《Immunity》:Akoya空间单细胞蛋白组技术解析艾滋病免疫失调机制

本文主要是介绍《Immunity》:Akoya空间单细胞蛋白组技术解析艾滋病免疫失调机制,希望对大家解决编程问题提供一定的参考价值,需要的开发者们随着小编来一起学习吧!

艾滋病是一种危害性极大的病毒性传染病,由人免疫缺陷病毒(HIV)引起。一般来说,HIV病毒在感染黏膜组织靶细胞后两周内就会扩散到淋巴器官。进入发病期后,HIV病毒主要通过攻击CD4+T淋巴细胞导致机体丧失免疫功能。感染组织微环境的原位解析能够帮助我们更深入地理解HIV感染如何导致机体免疫失调,但传统手段很难获得感染组织的高参数病理结果,限制了研究的进展。近期,斯坦福大学的Garry Nolan教授研究团队通过蛋白-核酸原位成像法实现了33种生物标志物检测,建立了多组学空间表型分析体系,并在《Immunity》杂志上报道了HIV宿主淋巴组织免疫抑制微环境形成机制的研究成果[1]。

 

研究背景

艾滋病又叫获得性免疫缺陷综合征(AIDS),于1981年首次发现,是由于感染HIV病毒导致的 CD4+T淋巴细胞减少为代表特征的免疫衰竭综合症[2]。HIV感染后的平均潜伏期为8-10年,患者常于感染后 10-15年因并发各种机会性感染或恶性肿瘤而死亡。

近二十年来,抗逆转录病毒疗法(ART)用于AIDS患者的治疗取得了很好的效果。ART能完全抑制HIV的复制,改善免疫功能并大幅降低AIDS的病发风险。但是,ART不能根治AIDS,临床数据表明,停药后病毒总是可以在几周内“卷土重来”[3]。体内HIV难以清除的主要障碍就是在HIV感染的过程中,病毒能够潜伏在某个亚群的细胞中,形成HIV潜伏病毒库(latent reservoir)。在潜伏病毒库中,HIV通过隐藏在被感染细胞的基因组中逃避宿主免疫系统的监视,等待发病时机的到来。

目前,对于组织中潜伏病毒库的研究手段多限于消化组织并进行单细胞检测,再辅以原位杂交(ISH)和免疫组化。这种检测手段无法深入解读潜伏病毒库及周围细胞亚群的原位空间信息,限制了其研究的发展。这篇题为“Combined protein and nucleic acid imaging reveals virus-dependent B cell and macrophage immunosuppression of tissue microenvironments”的研究中,作者利用Akoya空间单细胞蛋白组技术,实现了低拷贝数病毒核酸和多种蛋白标志物的原位检测,为我们提供了崭新的研究视角。接下来我们就跟着作者的思路,从技术体系搭建和科学问题研究两个方面来解读本文的内容。

研究过程

作者首先面对的关键技术难题就是:如何能在同一张组织切片上同时检测蛋白表位和微弱的病毒核酸(vDNA和vRNA)信号?研究选用了非人灵长类动物疾病模型,分别利用猿猴免疫缺陷病毒(SIV)和新冠病毒(SARS-CoV-2)进行vDNA和vRNA造模。将核酸原位杂交技术(DNA/RNA Scope)与该课题组常用的几种蛋白原位检测技术(IF、Akoya的PhenoImager HT(原Vectra Polaris)、Akoya的空间单细胞蛋白组PhenoCycler(原CODEX)、MIBI)技术相结合,在细胞系(图1B)和组织切片(图1D和E)中实现了蛋白-核酸原位成像(简称PANINI)。值得一提的是,在实验体系优化过程中,作者利用pH9抗原修复液有效保留样本ISH敏感性的特点,突破了传统方法样本制备的技术壁垒。成功实现了一个样本中31种蛋白和2种核酸(对vRNA和vDNA单拷贝级别精度)的检测。

图1 蛋白-核酸原位成像技术(PANINI)的建立

接下来,作者在超多标蛋白-核酸原位成像的基础上对样本进行空间表型分析,对比SIV感染组和对照组恒河猴淋巴组织中的细胞表型差异。33种标志物中包含:结构标志物(dsDNA,Histone H3,Pan-Keratin,SMA和Vimentin),核内功能标志物(FoxO1,FoxP3,Ki-67,Lamin AC,NF-κB-p100和Pax-5),细胞质内标志物(IL-10,granzyme B和CD25),髓系细胞功能标志物(CD11b,CD16,CD68,CD163和 DC-SIGN),免疫细胞分群标志物(CD21、CD36、CD45、CD56、CD138、HLA-DR 和 MPO),以及标记感染细胞的vDNA 和 vRNA。根据免疫细胞标志,作者得到样本中14种细胞表型的分析结果(图2)。

 图2 空间表型识别结果

在对14种细胞亚群逐一分析的过程中,作者发现通过FOV细胞表型分析无法归纳出病毒感染之后免疫系统的调节规律。

该空间单细胞表型分析出场了!

作者的应对策略是采用细胞邻域(Cellular Neighborhood,CN)分析,不仅关注细胞本身,还关注该细胞周围的19个细胞(共20个细胞,图3A),并对得到的信息加以k-means聚类分析(不考虑感染指标,图3B),进而得到了11个有着独特细胞分布特征的细胞邻域(CN,图3B)。在CN分类完成的基础上,分析SIV感染导致的CN分布改变以及其中细胞的功能调节。这种细胞群体追踪的方法让作者找到了多个SIV感染后的微环境变化规律。在SIV感染导致的众多CN变化中,作者发现病毒感染导致CN8(富含巨噬细胞和CD8+T细胞)取代CN3(富含巨噬细胞和CD4+T细胞)占据主导地位,同时巨噬细胞免疫抑制功能相关标志物(DC-SIGN,FoxO1,IL-10和CD169)阳性的细胞比例显著升高。

 图3 病毒感染后组织微环境内细胞邻域分析

接下来作者做了详细的细胞-细胞分析以及CN-CN分析,对比SIV感染后组织重塑情况(图4),进一步将关注点锁定在富含B细胞的CN2和富含巨噬细胞的CN8上。至此,作者已经找出SIV感染事件中导致免疫失调的关键细胞:病毒依赖性B细胞和免疫抑制型巨噬细胞(详细过程见原文)。

 图4 SIV感染后的组织重塑分析

在随后的功能性分析中,作者发现CN2中的B细胞和CN8中的巨噬细胞中IL-10阳性细胞比例显著升高(图5A)。一系列巧妙的实验设计和检测结果表明:SIV感染激活B细胞中FoxO1的表达,产生IL-10促进了巨噬细胞的M2型活化,进而形成免疫抑制微环境。

 图5 SIV感染后B细胞来源IL-10产生与巨噬细胞极化和免疫抑制相关

最后,作者还用蛋白-核酸原位成像技术进行了SIV病毒感染后组织特性的分析,找出了感染过程中几个关键的标志物(CD56,IL-10,FoxO1,HLA-DR,CD21等)并提出了相应的原位多组学空间表型分析模型。不得不承认,这篇文章可谓是空间表型分析在艾滋病研究中应用的杰出典范。

Akoya空间单细胞蛋白组学PhenoCycler

华盈生物提供服务的Akoya空间单细胞蛋白组学PhenoCycle(原CODEX)技术平台,采用专利的DNA偶联抗体检测技术结合自动化高分辨荧光显微镜,可还原蛋白质和特定细胞在组织中的真实分布。可实现近百种蛋白质的空间原位检测。

 

技术优势

● 分辨率高,精确到0.251μm。

● 相比IMC,可实现全片扫描,无需预先限定感兴趣区域(ROI)。

● >70种已验证的DNA偶联抗体可供自由选择组合。

● 定制化更加灵活,可与商品化panel联合使用。

相关文献

1.Jiang S, Chan CN, X Rovira-Clavé, et al. Combined protein and nucleic acid imaging reveals virus-dependent B cell and macrophage immunosuppression of tissue microenvironments. 2022, Immunity 55, 1118–1134

2.JUNPO Hiv/Aids. 2006 Report on the Global AIDS Epidemic. Geneva Switzerland Unaids Jun, 2004, 27(7):553-556.

3.Deeks, S., Overbaugh, J., Phillips, A. et al. HIV infection. 2015, Nat Rev Dis Primers 1, 15035.

该文章转自:AkoyaBio微信公众号

这篇关于《Immunity》:Akoya空间单细胞蛋白组技术解析艾滋病免疫失调机制的文章就介绍到这儿,希望我们推荐的文章对编程师们有所帮助!



http://www.chinasem.cn/article/429688

相关文章

网页解析 lxml 库--实战

lxml库使用流程 lxml 是 Python 的第三方解析库,完全使用 Python 语言编写,它对 XPath表达式提供了良好的支 持,因此能够了高效地解析 HTML/XML 文档。本节讲解如何通过 lxml 库解析 HTML 文档。 pip install lxml lxm| 库提供了一个 etree 模块,该模块专门用来解析 HTML/XML 文档,下面来介绍一下 lxml 库

JVM 的类初始化机制

前言 当你在 Java 程序中new对象时,有没有考虑过 JVM 是如何把静态的字节码(byte code)转化为运行时对象的呢,这个问题看似简单,但清楚的同学相信也不会太多,这篇文章首先介绍 JVM 类初始化的机制,然后给出几个易出错的实例来分析,帮助大家更好理解这个知识点。 JVM 将字节码转化为运行时对象分为三个阶段,分别是:loading 、Linking、initialization

【专题】2024飞行汽车技术全景报告合集PDF分享(附原数据表)

原文链接: https://tecdat.cn/?p=37628 6月16日,小鹏汇天旅航者X2在北京大兴国际机场临空经济区完成首飞,这也是小鹏汇天的产品在京津冀地区进行的首次飞行。小鹏汇天方面还表示,公司准备量产,并计划今年四季度开启预售小鹏汇天分体式飞行汽车,探索分体式飞行汽车城际通勤。阅读原文,获取专题报告合集全文,解锁文末271份飞行汽车相关行业研究报告。 据悉,业内人士对飞行汽车行业

【C++】_list常用方法解析及模拟实现

相信自己的力量,只要对自己始终保持信心,尽自己最大努力去完成任何事,就算事情最终结果是失败了,努力了也不留遗憾。💓💓💓 目录   ✨说在前面 🍋知识点一:什么是list? •🌰1.list的定义 •🌰2.list的基本特性 •🌰3.常用接口介绍 🍋知识点二:list常用接口 •🌰1.默认成员函数 🔥构造函数(⭐) 🔥析构函数 •🌰2.list对象

金融业开源技术 术语

金融业开源技术  术语 1  范围 本文件界定了金融业开源技术的常用术语。 本文件适用于金融业中涉及开源技术的相关标准及规范性文件制定和信息沟通等活动。

Java ArrayList扩容机制 (源码解读)

结论:初始长度为10,若所需长度小于1.5倍原长度,则按照1.5倍扩容。若不够用则按照所需长度扩容。 一. 明确类内部重要变量含义         1:数组默认长度         2:这是一个共享的空数组实例,用于明确创建长度为0时的ArrayList ,比如通过 new ArrayList<>(0),ArrayList 内部的数组 elementData 会指向这个 EMPTY_EL

【编程底层思考】垃圾收集机制,GC算法,垃圾收集器类型概述

Java的垃圾收集(Garbage Collection,GC)机制是Java语言的一大特色,它负责自动管理内存的回收,释放不再使用的对象所占用的内存。以下是对Java垃圾收集机制的详细介绍: 一、垃圾收集机制概述: 对象存活判断:垃圾收集器定期检查堆内存中的对象,判断哪些对象是“垃圾”,即不再被任何引用链直接或间接引用的对象。内存回收:将判断为垃圾的对象占用的内存进行回收,以便重新使用。

【Tools】大模型中的自注意力机制

摇来摇去摇碎点点的金黄 伸手牵来一片梦的霞光 南方的小巷推开多情的门窗 年轻和我们歌唱 摇来摇去摇着温柔的阳光 轻轻托起一件梦的衣裳 古老的都市每天都改变模样                      🎵 方芳《摇太阳》 自注意力机制(Self-Attention)是一种在Transformer等大模型中经常使用的注意力机制。该机制通过对输入序列中的每个元素计算与其他元素之间的相似性,

OWASP十大安全漏洞解析

OWASP(开放式Web应用程序安全项目)发布的“十大安全漏洞”列表是Web应用程序安全领域的权威指南,它总结了Web应用程序中最常见、最危险的安全隐患。以下是对OWASP十大安全漏洞的详细解析: 1. 注入漏洞(Injection) 描述:攻击者通过在应用程序的输入数据中插入恶意代码,从而控制应用程序的行为。常见的注入类型包括SQL注入、OS命令注入、LDAP注入等。 影响:可能导致数据泄

如何通俗理解注意力机制?

1、注意力机制(Attention Mechanism)是机器学习和深度学习中一种模拟人类注意力的方法,用于提高模型在处理大量信息时的效率和效果。通俗地理解,它就像是在一堆信息中找到最重要的部分,把注意力集中在这些关键点上,从而更好地完成任务。以下是几个简单的比喻来帮助理解注意力机制: 2、寻找重点:想象一下,你在阅读一篇文章的时候,有些段落特别重要,你会特别注意这些段落,反复阅读,而对其他部分