Исследователи из Стэнфордского университета в Калифорнии разработали метод сортировки клеток с помощью флуоресценции для выделения отдельных типов нейрональных стволовых и прогениторных клеток из тканей человеческого мозга. Маркеры, использованные в исследовании, сохраняются в различных областях мозга. Этот метод должен помочь будущим исследованиям в области нейроразвития и ускорить разработку терапевтических схем на основе трансплантации нейрональных клеток для лечения множества неврологических заболеваний. В научной статье "Очистка и характеристика нейрональных стволовых и прогениторных клеток человека", опубликованной в журнале Cell, команда из Стэнфорда описывает сочетание передовых методов, которые они использовали для разработки надежной схемы выделения и идентификации интересующих их стволовых клеток.
Человеческий мозг - это дом для около 171 миллиарда отдельных клеток, из которых чуть больше половины (~86 миллиардов) являются нейронными клетками. Эти 86 миллиардов нейронных клеток представляют собой разнообразную группу с сотнями типов и функций, но все они происходят из трех нейронных линий - нейронов, олигодендроцитов и астроцитов. Все эти три линии берут начало из пула нейрональных стволовых и прогениторных клеток радиальной глии, которые быстро развиваются во втором триместре беременности. Понимание этих клеток радиальной глии, того, как они дифференцируются в три линии и как эти три линии дифференцируются в разнообразные нейрональные клетки, принесет огромную пользу медицинским исследованиям. Флуоресцентно-активированная сортировка клеток была использована для разделения типов клеток ткани мозга по иммунофенотипу клеточной поверхности из суспензии одиночных клеток. Клетки индексировались (регистрировалась флуоресценция) и изолировались друг от друга. Затем клетки были подвергнуты секвенированию РНК одной клетки для получения их индивидуальных транскриптомов. Объединив профиль поверхностных маркеров с индексацией и транскриптомом, исследователи получили профиль каждого типа клеток, который можно было использовать для последующей идентификации. Исследователи также измерили экспрессию 352 дополнительных поверхностных маркеров, которые не использовались в первоначальной схеме разделения, но которые могут быть использованы для лучшей дифференциации клеток в будущем. Данные индексной сортировки позволили сопоставить каждую секвенированную клетку с ее первоначальным иммунофенотипом, и исследователи обнаружили, что экспрессия РНК и белков клеточной поверхности не всегда коррелирует. Некоторые похожие внешне клетки могут иметь разные функции. Эта стратегия позволила получить функционально схожие популяции отсортированных клеток, что дало возможность выделить специфические функции нейральных стволовых и прогениторных клеток для анализа. Было выделено десять типов нейрональных стволовых и прогениторных клеток, и исследователи попытались охарактеризовать поведение клеток, пересадив их непосредственно в мозг новорожденных мышей с иммунодефицитом. Через шесть месяцев клетки мигрировали и прижились по всему мозгу, дифференцировались и дали начало всем трем основным нейронным линиям. Наблюдая за тем, как и где распространяются отдельные типы клеток, исследователи смогли сделать некоторые первые выводы о деятельности, соответствующей месту. Хотя эксперимент был задуман просто как проверка жизнеспособности метода, исследователи выявили и функционально охарактеризовали отдельную бипотентную глиальную клетку-предшественницу, которая не была описана ранее. Успешное доказательство Стэнфордской командой концепции (с открытием) того, что различные типы клеток развивающегося мозга могут быть выделены на основе поверхностных маркеров, может быть легко адаптировано другими учеными-исследователями, поскольку оно работает на относительно стандартном исследовательском оборудовании. Если используемый метод удастся воспроизвести для других типов стволовых клеток, это может привести к резкому росту нашего понимания специфических функций, механизмов и иерархических ролей, которые клетки играют в мозге или в других органах. | |
Просмотров: 170 | |