来自耶鲁大学的研究人员使用Cytof,其通过飞行时间代表细胞测定法,探索免疫系统的奥秘。
为什么一些感染西尼罗病毒感染的辛辛利培养了威胁危及生命的感染,而其他人从不知道他们有不仅仅是蚊虫咬伤?该医学奥秘只是耶鲁医学院医学副教授的Ruth Montgomery的问题之一,旨在利用转型工具进行翻译研究。
它被称为cytof,它通过飞行时间代表细胞测定法,它使研究人员更加了解免疫细胞的复杂性。去年在耶鲁斯成立,Cytof工具是世界各地研究人员和制药公司使用的90个估计的90个。
“它真的很有带来的一些优势,”蒙哥马利说,他们在耶鲁医学院指导了耶鲁斯的Cytof设施。“渴望推进其发现的研究人员将要使用他们可以的最佳技术。”
通过该技术,研究一系列条件的研究人员 - 从西尼罗到多发性硬化到癌症 - 可以产生来自相对较小的样品的细胞的前所未有的细胞水平。数据有助于他们识别以前未检测到的细胞群,深化他们对细胞生物学和人类疾病的理解。
窥视到细胞数据
在2009年在Cytof的出现之前,科学家们将关于细胞特征的数据与称为流式细胞仪的较老的技术。使用流式细胞术,研究人员标记细胞组分,例如表面标记或蛋白质,荧光探针连接到抗体上并通过激光器通过这些细胞。当激光器击中它们时,荧光探针发出不同波长的光,由细胞仪检测,并转换成可读数据。
流式细胞术允许研究人员使用8至10个荧光标记的标记 - 通常是抗体 - 捕获关于关键细胞特征的数据。相比之下,Cytof采用称为质谱和稀土金属而不是荧光化合物的技术,因此科学家可以使用约40个标记(未来最多100个)。这将更多的信息转化为四到五倍。
据耶鲁·哈菲勒博士的耶鲁神经科椅子,戴维奇·哈菲勒博士的官方董事会,它与天文台质量折射器望远镜看着天道质量折射器望远镜之间的区别。“它允许我从看到细胞表面上的内容,非常深入地定义细胞内的功能,”他说。
Spade分析显示Cytof技术可以从单个样品中检测到Cytof技术的多个亚群。
搜索蜂窝线索
在她指导的Cytof设施中,蒙哥马利将技术应用于她的衰老如何影响免疫反应对感染和自身免疫性疾病的研究。除了内科和免疫生理学中的耶鲁同事,她撰写了一篇论文,在2014年在免疫方法杂志上发表的论文,证明了该技术检测来自少于1,000-10,000个细胞的样本的多个信号的能力。
具体而言,她使用Cytof来探讨天然杀伤(NK)细胞在西尼罗河病毒免疫应答中的作用。“现在我们正在寻找来自西尼罗河病毒的患者的NK细胞,并且从未认识他们与西尼罗病毒生病的患者,我们正在描述他们的NK细胞,”她解释道。对于40个标记,蒙哥马利和她的同事已经能够在来自两个患者群体的NK细胞之间辨别出辨别性。该研究可能有助于解释对感染的免疫反应的差异,可能会使疾病最害处的人受益,注意蒙哥马利。
同样,在他的实验室中,Hafller将Cytof应用于疾病根系中的细胞复杂性,例如多发性硬化症和癌症。在一个当前项目中,他的团队正在研究从脑肿瘤中提取的特定类型的免疫细胞。“我们解释说,我们将来自脑肿瘤的T细胞分离出来。“我们能够在T细胞表面上看超过35种不同的功能分子来定义其功能。”
他说,了解多个分子在单个细胞中同时函数的同时可以揭示关于脑肿瘤如何在T细胞中生存和茁壮成长的线索。“我们越多,可以定义肿瘤的疏散免疫系统,我们可以做出的更具体。通过查看多个标记,我们可以更精确地定义前进的治疗。“
眼睛免疫疗法和预防
在他的实验室中,免疫学教授Kevan Herold博士利用该技术探索了关于1型糖尿病的关键问题,自身免疫条件。Cytof正在帮助他的团队获得更多关于1型糖尿病特异性细胞的更多数据,这通常在儿童时期出现。
“我们希望了解引起糖尿病的细胞的目标,”他说。“是什么让他们打开?是什么让他们关闭?是否有途径涉及我们可以针对疗法?那些是我们感兴趣的问题的类型。“
目标不仅要制定免疫治疗以治疗1型糖尿病,但可能是使用预防数据。“存在患有1型糖尿病风险的抗原反应性T细胞,”赫拉斯德说。“那些幸白的一些人继续开发糖尿病;其他人没有。我们想做的就是P出来谁将继续开发糖尿病以防止它。“如果他识别出不同于患者类型之间的标记,例如,发现可以指向预防策略的目标,注意赫拉斯特。
蒙哥马利,哈夫勒和赫尔德的工作可能只是冰山一角。通过这种更强大的分析细胞工具,耶鲁科学家现在具有深入分析和概况整个免疫细胞的整体群体,以便研究癌症和其他复杂疾病。他们的发现将有助于越来越多的同行评审研究,涉及Cytof,以及出现的免疫疗法。
“我们倾向于将我们对单维或双维的细胞分析。现在这是40维的,“赫尔德说。“这种方法,您有许多参数,可能会重新定义T细胞的群体。它将提高我们如何观察免疫曲目。“
出版物:易耀,等,“Cytof支持高样本的免疫细胞亚群,”免疫方法杂志,2014年12月15日,第1-5号第1-5卷; DOI:10.1016 / J.JIM.2014.10.010