Spelling suggestions: "subject:"metabolik sequenzierung"" "subject:"metabolik resequenzierung""
1 |
Morphological and transcriptional heterogeneity of microglia in the normal adult mouse brainBakina, Olga 26 February 2024 (has links)
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.
|
Page generated in 0.0675 seconds