Single-cell proteomics reveals proteome remodeling and cellular heterogeneity during NGF-induced PC12 neuronal differentiation

Dit onderzoek toont aan dat een geoptimaliseerde single-cell proteomics-workflow, gebruikmakend van thermische inkjet-dosering en DDM, tijdens NGF-gemedieerde PC12-differentiatie functioneel distincte celpopulaties onthult die in bulk-analyses verborgen blijven.

De kern

Titel: Een foto van elke speler in plaats van een groepsfoto: Hoe wetenschappers de hersencellen van PC12 in kaart brachten

Stel je voor dat je een orkest hebt. Als je naar het geluid luistert terwijl ze allemaal tegelijk spelen (de "bulk" methode, zoals dat in de wetenschap heet), hoor je een mooi, eenduidig geluid. Je weet dat er violen, trompetten en drums zijn, maar je kunt niet zien welke violist net een foutje maakt of welke drummer extra enthousiast is. Je ziet alleen het gemiddelde.

Deze studie doet iets heel anders. De onderzoekers wilden weten wat er gebeurt in één enkele cel tijdens het proces van het groeien tot een zenuwcel. Ze gebruikten hiervoor PC12-cellen, een soort proefbuisversie van zenuwcellen die reageren op een groeifactor genaamd NGF.

Hier is de uitleg in simpele taal, met een paar creatieve vergelijkingen:

1. Het grote probleem: De "plakkerige" cellen

Deze PC12-cellen zijn een beetje lastig. Als ze beginnen te groeien en zenuwuiteinden (neurieten) uitsteken, gaan ze aan elkaar plakken, als een hoopje klei. Voor eerdere methoden was dit een nachtmerrie: hoe haal je ze uit elkaar zonder ze te beschadigen?

De oplossing: De onderzoekers gebruikten een heel speciaal apparaatje, een thermische inkjet-printer (dezelfde technologie als in je thuisprinter, maar dan voor cellen!). In plaats van met een pipet te werken, "printten" ze één voor één cellen in kleine putjes. Ze gebruikten een speciaal zacht zeepje (DDM) om de cellen los te maken en te voorkomen dat ze aan de wanden van het putje plakken. Het was alsof ze een heleboel plakkerige ballonnen voorzichtig uit elkaar haalden en ze één voor één in een rijtje zetten, zonder ze te laten knappen.

2. De "Super-Microscoop" voor eiwitten

Zodra de cellen in de rij stonden, keken ze niet naar het DNA (de blauwdruk), maar naar de eiwitten. Eiwitten zijn de werkende machines in een cel.

• Vroeger: Je nam een emmer met duizenden cellen, draaide ze fijn en keek naar wat er overbleef. Dat gaf je een gemiddelde.
• Nu: Ze gebruikten een extreem gevoelige machine (een massaspectrometer) die in staat is om ongeveer 2.000 tot 3.000 verschillende eiwitten te tellen in één enkele cel.

3. Wat vonden ze? (De verrassingen)

Toen ze de cellen volgden gedurende 6 dagen (van dag 0 tot dag 6), zagen ze iets fascinerends:

• Niet iedereen groeit even snel: In de "gemiddelde" foto zag het eruit alsof alle cellen op dag 4 en 6 precies hetzelfde waren. Maar door naar elke cel apart te kijken, zagen ze dat het een kluwen van verschillende groepen was.

  • De analogie: Stel je een klaslokaal voor op de dag van een examen. De "gemiddelde" score is een 7. Maar als je naar elke leerling apart kijkt, zie je dat sommigen al klaar zijn en aan het tekenen zijn (volwassen zenuwcellen), terwijl anderen nog worstelen met de opgave (nog niet volledig ontwikkeld). De onderzoekers zagen dat er op dag 4 en 6 twee heel verschillende groepen cellen bestonden, die in de gemiddelde meting onzichtbaar waren.

• De "verborgen" spullen: Sommige eiwitten die belangrijk zijn voor zenuwgroei, werden in de gemiddelde meting als "niet zo belangrijk" gezien, omdat ze maar in een paar cellen voorkwamen. Maar in de single-cel meting bleken ze juist cruciaal voor de cellen die het hardst groeiden. Het was alsof je in een stad alleen naar de gemiddelde inkomsten kijkt en denkt dat niemand rijk is, terwijl je in de single-cel analyse ziet dat er een paar zeer rijke mensen zijn die de economie drijven.

4. De reis van de cel

De studie laat zien hoe een cel verandert:

• Dag 0: De cel is als een snelle, drukke fabriek die zich voortdurend deelt (celcyclus).
• Dag 2-4: De fabriek stopt met het maken van nieuwe fabrieken en begint zich te specialiseren. Ze bouwen "kabels" (neurieten) om signalen te sturen.
• Dag 6: De cel is nu een gespecialiseerde zenuwcel. Maar, en dit is belangrijk: niet alle cellen zijn op dag 6 even ver. Sommige zijn al experts, andere zijn nog in training.

Waarom is dit belangrijk?

Vroeger dachten wetenschappers dat als je een groep cellen behandeld met een groeifactor, ze allemaal op hetzelfde moment en op dezelfde manier veranderden. Deze studie zegt: "Nee, dat is niet zo."

Het is alsof je een groep mensen een nieuwe taal leert. De "bulk" methode zegt: "De klas spreekt nu goed Frans." De "single-cell" methode zegt: "Nee, drie mensen spreken vloeiend, vijf mensen praten gebrekkig, en twee mensen hebben de les helemaal gemist."

Conclusie:
Door deze nieuwe, super-gevoelige manier van kijken (single-cell proteomics), kunnen we nu zien wat er echt gebeurt in individuele cellen. Dit helpt wetenschappers beter te begrijpen hoe zenuwcellen groeien, wat essentieel is voor het begrijpen van ziektes zoals Alzheimer of Parkinson, waar de "communicatie" in de hersenen verstoord raakt. Ze hebben de "gemiddelde" foto weggegooid en in plaats daarvan een album gemaakt van elke individuele speler in het orkest.

Technische samenvatting

Probleemstelling

Traditionele bulk-proteomica meet de gemiddelde eiwitabundantie over een populatie van duizenden cellen. Deze benadering maskeert biologisch betekenisvolle variabiliteit tussen individuele cellen, wat vooral problematisch is bij dynamische processen zoals neurale differentiatie. Hoewel transcriptomics (RNA-seq) op single-cell niveau al veel inzicht biedt, weerspiegelt mRNA-niveau niet altijd de functionele eiwitstatus vanwege post-transcriptionele regulatie.

Specifiek voor dit onderzoek vormt het bestuderen van de PC12-celijn (een model voor NGF-geïnduceerde neurale differentiatie) een technische uitdaging. Gedifferentieerde PC12-cellen zijn kwetsbaar, sterk aan elkaar hechtend (aggregatie) en hebben een onregelmatige grootte met neurieten. Dit maakt het isoleren van intacte, individuele cellen zonder verlies of schade extreem moeilijk, wat de kwaliteit van single-cell proteomics (SCP) data vaak beperkt.

Methodologie

De auteurs hebben een geoptimaliseerde workflow ontwikkeld om single-cell proteomics op PC12-cellen toe te passen:

1. Celisolatie en Voorbereiding:

   • Om aggregatie te voorkomen, werden gedifferentieerde cellen zachtjes gedissocieerd met Versene (EDTA-oplossing) in plaats van enzymatische digestie, gevolgd door een incubatie bij 37°C en wassen met PBS + EDTA.
   • Cellen werden gefilterd door een 35 µm zeef om aggregaten te verwijderen.
   • Thermal Inkjet (TIJ) Dispensering: Een aangepast HP D100 (Uno) systeem werd gebruikt om individuele cellen in 384-wells platen te deponeren. Specifieke software-instellingen ("Sticky cell mode" en aangepaste "pinch size") werden gebruikt om de depositie van grote, kwetsbare neurale cellen te optimaliseren en dubbeldekkers (doublets) te minimaliseren.
   • Lysaat en Digestie: In elk well werd 0,5 µL water en 1 µL verteringsoplossing (trypsin/lysC) toegevoegd. Cruciaal voor de recoverie van membraan- en slecht oplosbare eiwitten was de toevoeging van het mild niet-ionische surfactant n-dodecyl-β-D-maltoside (DDM) (0,03%).

2. Massaspectrometrie (MS):

   • Gebruik van een timsTOF SCP gekoppeld aan een NanoElute 2 UHPLC-systeem.
   • Data-acquisitie in dia-PASEF modus (Data-Independent Acquisition met Parallel Accumulation-Serial Fragmentation). Dit combineert de diepte van DIA met de snelheid en resolutie van ionenmobiliteit (TIMS).
   • De workflow resulteerde in de kwantificatie van ongeveer 2.000–3.000 eiwitten per cel.

3. Bioinformatica en Statistiek:

   • Data-analyse met DIA-NN tegen een Rattus norvegicus database.
   • Statistische filtering, normalisatie (som-normalisatie per cel) en imputatie van ontbrekende waarden (kNN).
   • Dimensionaliteitsreductie met PCA en UMAP.
   • Clustering met k-means en Non-Negative Matrix Factorization (NMF) om subpopulaties en co-variërende eiwitpatronen te identificeren.
   • Functierijke analyse met Metascape.

Belangrijkste Bijdragen

• Technische Optimalisatie: Het ontwikkelen van een robuust protocol voor single-cell proteomics van moeilijk te hanteren, hechtende neurale cellen, waarbij de combinatie van zachte dissociatie, TIJ-dispensing en DDM-surfactant essentieel bleek.
• Validatie van Heterogeniteit: Het aantonen dat bulk-metingen een vertekend beeld geven van de differentiatie, terwijl single-cell data de ware diversiteit binnen de populatie onthult.
• Ontdekking van Subpopulaties: Het identificeren van functioneel distincte subgroepen binnen dezelfde differentiatietijdstippen (vooral op Dag 4 en 6) die door bulk-analyse volledig gemaskeerd zouden worden.

Resultaten

1. Kwaliteit en Reproductie: De workflow leverde consistente data op met een mediane identificatie van 2.000–3.000 eiwitten per cel. De variatie (CV) was stabiel (30-40%), wat wijst op hoge technische reproduceerbaarheid.
2. Invloed van DDM: Samples behandeld met DDM toonden een significant hoger aantal geïdentificeerde eiwitten, met name membraan-geassocieerde en slecht oplosbare eiwitten (bijv. vesiculaire en lysosomale eiwitten), vergeleken met samples zonder DDM.
3. Differentiatie-Verloop:
   • Dag 0 vs. Dag 2: Vroege veranderingen omvatten een afname van lysosomale activiteit en lipidenmetabolisme, en een afname van adhesie-eiwitten, wat overeenkomt met het verlaten van de celcyclus.
   • Dag 4 vs. Dag 6: Sterke afname van proliferatiemarkers (MKI67, CDK1) en toename van neuronale cytoskelet-eiwitten (NEFM, NEFL, TUBB2A) en RNA-metabolisme.
4. Ontmaskering van Heterogeniteit:
   • PCA en UMAP toonden aan dat cellen op Dag 4 en 6 zich splitsten in twee subpopulaties met verschillende eiwitprofielen.
   • Groep A: Cellen met hoge abundantie van eiwitten gerelateerd aan endosomaal transport (SNX1, VPS26B), translatie en neurale maturatie (NEFL, PRPH). Deze cellen vertoonden uitgebreide neurietuitgroei.
   • Groep B: Cellen met lagere abundantie van deze eiwitten en minder neurale kenmerken.
   • Deze subpopulaties waren niet zichtbaar in bulk-data, waar de signalen gemiddeld werden.
5. NMF Analyse: Identificeerde drie proteomische profielen die de variatie tussen cellen beschrijven. On gedifferentieerde cellen clusterden rond profiel 1, terwijl gedifferentieerde cellen een breder spectrum van profielen 2 en 3 vertoonden, wat wijst op verschillende staten van differentiatie binnen dezelfde tijdstippen.

Significantie

De studie demonstreert dat single-cell proteomics essentieel is voor het begrijpen van complexe biologische processen zoals neurale differentiatie.

• Biologisch Inzicht: Het onthult dat differentiatie niet uniform verloopt; er bestaan parallelle trajecten waarbij sommige cellen sneller of vollediger differentieren dan anderen. Dit wordt gedreven door coördinatie in intracellulair transport, eiwittranslatie en structurele organisatie.
• Methodologische Vooruitgang: De geoptimaliseerde workflow biedt een blauwdruk voor het bestuderen van andere kwetsbare of hechtende celtypen, wat de drempel voor toepassing van SCP in neurobiologie verlaagt.
• Klinische Relevantie: Het vermogen om zeldzame subpopulaties en overgangstoestanden te detecteren, kan cruciaal zijn voor het begrijpen van ziekteprogressie of therapeutische respons in neurodegeneratieve aandoeningen, waar bulk-metingen vaak te grof zijn.

Kortom, dit werk levert niet alleen een technisch bewijs voor de haalbaarheid van high-throughput single-cell proteomics op neurale cellen, maar levert ook fundamenteel nieuwe inzichten op in de moleculaire dynamiek van neurale ontwikkeling die onzichtbaar blijven voor traditionele methoden.