen als de lever en het hart tijdens ziektes zoals diabetes of levercirrose. Dit opent de deur naar het vinden van nieuwe medicijnen die precies die "verkeerde" cellen kunnen aanpakken, zonder de goede cellen te beschadigen.

Kortom: Ze hebben een manier gevonden om door de "nevel" van zieke organen te kijken en de cellen te tellen die echt belangrijk zijn voor de genezing.

Technische samenvatting

Probleemstelling

Hoewel single-cell RNA-sequencing (scRNAseq) de standaard is geworden voor het karakteriseren van celheterogeniteit, heeft deze techniek beperkingen: het meet RNA-afundantie, niet direct eiwitexpressie, en mist informatie over post-transcriptionele modificaties of celoppervlakte-interacties. Full Spectrum Flow Cytometry (FSFC) biedt een oplossing door hoge-dimensionale proteomische analyse op single-cell-niveau mogelijk te maken.

Echter, de toepassing van FSFC op niet-immuuncellen, en specifiek endoteliale cellen (EC) uit solide weefsels (zoals lever en hart), wordt gehinderd door complexe autofluorescentie (AF)-signatures. In weefsels met steatose (vetophoping) of fibrose (littekenweefsel) neemt deze autofluorescentie toe door lipiden en extracellulair matrix, wat leidt tot onnauwkeurigheden bij het "unmixen" (scheiden) van spectra en het verstoren van de signaal-ruisverhouding. Er bestond tot nu toe geen geoptimaliseerd protocol om deze uitdagingen te overwinnen voor endoteliale subpopulaties.

Methodologie

De auteurs hebben een geoptimaliseerd FSFC-protocol ontwikkeld voor murine lever- en hartweefsels, gericht op het minimaliseren van unmixing-fouten veroorzaakt door autofluorescentie.

1. Panel Ontwerp:

   • Gebruik gemaakt van het 4-laser Cytek® Aurora-platform (UV/V/B/R).
   • Een 14-kleuren panel is ontworpen met behulp van de Cytek® Spectrum Viewer tool om spectrale overlap en complexiteit te minimaliseren.
   • Markers: Het panel bevatte 6 EC-identiteitsmarkers (bijv. CD31, EMCN, TM, LYVE1, PDPN, MCAM), 3 activatiemarkers (ICAM1, LY6A, CD34), 3 markers voor mesenchymale transformatie (TAGLN, THY1.2, PDGFRα), CD45 (voor uitsluiting van immuuncellen) en een levensvatbaarheidskleurstof.

2. Optimalisatie van Levensvatbaarheidskleurstof (Viability Dye):

   • DNA-bindende kleurstoffen (zoals DAPI) bleken ongeschikt door cross-reactiviteit na fixatie/permeabilisatie.
   • Drie aminereactieve kleurstoffen (LIVE/DEAD Fixable) werden getest. LIVE/DEAD Green werd gekozen omdat deze de beste scheiding bood, ondanks dat NIR (NIR-gekleurde) dyes vaak worden aanbevolen om AF te vermijden. Dit was noodzakelijk omdat het specifieke leverletselmodel (CCl4) hoge autofluorescentie in het NIR-gebied veroorzaakte.

3. Controles voor Autofluorescentie (AF):

   • Het gebruik van unstained controls (ongekleurd) die exact overeenkomen met het weefseltype, geslacht en ziektemodel (gezond vs. fibrotisch vs. steatotisch) is cruciaal.
   • Gebruik gemaakt van de 'Multi-AF extraction' tool in SpectroFlo® software om meerdere, weefsel-specifieke AF-signatures tegelijkertijd te extraheren en te corrigeren. Dit is essentieel omdat fibrotisch weefsel tot 7 verschillende AF-signatures kan hebben, vergeleken met 3-4 bij gezond weefsel.

4. Data-analyse Pipeline:

   • Kwaliteitscontrole: FlowAI algoritme voor het verwijderen van anomalieën (bijv. door luchtbellen of flow-rate variaties).
   • Clustering: Ongecontroleerde clustering met FlowSOM (K=20) om subpopulaties te identificeren.
   • Visualisatie: UMAP (Uniform Manifold Approximation and Projection) voor dimensiereductie en visualisatie van clusters.
   • Trajectanalyse: Toepassing van Wishbone algoritme om celplassiciteit en differentiatiepaden (bijv. Endothelial-to-Mesenchymal Transition - EndMT) te modelleren.

Belangrijkste Bijdragen

• Protocol voor Solid Tissue FSFC: Een compleet, stap-voor-stap protocol voor het isoleren, stainen en analyseren van endoteliale cellen uit solide organen met complexe autofluorescentie.
• Strategie voor Autofluorescentie: Een bewezen methode om model-specifieke AF te beheersen door het gebruik van tissue- en tijdspunt-specifieke unstained controls en Multi-AF extraction.
• Validatie van Markers: Identificatie van specifieke endoteliale markers die zonale expressie tonen (bijv. in de lever: peri-portaal vs. centraal; in het hart: endocardiaal vs. epicardiaal).
• Sorteerstrategie: Ontwikkeling van een gesorteerd panel voor het isoleren van zeldzame endoteliale subpopulaties (bijv. CD31low/THY1.2+ voor profibrotische cellen).

Resultaten

• Resolutie van Subpopulaties: Het protocol slaagde erin om 12 verschillende endoteliale subpopulaties in de lever en 7 in het hart te onderscheiden. De lever toonde een grotere diversiteit dan het hart.
• Fibrose en EndMT: In modellen van leverfibrose (inductie via CCl4 of Westerse dieet) kon het team fenotypische veranderingen volgen. Ze identificeerden een profibrotische EC-subpopulatie (THY1.2+, CD31low) die Endothelial-to-Mesenchymal Transition (EndMT) ondergaat, en een pro-inflammatoire populatie (LY6A+, CD31high).
• Trajectanalyse: Wishbone-analyse toonde aan hoe endoteliale cellen zich ontwikkelen van een rusttoestand (ICAM1-, TAGLN-) naar geactiveerde of gefibroseerde toestanden als reactie op weefselletsel.
• Sorteren: Het team slaagde erin om deze zeldzame, complexe subpopulaties succesvol te sorteren met full spectrum sorting, wat de basis legt voor downstream analyse (zoals scRNAseq of functionele assays).

Betekenis en Impact

Dit werk vult een kritieke kennislacune op door FSFC toepasbaar te maken voor niet-immuuncellen in solide weefsels, een domein dat tot nu toe gedomineerd werd door scRNAseq.

• Complementaire Technologie: Het biedt een proteomisch complement aan transcriptomische data, essentieel voor het begrijpen van celoppervlakte-interacties en post-transcriptionele modificaties.
• Therapeutische Doelen: Door zeldzame, ziekte-geassocieerde endoteliale subpopulaties te kunnen identificeren en isoleren, opent dit nieuwe wegen voor het ontdekken van therapeutische targets bij ziekten zoals leverfibrose en hartfalen.
• Reproduceerbaarheid: De benadrukking op strikte controles voor autofluorescentie stelt een nieuwe standaard voor de kwaliteit en reproduceerbaarheid van FSFC-experimenten in complexe diermodellen.

Samenvattend biedt deze studie een robuust methodologisch raamwerk dat de mogelijkheden van full spectrum flow cytometry uitbreidt naar complexe weefselomgevingen, waardoor diepere inzichten in celheterogeniteit en plasticiteit mogelijk worden.