RNA ist ein zentrales Molekül in der Zelle und essentiell für ihre Lebensfunktionen. Die durchschnittliche Halbwertszeit von RNA-Molekülen limitiert jedoch die zeitliche Auflösung herkömmlicher RNA-Sequenzierung, da geringe Änderungen im Transkriptom kaum zu erkennen sind, bis eine gewisse Anzahl an Molekülen akkumuliert. Durch metabolische Markierung von RNA (SLAMseq) kann die Auflösung deutlich erhöht werden. Hierfür werden der Probe markierte Nucleotide (4sU/4sUTP) zugesetzt, die dann zufällig in neu transkribierte RNA inkorporiert werden und eine Unterscheidung zwischen ‚neuer‘ und ‚alter‘ RNA erlauben. In dieser Arbeit werden eine der ersten Einzelzell-SLAMseq-Methoden, die dazugehörige Datenanalyse-Software sowie drei Anwendungen der entwickelten Methoden vorgestellt. Die erste Anwendung verwendet Einzelzell-SLAMseq, um zwischen maternaler (alter) und zygotischer (neuer) RNA in sich entwickelnden Zebrafischembryos bis zur Gastrulation zu unterscheiden. Im Rahmen des Projekts entstand der erste Einzelzell-SLAMseq-Datensatz in einem vollständigen Wirbeltier, der es außerdem erlaubt, im Vorfeld identifizierten lokalisierten maternalen Transkripten zeitlich zu folgen. Diese – vorher uncharakterisierten –Transkripte wurden während der Gastrulation in den Keimzellen angereichert gefunden, was Rückschlüsse auf ihre mögliche Funktion erlaubt. Die zweite Anwendung konzentriert sich auf die neu transkribierte RNA und verwendet (Einzelzell-)SLAMseq, um Transkripte, die in Reaktion auf Stress während der Probenaufbereitung hergestellt wurden, zu identifizieren und rechnerisch zu entfernen. Die Vorteile der Methode werden in mehreren Systemen und Geweben (Mausherz, Zebrafischlarve, Maus-Microglia) demonstriert. In der dritten Anwendung wird eine Machbarkeitsstudie für in vivo SLAMseq zur Identifikation der initialen Immunantwort nach Makrophagenstimulation präsentiert, die auf einen deutlichen Gewinn an zeitlicher Auflösung durch SLAMseq hindeutet. / RNA is a central molecule in the cell and essential to its life functions. With the average RNA half life being multiple hours, regular RNA sequencing has an intrinsic limit on temporal resolution, where small changes in the transcriptome are not picked up until a certain amount of transcripts has build up. This resolution can be greatly improved using RNA metabolic labelling (SLAMseq), where labelled nucleotides (4sU/4sUTP) are added to the samples. These nucleotides are randomly incorporated into nascent transcripts and allow distinction between RNA produced before and after introduction of the labelling agent. This thesis presents one of the first high throughput single cell SLAMseq protocols, an accompanying computational pipeline for data analysis as well as three applications for the developed methods. The first application uses single cell SLAMseq to distinguish between maternal (unlabelled) and zygotic (labelled) transcripts in early zebrafish development (up to mid-gastrulation). This project generated the first single cell SLAMseq dataset in a whole vertebrate. Additionally the data allows to follow a previously discovered set of vegetally localised maternal transcripts in time and determine that these specific transcripts are mainly enriched in the primordial germ cells at gastrulation, therefore ascribing a potential function to a set of so far uncharacterised genes. The second application focuses on newly transcribed RNA and uses (single cell) SLAMseq as a technique to identify and remove transcripts generated in response to sample preparation stress. The method’s benefits are demonstrated in multiple systems and tissues, among them mouse cardiomyocytes, zebrafish larvae and mouse microglia. Finally as the third application an in vivo proof of concept study of SLAMseq to identify first response genes in macrophage stimulation is presented, where the introduction of 4sU shows clear advantages in temporal resolution compared to unlabelled data.

No description available.

Ziel dieser Doktorarbeit ist eine umfassende Untersuchung der Heterogenität von Mikroglia aus morphologischer, elektrophysiologischer und transkriptioneller Perspektive mit dem Schwerpunkt auf Unterschiede zwischen weißer und grauer Substanz. Im ersten Kapitel diskutiere ich die morphologische Heterogenität von Mikroglia mit dem Fokus auf Satelliten- und Parenchymale-Mikroglia. Wir führten eine eingehende Analyse mehrerer Hirnareale durch und quantifizierten die Anzahl der Satellitenmikroglia, die mit verschiedenen neuronalen Subtypen in Kontakt stehen. Wir fanden heraus, dass die Anzahl der Satellitenmikroglia stark mit der neuronalen Dichte eines bestimmten Bereichs korreliert. Im zweiten Kapitel dieser Arbeit untersuche ich die transkriptionelle Heterogenität von Mikroglia aus weißer und grauer Substanz, wobei ich die in Gliazellen neu etablierte Patch-seq-Methode anwende. Diese Methode ermöglicht es eine Kombination aus morphologischen, lektrophysiologischen und transkriptionellen Profilen einzelner Zellen zu erhalten, die es erlauben, zelluläre Unterschiede zu charakterisieren. Wir identifizieren einen zellulären Subtyp, wenn wir den Patch-seq-Datensatz mit FACS-basierter Einzelzell-RNA-seq-Datensätzen vergleichen. Dieser Subtyp gehört eindeutig zu dissoziierten Gewebeproben und ist durch die Expression von Stress-assoziierten Genen charakterisiert. Im dritten Kapitel wende ich mich der Frage zu, wie Transkripte mittels SLAM-seq nachverfolgt werden können, die während der Dissoziation des Gewebes entstehen. Das Verfahren ermöglicht es mRNA, die während der Dissoziation der Probe entsteht, metabolisch zu markieren, rechnerisch zu identifizieren und zu entfernen. Indem wir die markierten Transkripte aus dem Mikroglia “entfernen”, beobachten wir, dass ein „aktivierter Mikroglia“-Subtyp zur allgemeinen Mikroglia-Population gehört. / The aim of this doctoral work is to provide a comprehensive study and overview on the topic of the heterogeneity of microglia in the normal adult mouse brain from the morphological, electrophysiological and transcriptional perspective with the focus on differences between white and grey matters. In the first Chapter, I discuss the morphological heterogeneity of microglia in the brain with the focus on two morphologically distinct classes: satellite and parenchymal microglia. We performed an in-depth analysis of multiple brain areas and quantified the number of satellite microglia which is in contact with different neuronal subtypes. We found that satellite microglia numbers are highly correlated with neuronal densities of a certain area, while showing no preferences for any of the neuronal types. In Chapter two of this work, I study transcriptional heterogeneity of microglia from white and grey matters. For this I am employing Patch-seq, which we newly established in glial cells. This method allows a combination of morphological, electrophysiological and transcriptional profiles of single cells to assess their differences. When comparing Patch-seq dataset to the previously published FACS isolated single cell RNA-seq microglia datasets, we find a subtype of cells which uniquely belongs to FACS sample and is characterized by expression of stress-associated genes. This finding points out to the fact of dissociation-related artifacts in the single cell RNA-seq data which are not present in situ. In the third chapter, I identified transcripts which are induced during the dissociation of the tissue by employing the SLAM-seq method. This procedure allows to metabolically label newly transcribed mRNA and computationally remove transcripts from the sample. By removing the labeled transcripts from the dataset of cells isolated from the hippocampus via enzymatic dissociation, we observe that an “activated microglia” subtype merges with the general microglia population.