Clinical Chemistry 58:12 1682–1683 (2012) Medicina basada en la evidencia y la utilización de prueba Análisis PCR cuantitativo de ADN, ARN y proteı́nas en la misma célula única Anders Ståhlberg,1,2* Christer Thomsen,1 David Ruff,3 y Pierre Åman1 ANTECEDENTES: La célula única representa la unidad básica de todos los organismos. Si bien se han realizado diversas investigaciones en grandes poblaciones celulares, para entender la dinámica y la heterogeneidad de las células es preciso analizar la célula única. Los métodos actuales para el análisis de células únicas generalmente pueden detectar solo una clase de analitos. La transcripción inversa y la prueba de ligadura de proximidad se complementaron con el análisis PCR cuantitativo y se usaron para cuantificar cualquier combinación de ADN, mARN, micro ARN (miARN), ARN no codificantes (ncARN) y proteı́nas de la misma célula única. El método se usó en células humanas transfectadas transitoriamente para determinar las concentraciones intracelulares de plásmidos, sus mARN transcritos, proteı́nas traducidas y objetivos de ARN en la circulación. nera resultados para el mismo parámetro de todos los analitos medidos, una caracterı́stica que facilita el análisis comparativo de datos. Este enfoque podrı́a ofrecer nuevas opciones en el diagnóstico molecular de estudios de correlación detallados sobre diferentes y diversas clases de analitos al nivel de la célula única. © 2012 American Association for Clinical Chemistry MÉTODOS: RESULTADOS: Desarrollamos una solución amortiguadora de lisis en células completas para liberar proteı́nas, ARN y ADN no fragmentados que no pudieran degradar ningún analito detectable ni inhibir el ensayo. El rango dinámico, la sensibilidad analı́tica y la especificidad para la cuantificación de ADN, mARN, miARN, ncARN demostraron precisión al nivel de la célula única. Los estudios de correlación demostraron que las concentraciones intracelulares de plásmidos y sus mARN transcritos se correlacionaron solo en forma moderada con concentraciones de proteı́na traducida (coeficiente de correlación de Spearman, 0.37 y 0.31, respectivamente; P ⬍ 0.01). Además, un gen expresado ectópicamente afectó las correlaciones entre analitos y este gen, lo que está relacionado con la regulación de genes. CONCLUSIONES: Este método es compatible con la mayorı́a de los enfoques de muestreo de células y ge- 1 Departamento de Patologı́a, Centro Sahlgrenska de Cáncer, Universidad de Gotemburgo, Gotemburgo, Suecia (Department of Pathology, Sahlgrenska Cancer Center, University of Gothenburg, Gothenburg, Sweden); 2 Biocentro TATAA, Gotemburgo, Suecia (TATAA Biocenter, Gothenburg, Sweden); 3 Biosistemas Aplicados, Tecnologı́as como Parte de la Vida, (Applied Biosystems, Part of Life Technologies) Foster City, CA. * Dirigir correspondencia para el autor a: Sahlgrenska Cancer Center, Department of Pathology, University of Gothenburg, Box 425, SE-40530 Gothenburg, Sweden. Fax ⫹46-31-828733; correo electrónico: anders.stahlberg@gu.se. 1682 Las células de órganos y tejidos actúan en estrecha relación entre ellas. Si bien pueden ser idénticas morfológica y genéticamente, las células pueden responder a estı́mulos en conjunto o individualmente. Hay estudios que demuestran que las células individuales exhiben diferentes perfiles de expresión de transcripciones y proteı́nas, aún en poblaciones aparentemente homogéneas (1–3 ). Las cantidades moleculares fluctúan en células individuales para producir respuestas únicas a señales moleculares que conducen a distintos caminos de desarrollo y diferenciación celular (2, 3 ). Los flujos de trabajo experimental para la caracterización de respuestas celulares habitualmente usan grandes cantidades de células para alcanzar los umbrales de detección de sistemas analı́ticos. Dichos experimentos solo brindan información sobre el comportamiento común de células en las poblaciones. Se necesitan nuevos métodos analı́ticamente sensibles que puedan detectar y cuantificar las pocas moléculas presentes en las células únicas para comprender las funciones de las células únicas y su interacción en tejidos y organismos. Los informes recientes han destacado nuevos enfoques para el análisis de diferentes analitos al nivel de célula única in vivo, in situ y en solución (4, 5 ). Por ejemplo, la reacción en cadena de la polimerasa cuantitativa en tiempo real con transcripción inversa (RTqPCR)4 se aplicó correctamente para medir mARN (6 – 11 ) y micro ARN) (12 ) al nivel de célula única. Las Recibido para su publicación: 19 de junio de 2012. Aceptado para publicación: 30 de agosto de 2012. 4 Abreviaturas no estándar: RT-qPCR, reacción en cadena de la polimerasa cuantitativa con transcripción inversa; miARN, microARN; PLA, prueba de ligadura de proximidad; PLA-qPCR, reacción en cadena de la polimerasa cuantitativa con prueba de ligadura de proximidad; ncARN, ARN no codificante; GFP, proteı́na fluorescente verde mejorada; FACS, clasificación de células activadas por fluorescencia; AR, liberación de analitos; Cq, ciclo de cuantificación. Evaluación de LMPGs NACB con AGREE II células individuales por lo general se recolectan por microaspiración (6, 7 ), citometrı́a de flujo (9, 10 ) o microdisección con captura láser (11, 13 ). Luego se realiza el lisado y análisis de las células capturadas por RT-qPCR. El uso de lisados no fragmentados es ventajoso para evitar pérdidas de ARN (14 ). Los análisis de diversos genes requieren preamplificación para asegurar la presencia de suficientes moléculas en el tubo de reacción después de la dilución de la muestra. La mayorı́a de los protocolos de preamplificación son compatibles con RT-qPCR, pero generalmente se prefieren los protocolos de preamplificación basados en PCR debido a que son fáciles de implementar en el flujo de trabajo, generan altos rendimientos y son especı́ficos al objetivo. Además, el uso de qPCR y la prueba de ligadura de proximidad (PLA) combinados (PLA-qPCR) son capaces de cuantificar proteı́nas en lisados celulares, pero el método aún no ha sido aplicado en células únicas (15 ). Sin embargo, todos estos flujos de trabajo cuestionan una clase de molécula por vez. Para obtener una comprensión más profunda de los procesos biológicos complejos, resulta altamente ventajoso medir diferentes tipos de analitos en la misma célula única. Describimos un método para cuantificar ADN, mARN, miARN, ARN no codificante (ncARN) y proteı́nas con qPCR en la misma célula (Fig. 1). Al aplicar qPCR para medir todas estas clases de analitos, hemos logrado una alta sensibilidad analı́tica y un gran rango dinámico, y eliminamos la necesidad de combinar diferentes plataformas tecnológicas. El enfoque fue usado con células humanas transfectadas de forma transitoria que expresan de forma ectópica el gen FUS5 (fusionado en sarcoma). El FUS es una proteı́na multifuncional que regula la actividad genética a través de la interacción con otras proteı́nas, ARN y ADN (16 ). Además, el FUS está involucrado en la regulación de la actividad genética promotora (17 ), participa en el empalme pre-mARN (18 ) y los traslados entre el núcleo y la unión del citoplasma al ARN (19 ). El gen CCND1 (ciclina D1), que participa en la regulación del ciclo celular, es un gen diana bien caracterizado de FUS (17 ). El FUS se encuentra en oncogenes de fusión que se presentan en algunos sarcomas y leucemias (20 ). Recientemente, las mutaciones FUS también se han implicado en formas familiares de trastornos neurodegenerativos, esclerosis lateral amiotrófica y degeneración del lóbulo frontotemporal (21, 22 ). 5 Genes humanos: FUS, fusionado en sarcoma; GAPDH, gliceraldehido-3-fosfato deshidrogenasa; CCND1, ciclina D1; MIR31, microARN 31; SNORD48, ARN nucleolar pequeño, C/D box 48. Figura 1. Configuración experimental. Panorama general del flujo de trabajo para la medición de ADN, ARN y proteı́nas en la misma célula única. Usamos el 40% de cada célula para el análisis proteico, el 40% para ARN y el 20% para análisis de ADN. Materiales y métodos CULTIVOS CELULARES Y TRANSFECCIONES La lı́nea celular HT 1080 del fibrosarcoma humano se cultivó a 37 °C con aire que incluı́a CO2 al 5% y en el medio RPMI 1640 GlutaMAX complementado con 100 U/mL de penicilina, 100 g/mL de estreptomicina y 100 mL/L de suero fetal bovino (todos de Life Technologies). Las células HT 1080 fueron sembradas en 6 pocillos (Nunc) a una densidad de 150 000 células por pocillo y transfectadas después de 18 a 24 hs. Cada pocillo fue transfectado con una mezcla que contenı́a 1 g de un plásmido de expresión que codifica el FUS marcado con proteı́na verde fluorescente mejorada (FUSGFP) (23 ) y 3 L de reactivo para transfección FuGENE 6 (Roche) preparado en RPMI 1640 libre de suero de acuerdo con las instrucciones del fabricante. Los medios de cultivo se cambiaron 6 horas después de la transfección y se recopilaron las células para su análisis 24 horas después de la transfección. La eficiencia de la transfección se estimó aproximadamente en 60 y 80% de acuerdo con el análisis de clasificación de céluClinical Chemistry 58:12 (2012) 1683 las activadas por fluorescencia (FACS) o la inspección visual. EXTRACCIÓN DE PROTEÍNAS Y ANÁLISIS POR INMUNOBLOT Las células fueron lavadas con PBS helado (tabletas PBS, Life Techcnologies) y separadas con un raspador de células en 100 L/pocillo de solución amortiguadora RIPA (50 mmol/L Tris-HCL, pH 8.0, 150 mmol/L de NaCl, 10 mL/L de IGEPAL® CA-630, 5 g/L de desoxicolato de sodio, 1 g/L de SDS; todos de SigmaAldrich) complementado con 1⫻ cóctel de inhibidores de proteasas y fosfatasas Halt (Thermo Scientific). Las muestras se incubaron en hielo por 10 min y clarificaron por centrifugación a 14 000 g por 10 min a 4 °C. La inmunotransferencia se realizó con el sistema de gel NuPAGE Novex 4%–12% Bis-Tris (Life Technologies) de acuerdo con las recomendaciones del fabricante. En pocas palabras, los extractos de proteı́na se mezclaron con una solución amortiguadora de muestras NuPAGE LDS y un agente reductor de muestras NuPAGE, desnaturalizados a 70 °C por 10 min, separados en geles NuPAGE de 4 a 12% Bis-Tris y transferidos a membranas Invitrolon de difluoruro de polivinilideno (Life Technologies) por mancha húmeda. Las membranas se bloquearon con 50 g/L de leche desnatada (Merck Chemicals) (para análisis de FUS y GFP) o con 50 g/L de BSA (Sigma-Aldrich) [para análisis de gliceraldehı́do-3-fosfato deshidrogenasa (GAPHD)] preparado en solución amortiguadora TBS (50 mmol/L Tris-HCl, pH 6.8, 50 mmol/L de NaCl, 0.5 mL/L de interpolación 20; todos de Sigma-Aldrich). Luego, se incubaron las membranas por 90 min. con 0.4 g/mL de anticuerpos anti-FUS [Anticuerpo FUS/TLS (4H11); Santa Cruz Biotechnology], 0.5 g/mL de anticuerpo anti-GFP [Living Colors® A.v. Anticuerpo monoclonal (JL-8); Clontech], o 1 g/mL de anticuerpo anti-GAPDH [Anticuerpo AntiGAPDH (mAbcam 9484) – Control de Carga; Abcam]. La incubación con un anticuerpo anti-ratón de cabra conjugado con peroxidasa [IgG anti-ratón de cabra estabilizado (H⫹L), Conjugado con peroxidasa; Thermo-Scientific) se usó para detectar bandas de proteı́nas. Se usó un sistema de imágenes LAS-4000 para capturar las señales de luminiscencia. AISLAMIENTO DE CÉLULAS ÚNICAS Las células HT1080 fueron disociadas con un medio RPMI 1640 GlutaMAX que contiene 2.5 g/L de tripsina (ambos de Life Technologies) y 0.5 mmol/L de EDTA (Merck Chemicals). La tripsina fue inactivada con un medio celular que contiene suero fetal bovino. Las células disociadas se lavaron una vez y después se mantuvieron en un medio celular con 20 mL/L de suero fetal bovino. Los agregados celulares se quitaron mediante filtrado con un filtro celular de 70-m (BD Bios1684 Clinical Chemistry 58:12 (2012) ciences). Usamos una clasificación de células BD FACSAria 2 (BD Biosciences) para clasificar las células únicas en placas PCR de 96 pocillos (Life Technologies) con 5 L de solución amortiguadora de lisis de liberación de analitos (AR) (Life Technologies). La solución amortiguadora de lisis de AR es un reactivo de lisis hipotónico amortiguado de baja concentración iónica (1g/L de sulfobetaı́na no detergente 201, 50 mmol/L de L Tris-HCl, pH 8.0 y 1 mmol/L EDTA, pH 8.0) mezclado en un porcentaje 1:1 con PBS (Tabletas PBS; Life Technologies). Las muestras se congelaron en hielo seco y se conservaron a -80 °C hasta los posteriores análisis. En otro documento se describe un protocolo detallado para la clasificación de células únicas (24 ). Usamos un 40% de las células lisadas (equivalente a 2 L) para RT-qPCR, un 40% para PLA-qPCR y el 20% restante para cuantificación de ADN genómico con RT-qPCR. La PLA, la transcripción inversa y la qPCR para ADN genómico se realizaron simultáneamente en placas de reacción paralelas. Se usaron kits QIAshredder (Qiagen) para homogeneizar lisados y el ARN total se aisló con un kit Exiqon (miRCURY RNA Isolation Kit - Cell and Plant). El ARN total se midió con un espectrofotómetro Nano Drop ND-1000 (NanoDrop Technologies). PRUEBAS DE LIGADURA DE PROXIMIDAD Las sondas de proximidad FUS-GFP PLA se construyeron con anticuerpos anti-GFP policlonales prebiotinilados de conejo [Anticuerpo Anti-GFP (Biotina); Abcam], de acuerdo con las instrucciones del fabricante (TaqMan® Protein Assays Oligo Probe Kit; Life Technologies). En pocas palabras, las sondas de proximidad GFP PLA se prepararon al mezclar 5 L de anticuerpo GFP biotinilado (200 nmol/L) con 5 L de oligonucleótido conjugado con estreptavidina con extremo libre de 3⬘ o 5⬘ (200 nmol/L) en dos tubos plásticos independientes de 200L. Después de permitir la fijación total de biotinaestreptavidina mediante la incubación a temperatura ambiente durante 60 min, la mezcla se diluyó con 90 L de la solución amortiguadora de almacenamiento por sonda de PLA para crear cada reserva de almacenamiento por sonda de PLA de 10-nmol/L. Inmediatamente antes de comenzar la reacción de PLA, tanto la sonda de proximidad de PLA de 3’ de extremo libre como la de 5’ se combinaron y diluyeron en conjunto 130 veces en una solución amortiguadora de dilución por sonda de PLA para crear una solución de 77-pmol/L 2⫻ de sonda activa. La concentración óptima de la sonda activa se obtuvo por valoración (ver Fig. 1 en el anexo de datos que acompaña la versión en lı́nea de este artı́culo en: http://www. clinchem.org/content/vol58/issue12). La PLA se realizó de acuerdo con las instrucciones del fabricante (TaqMan® Protein Assays Core Reagents Kit with Master Mix, Life Technologies). Primero, se mezclaron 2 Evaluación de LMPGs NACB con AGREE II L de la solución de la sonda activa de PLA con 2 L de células únicas lisadas e incubadas a 37 °C por 60 min. Luego, agregamos la mezcla de la reacción de la ligadura a un volumen final de 50 L e incubado a 37 °C por 10 min. La mezcla de la reacción de la ligadura incluı́a 1 ⫻ de solución amortiguadora de la reacción de la ligadura y 1⫻ de ADN ligasa. La ADN ligasa se diluyó recientemente con solución amortiguadora de dilución de ligasa a partir de una solución de reserva de almacenamiento a largo plazo de 500 ⫻ a una solución activa 1 ⫻. Finalmente, se agregó una solución de porteasa 1 ⫻ para terminar la reacción de ligadura. El perfil de temperatura para inactivación de la ligasa fue de 37 °C por 10 minutos y 95 °C por 5 minutos. Las muestras se conservaron frı́as (4 °C a – 8°C) entre todos los pasos de incubación y todos los pasos subsiguientes se realizaron de inmediato. La ligadura de respaldo se midió en controles de la solución amortiguadora de lisis de AR sin contenido proteico. La especificidad de PLA-qPCR (Fig. 2) se revisó con células de control sin transfección carentes de proteı́na FUS-GFP. Se usaron diluciones en serie de un lisado de célula con proteı́na FUS-GFP para generar una curva de calibración para la prueba de PLA (ver Fig. 2 en el Anexo de datos en lı́nea). La relativa eficiencia de lisis en las mediciones de proteı́na se evaluó midiendo la misma cantidad de proteı́na lisada en cada solución amortiguadora de lisis de AR o solución amortiguadora de lisis de células PLA estándar complementado con 1⫻ cóctel de inhibidores de proteasas y fosfatasas Halt (Ver Fig. 3A en el Anexo de datos en lı́nea). TRANSCRIPCIÓN INVERSA Se utilizó una transcriptasa inversa SuperScript® III (Life Technologies) para la transcripción inversa de acuerdo con las instrucciones del fabricante. Se incubaron partes alı́cuotas de células únicas lisadas (2 L) con 5 L de agua que contenı́an 0.5 mmol/L de una mezcla de dNTP (desoxinucleótido trifosfato) (Sigma-Aldrich), 2.5 mol/L de cebador Oligo(dT)12–18 (Life Technologies), 2.5 mol/L de hexámeros al azar y 05 ⫻ de cebador especı́fico de transcripción inversa para MIR31 (microRNA 31) (TaqMan MicroRNA Assay, 002279) y SNORD48 (ARN nucleolar pequeño, C/D box 48) (TaqMan MicroRNA Assay, 001006). Cada reacción fue realizada a 65 °C por 5 minutos. Luego agregamos 50 mmol/L de Tris-HCl (pH 8.3), 75 mmol/L de KCl, 3 mmol/L de MgCl2, 5 mmol/L de ditiotreitol, 10 U de RNaseOut y 50 U de SuperScript III con un volumen total de 10 L (todos los reactivos de Life Technologies). La transcripción inversa se realizó con una temperatura/perfil de tiempo de 16 °C por 5 min, 50 °C por 60 minutos, 55 °C por 15 minutos y un paso final de calentamiento a 70 °C por 15 minutos. Todas las muestras se diluyeron a 20 L con agua antes de la qPCR. PCR CUANTITATIVA EN TIEMPO REAL Para todas las mediciones de PCR en tiempo real se utilizó el sistema 7500 Fast Real-Time PCR System de Applied Biosystems (Life Technologies). Todos los experimentos de RT-qPCR se realizaron para obtener al menos la mı́nima información requerida para la publicación de experimentos de PCR cuantitativa en tiempo real (25 ). Para los análisis de cADN, cada reacción (10 L) contenı́a una mezcla maestra TaqMan Fast Universal PCR Master Mix, ya sea 1⫻ TaqMan Gene Expression Assay o 1⫻ TaqMan MicroRNA Assay (todos de Life Technologies) y 2 L de cADN diluido. Se realizaron perfiles de expresión de ADN y cADN de las secuencias que codifican FUS-GFP con un ensayo TaqMan huésped diseñado especialmente (para obtener más detalles de estos ensayos, ver Tabla 1 en el Anexo de datos en lı́nea). La qPCR realizada después de la PLA contenı́a TaqMan Protein Assay Fast Master Mix, 1⫻ Ensayo Universal PCR (todos de Life Technologies) y 9 L de patrón de PLA en un volumen total de 20 L. El perfil de temperatura de todos los ensayos fue de 95 °C por 20 segundos seguido de 50 ciclos de amplificación de 95 °C por 3 segundos y 60 °C por 30 segundos. La formación de productos PCR de longitudes correctas se confirmó por electroforesis en gel de agarosa. El desarrollo del ensayo fue revisado con curvas de calibración para todos los ensayos. La determinación de valores para el ciclo de cuantificación (Cq) fue realizado con lı́neas de umbral estándar. Los análisis de datos de células únicas fueron realizados como se describe en otros documentos (9, 14, 24 ). ANÁLISIS DE DATOS Los datos FACS se analizaron con el software FACSDIVA (BD Biosciences). Se usaron células de control no transfectadas sin FUS-GFP como entrada a “no GFP” (ver Fig. 3A). Tener en cuenta que algunas de estas células expresaron ADN y mARN que codifican FUS-GFP (ver Tabla 2 en el Anexo de datos en lı́nea). El análisis estadı́stico se realizó con los programas GenEX (MultiD Analyses), SPSS 19 (IBM/SPSS) y OriginPro 7.5 (OriginLab Corporation). Se calcularon diferencias de aproximación en la expresión relativa entre mARN y ADN que codifican FUS-GFP y entre mARN que codifica mRNA endógeno y mARN que codifica FUS-GFP ectópico a partir de los datos en la Fig. 2. Estos cálculos incluyeron correcciones para todos los pasos de dilución. Resultados Se utilizó la transfección transitoria de la lı́nea celular HT1080 de fibrosarcoma humano para expresar ectópicamente el FUS-GFP. Las concentraciones de FUS-GFP y de proteı́na FUS endógena fueron de magnitudes similares a aquellas obtenidas con el análisis por inmunoblot al nivel de población celular (ver Fig. 4 en el Anexo de datos en lı́nea). Cuantificamos el número de plásmidos Clinical Chemistry 58:12 (2012) 1685 Figura 2. Ejecución del ensayo. Sensibilidad analı́tica y rango dinámico para la medición de 32 células hasta una célula única. Se recolectaron células HT1080 fluorescentes de GFP transfectadas transitoriamente con plásmido codificado con FUS-GFP (GFP⫹, cuadrados abiertos) y células de control no transfectadas sin FUS-GFP (GFP-, cı́rculos cerrados) con FACS y los datos se adaptaron mediante regresión lineal. La señal de fondo de unión de sonda PLA no especificada se determinó con controles negativos de proteı́na (NPC, diamante gris). Los datos se trazan como la media y SD (n ⫽ 6). FUS-GFP ADN indica ADN que codifica FUS-GFP; FUS-GFP ARN indica ARN que codifica FUS-GFP. 1686 Clinical Chemistry 58:12 (2012) Evaluación de LMPGs NACB con AGREE II Figura 3. Análisis de concentraciones de proteı́na en células únicas con producción variable de proteı́na FUS-GFP. (A), Células individuales con diferentes niveles de fluorescencia GFP (sin, baja, intermedia, alta) medidas y ordenadas por FACS. (B), análisis PLA-qPCR de concentraciones de proteı́na FUS-GFP correlacionadas con fluorescencia GFP medidas por FACS (Coeficiente de correlación de Spearman, 0.86; P ⬍ 0.001). Notar que algunas células sin fluorescencia GFP medidas por FACS mostraron producción de proteı́na FUS-GFP por encima del control de proteı́na activa (NPC). FSC-H, dispersión frontal-altura; GFP-A, área de fluorescencia GFP. transfectados (ADN que codifica FUS-GFP), se transcribieron los mARN (mARN que codifica FUS-GFP) y se tradujo la proteı́na FUS-GFP en células individuales. El ensayo PLA-qPCR se dirigió a la proteı́na marcada con GFP producida ectópicamente pero no a la proteı́na FUS expresada endógenamente. Además, se midieron: la ciclina D1 (CCND1) mARN, ARN nucleolar pequeño, C/D box 48 (SNORD48) y miARN 31 (MIR31) al nivel de la célula única. Elegimos incluir SNORD MIR31 en nuestro diseño experimental debido a que SNORD48 (ncARN) y MIR31 (miARN) codifican tipos de moléculas de ARN además de mARN. Además, la expresión de estos genes fue correlacionada con FUS mARN al nivel de célula única (ver abajo). DESARROLLO DE UN PROTOCOLO COMÚN LIBRE DE PURIFICACIÓN PARA ANÁLISIS DE ADN, ARN Y PROTEÍNAS DE CÉLULAS ÚNICAS Las células únicas HT 1080 fueron ordenadas por FACS, lisadas en una solución amortiguadora de lisis Tabla 1. Correlaciones de Spearman entre todos los analitos para todas las células únicas con incremento en la intensidad de fluorescencia de GFP.a Proteı́na FUS-GFP ADNb FUS-GFP Proteı́na FUS-GFP 1 ADN FUS-GFP 0.37* 1 mARN FUS-GFP 0.31** 0.41** ADN/ARN FUS-GFP 0.36** 0.44** mARN CCND1 ⫺0.11 ⫺0.29* miARN MIR31 ⫺0.10 ncARN SNORD48 ⫺0.10 mARN FUS-GFP ADN/ARN FUS-GFP mARN CCND1 miARN MIR31 ncARN SNORD48 1 0.92** 1 ⫺0.29 0.10 1 ⫺0.11 0.02 0.17 0.59** 1 ⫺0.21 0.07 0.24 0.71** 0.66** 1 Los coeficientes de la correlación de Spearman estadı́sticamente significativos (P ⬍ 0.01 y P ⬍ 0.05) están marcados (** y *, respectivamente). Las distribuciones y parámetros estadı́sticos para todos los analitos se muestran en la Fig. 6 y la Tabla 1 en el Anexo de datos en lı́nea. Los números de las células únicas analizadas fueron los siguientes: nno GFP ⫽ 24; nGFP alto ⫽ 24; nGFP intermedio⫽ 24; nGFP bajo⫽ 19; y nNPC ⫽ 3. NPC, control de proteı́na negativa. b ADN FUS-GFP indica ADN que codifica FUS-GFP; ARN FUS-GFP indica ARN que codifica FUS-GFP. a Clinical Chemistry 58:12 (2012) 1687 datos en lı́nea). El procedimiento de la solución amortiguadora de lisis de AR fue comparado en el nivel de población celular con los procedimientos de soluciones amortiguadoras de lisis estándar para la preparación de ARN y proteı́na. Las moléculas ncRNA (SNORD48) se localizan en el núcleo, mientras que las moléculas procesadas de miARN 31 (MIR31) se localizan en el citoplasma; ambas fueron liberadas de la misma manera en comparación con la lisis de control, lo que indica que ambos compartimentos fueron eficientemente lisados con la solución amortiguadora de lisis de AR (ver Fig. 3 en el Anexo de datos en lı́nea). CUANTIFICACIÓN DE ADN, ARN Y PROTEÍNAS AL NIVEL DE CÉLULA ÚNICA Figura 4. Mapas de calor de correlaciones. (A), Correlaciones de Spearman entre analitos al nivel de célula única solamente con expresión FUS endógena. (B), Correlaciones de Spearman entre analitos al nivel de célula única con expresión FUS ectópica agrupada de manera diferente, comparada con células únicas con expresión FUS endógena solamente. AR y divididas en pequeños flujos de trabajo en paralelo para facilitar el análisis especı́fico de ADN, ARN y moléculas de proteı́na con qPCR, RT-qPCR y PLA-qPCR, respectivamente (Fig. 1). Para minimizar la pérdida de analitos durante el proceso experimental, usamos el procedimiento de lisis de células completas para preparar plantillas de ARN, ADN y proteı́na no fraccionadas de células individuales. La solución amortiguadora de lisis de AR es una solución amortiguadora hipotónica de baja fuerza iónica que lisa eficientemente la célula, mantiene la integridad del ADN, ARN y proteı́na sin degradación notable y es compatible con las reacciones enzimáticas de la corriente sin ninguna inhibición detectable (ver Figs. 3 y 5 en el Anexo de 1688 Clinical Chemistry 58:12 (2012) Para evaluar la sensibilidad analı́tica y el rango dinámico de todos los ensayos, realizamos una calibración basada en el análisis del material obtenido de 32 células clasificadas por FACS hasta una célula única clasificada por FACS recolectada en pasos de 2 (Fig. 2). Todos los ensayos pudieron detectar sus respectivas moléculas objetivo al nivel de célula única. El parámetro de medición, Cq, que es inversamente proporcional al número de moléculas en la escala log2, se correlacionó linealmente con el logaritmo del número de células analizadas. La variación observada en el número de moléculas se incrementó en tanto el número de células analizadas descendió (Fig. 2). Al comparar la variación entre las células únicas y las curvas de calibración generadas a partir de las series de dilución de los analitos respectivos (ver Fig. 2 en el Anexo de datos en lı́nea), detectamos que la variación biológica es mayor que la variación técnica en todos los ensayos (Fig. 2; ver las Tablas 2 y 3 en el Anexo de datos en lı́nea). Estos resultados coinciden con aquellos descritos en nuestro informe previo (14 ), que demuestran que la variación biológica célula a célula es considerablemente mayor que el ruido técnico producido cuando se cuantifican cantidades bajas de mARN con RT-qPCR. Posteriormente, demostramos que la PLA-qPCR puede aplicarse de manera precisa para cuantificar las proteı́nas en células individuales (Fig. 2). En contraste con las mediciones de qPCR de ADN y ARN, las mediciones de proteı́nas con PLA-qPCR producen señales de fondo. Para el ensayo FUS-GFP PLA-qPCR, inferimos que la señal de fondo se debı́a a la ligadura inespecı́fica entre las dos sondas PLA, debido a que la señal de los controles sin proteı́na no se distinguı́a de la de los lisados de células sin proteı́na FUS-GFP (Fig. 2). La sensibilidad analı́tica de PLA-qPCR para detectar y cuantificar las moléculas de la proteı́na FUS-GFP a bajas concentraciones dependı́a de la concentración de la sonda PLA (ver Fig. 1 en el Anexo de datos en lı́nea). Al reducir la concentración de la sonda PLA, se incrementó la sensibilidad analı́tica para permitir la Evaluación de LMPGs NACB con AGREE II medición de algunas moléculas de la proteı́na FUSGFP, pero esta sensibilidad llegó a expensas de la precisión cuando se midieron grandes números de moléculas de proteı́na FUS-GFP. El ADN en el plásmido que codifica FUS-GFP y el cADN generado por mRNA que codifica FUS-GFP tienen una secuencia idéntica. Para permitir la cuantificación de ADN y mARN que codifican FUS-GFP, dividimos las muestras de célula única antes de la sı́ntesis de cADN para los respectivos análisis de ADN y ARN (Fig. 1). La cantidad de mRNA que codifica FUS-GFP era aproximadamente 5 veces mayor que la de ADN que codifica FUS-GFP (Fig. 2). Por lo tanto, la mayorı́a de las moléculas de cADN medidas que codifican FUSGFP se originaban a partir de mARN y no tenı́an ADN plásmido. El ensayo FUS tomaba como objetivo la cantidad total de ADN que codifica FUS-GFP, mARN que codifica FUS-GFP y FUS expresado de forma endógena. El hecho de que el ensayo FUS produjo una señal de fluorescencia en células que producen FUS-GFP 10 veces mayor que las células de control demostró que la mayorı́a de las moléculas se originaron en el plásmido expresado de forma transitoria (Fig. 2). ESTUDIOS DE CORRELACIÓN ENTRE DIFERENTES ANALITOS AL NIVEL DE CÉLULA ÚNICA La capacidad de cuantificar varios analitos diferentes en una sola célula ofrece posibilidades para estudiar cadenas de interacción en detalle. Para estudiar dichas correlaciones, transfectamos de forma transitoria células HT 1080 con plásmido codificador FUS-GFP y células únicas recolectadas con intensidad de la fluorescencia de GFP en aumento según medición por FACS. Se espera que la intensidad de la fluorescencia sea linealmente proporcional al número de moléculas fluorescentes. Confirmamos esta relación al correlacionar la creciente intensidad de la fluorescencia de GFP FACTS con el número de moléculas de proteı́na FUSGFP medidas por PLA-qPCR (Coeficiente de correlación de Spearman, 0.86; P ⬍ 0.01) (Fig. 3). Este alto coeficiente de correlación indica que la mayorı́a de moléculas de proteı́na FUS-GFP estuvieron disponibles para el análisis PLA-qPCR. Las mismas células únicas también se analizaron para detectar los otros analitos (ver y Tabla 2 en el Anexo de datos en lı́nea). Como se esperaba, se correlacionaron las concentraciones de proteı́na FUS-GFP, ADN que codifica FUS-GFP y mRNA que codifica FUS-GFP dentro de células individuales (Tabla 1; correlaciones de Spearman con valores P ⬍ 0.01), pero se observó una gran variación entre células individuales (ver Fig. 6 y Tabla 2 en el Anexo de datos en lı́nea). Las distribuciones de ADN que codifica FUS-GFP y mARN que codifica FUS-GFP fueron grandes, abarcaban 4 órdenes de magnitud y la distribución de proteı́na FUS-GFP abarcaba 2 órdenes de magnitud. La correlación observada entre ADN que codifica FUS-GFP y proteı́na FUS-GFP (Correlación de Spearman de 0.37; P ⬍ 0.01) demostró que una alta concentración plásmida intracelular era favorable para la producción de proteı́na pero no el único parámetro que determinó de forma correcta la traducción plásmido a proteı́na. La variación observada en la eficiencia para la transcripción y traducción pudo deberse a la agregación de plásmido y la heterogeneidad de célula a célula causada por dichos factores como microambiente local, tamaño de célula, densidad celular y estado del ciclo celular (26, 27 ). La transcripción y traducción se realizan de modo intermitente, lo que ocasiona variación con el tiempo (28 –30 ). Las escalas de tiempo son de minutos a horas para pulsación de transcripción (30 – 32 ) y horas a dı́as para pulsación de traducción (1, 33 ), pero las diferentes moléculas varı́an ampliamente con respecto a estos tiempos. El modelado matemático y los datos experimentales han demostrado que la variación en ARN y proteı́na junto con células individuales en un punto de tiempo determinado coinciden con la variación observada en ARN y proteı́na con el tiempo (1, 32 ). Nuestros datos coinciden con estos informes. La expresión medida con el ensayo FUS, que se enfoca en el FUS endógeno, ADN que codifica FUSGFP y mARN que codifica FUS-GFP, se correlacionó moderadamente con las cantidades de ADN que codifica FUS-GFP (Coeficiente de correlación de Spearman, 0.44; P ⬍ 0.01) y proteı́na FUS-GFP (Coeficiente de correlación de Spearman, 0.36; P ⬍ 0.01) y esta expresión se correlacionó fuertemente con la expresión de mRNA que codifica FUS-GFP (Coeficiente de correlación de Spearman 0.92; P ⬍ 0.01), y se confirmó que la mayorı́a de las moléculas objetivo del ensayo FUS se originaron en el cADN de plásmidos expresados en forma provisoria y no en el gen endógeno FUS (Fig. 2). LA EXPRESIÓN GENÉTICA ECTÓPICA MODULA LAS CORRELACIONES ENTRE ANALITOS Para estudiar la heterogeneidad de la población celular y las correlaciones entre analitos, recolectamos células únicas al azar, independientemente de su fluorescencia GFP. El efecto de la expresión FUS ectópica se evaluó mediante la comparación de células positivas y negativas con proteı́na FUS-GFP. Se consideró a una célula como positiva con proteı́na FUS-GFP si mostraba una señal significativamente mayor que la de la señal de fondo PLA-qPCR (p. ej., P ⬍ 0.05; ver Fig. 7 y Tabla 3 en el Anexo de datos en lı́nea). Detectamos que los niveles de expresión de FUS, CCND1, MIR31 Y SNORD48 fueron todos correlacionados en células sin FUS ectópico (Coeficientes de correlación de Spearman ⬎0.66; P ⬍ 0.01) (Fig. 4A; ver Tabla 4A en el Clinical Chemistry 58:12 (2012) 1689 Anexo de datos en lı́nea). Por el contrario, las células con expresión FUS ectópica demostraron la reducción o falta de correlación entre FUS y MIR31, CCND1 o SNORD48 (Fig. 4B; ver Tabla 4 en el Anexo de datos en lı́nea). Esta observación puede explicarse por el hecho de que la transcripción de plásmidos se dirige por el promotor de citomegalovirus y no por el promotor FUS endógeno (ver en el Anexo de datos en lı́nea). Consecuentemente, las correlaciones de FUS para MIR31, CCND1 y SNORD48 se perdieron en las células de producción de proteı́na FUS-GFP, debido a que la mayorı́a de los mARN FUS se originaron en el plásmido. Los cambios observados en los valores de correlación de FUS ectópico (mientras que las otras correlaciones entre MIR31, CCND1 y SNORD48 no se vieron afectadas) también indicaron que nuestra lisis aplicada de células totales fue reprodusible y uniforme. Se podrı́a esperar que la existencia de variación en la eficiencia de la lisis celular generara una inclinación sistemática a las correlaciones, no un cambio especı́fico para una correlación manipulada especı́fica. realizan en tubos separados debido a sus diferentes condiciones de reacción óptima, un hecho que impide la multiplexión entre proteı́nas y ARN. Asimismo, la reacción PLA requiere una dilución considerable después de la dirección de la sonda PLA inicial al paso de unión de proteı́nas a fin de reducir los eventos de ligadura de fondo. El uso de qPCR permite la medición de las secuencias corta y larga de ARN, mientras que muchas otras técnicas no pueden analizar los ARN cortos. En principio, el transcriptoma completo puede analizarse mediante la aplicación de técnicas de preamplificación y se han medido exitosamente más de 24 proteı́nas mediante PLA multiplex (38 ). Esto también puede ser posible para integrar dispositivos de microfluı́dos en el método descrito para cuantificar ADN, ARN y proteı́nas con qPCR y PLA (39 ). El enfoque descrito ofrece nuevas posibilidades para investigaciones de unificación genómica y proteómica. La capacidad para cuantificar y correlacionar diferentes clases de analitos en la misma célula única puede presentar posibilidades de diagnóstico de biologı́a celular y molecular. Análisis Se han publicado varios métodos analı́ticos de alta resolución capaces de detectar, visualizar y cuantificar analitos al nivel de célula única (4, 5 ). Sin embargo, pocos de estos métodos pueden usarse en forma conjunta o para medir múltiples clase de biomoléculas en la misma célula. El análisis FACS es un método aplicado exitosamente que ha sido usado para analizar células únicas con un alto rendimiento (3, 4, 34 –36 ). Pueden analizarse simultáneamente aproximadamente 18 proteı́nas diferentes en un instrumento FACS. Además, los tintes de unión de ADN pueden usarse para cuantificar ácidos nucleicos en combinación con proteı́nas (4, 37 ). Hemos demostrado cómo las células individuales pueden lisarse de forma eficiente con una solución amortiguadora de lisis de células completas que también es compatible con reacciones enzimáticas en la corriente usadas para medir ADN, mARN, miARN, ncARN y proteı́nas. Este método también es compatible con la mayorı́a de los métodos de recolección de células únicas, incluido FACS, lo que también permite el análisis de varios marcadores adicionales al nivel de la célula única (4, 34 –36 ). El enfoque descrito solo requiere un instrumento PCR estándar en tiempo real y todas las mediciones generan resultados para el mismo parámetro (Cq), lo que facilita el análisis comparativo de datos. La PLA y la transcripción inversa se 1690 Clinical Chemistry 58:12 (2012) Contribuciones de autor: Todos los autores confirmaron que han contribuido al contenido intelectual de este documento y han cumplido con los 3 siguientes requerimientos: (a) contribuciones significativas para la concepción y diseño, adquisición de datos o análisis e interpretación de estos; (b) redacción o revisión del artı́culo en relación con su contenido intelectual; y (c) aprobación final del artı́culo publicado. Declaración de los autores sobre posibles conflictos de interés: Al momento de la presentación del manuscrito, todos los autores completaron el formulario de deslinde de autor. Declaraciones o posibles conflictos de interés: Empleo o liderazgo: D. Ruff, Life Technologies. Papel del consultor o asesor: A. Ståhlberg, TATAA Biocenter. Posesión de acciones: A. Ståhlberg, TATAA Biocenter; D. Ruff, Life Technologies. Honoraros: No se declaran. Fondos de investigación: A. Ståhlberg, Swedish Research Council (2367), Swedish Society for Medical Research, Johan Jansson Foundation for Cancer Research, Assar Gabrielssons Research Foundation, and Wilhelm and Martina Lundgren Foundation for Scientific Research; P. Åman, Swedish Cancer Society. Testimonio de expertos: No se declara. Patentes: D. Ruff, Patente de los Estados Unidos US 8,012,685. Papel del patrocinador: Las organizaciones patrocinadoras no tuvieron ningún papel en el diseño del estudio, la elección de pacientes reclutados, la revisión e interpretación de datos ni la preparación o aprobación del manuscrito. Reconocimientos: Agradecemos a M. Bengtsson, M. Hemberg y M. Kubista por la lectura crı́tica del manuscrito. Evaluación de LMPGs NACB con AGREE II Referencias 1. Raj A, Peskin CS, Tranchina D, Vargas DY, Tyagi S. Stochastic mRNA synthesis in mammalian (Sı́ntesis estocástica de mARN en mamı́feros). PLoS Biol 2006;4:e309. 2. Raj A, Rifkin SA, Andersen E, van Oudenaarden A. Variability in gene expression underlies incomplete penetrance (La variabilidad en la expresión genética subyace a la penetrancia incompleta). Nature 2010;463:913– 8. 3. Chang HH, Hemberg M, Barahona M, Ingber DE, Huang S. Transcriptome-wide noise controls lineage choice in mammalian progenitor cells (Elección de linaje en controles de ruido del transcriptoma completo en células progenitoras de mamı́fero). Nature 2008;453:544 –7. 4. Kalisky T, Blainey P, Quake SR. Genomic analysis at the single-cell level (Análisis genómico al nivel de célula única). Annu Rev Genet 2011;45:431–5. 5. Wu M, Singh AK. Single-cell protein analysis (Análisis de proteı́nas de célula única). Curr Opin Biotechnol 2012;23:83– 8. 6. Bengtsson M, Ståhlberg A, Rorsman P, Kubista M. Gene expression profiling in single cells from the pancreatic islets of Langerhans reveals lognormal distribution of mRNA levels (El perfil de expresión genética en células únicas de las isletas pancreáticas de Langerhans demuestra distribución lognormal de niveles de mARN). Genome Res 2005;15:1388 –92. 7. Liss B, Franz O, Sewing S, Bruns R, Neuhoff H, Roeper J. Tuning pacemaker frequency of individual dopaminergic neurons by Kv4.3L and KChip3.1 transcription (Ajuste de la frecuencia de marcapasos de neuronas individuales dopaminérgicas). EMBO J 2001;20:5715–24. 8. Reiter M, Kirchner B, Muller H, Holzhauer C, Mann W, Pfaffl MW. Quantification noise in single-cell experiments (Cuantificación del sonido en experimentos de célula única). Nucleic Acids Res 2011;39:e124. 9. Ståhlberg A, Andersson D, Aurelius J, Faiz M, Pekna M, Kubista M, Pekny M. Defining cell populations with single-cell gene expression profiling: correlations and identification of astrocyte subpopulations (Definición de poblaciones de células con perfil de expresión genética de células únicas: correlaciones e identificación de subpoblaciones de astrocitos). Nucleic Acids Res 2011;39:e24. 10. Warren L, Bryder D, Weissman IL, Quake SR. Transcription factor profiling in individual hematopoietic progenitors by digital RT-PCR (Perfiles de factores de transcripción en progenitores hematopoyéticos individuales por RTPCR digital). Proc Natl Acad Sci U S A 2006;103:17807–12. 11. Gründemann J, Schlaudraff F, Haeckel O, Liss B. Elevated ␣-synuclein mRNA levels in individual UV-laser-microdissected dopaminergic substantia nigra neurons in idiopathic Parkinson’s disease (Niveles elevados de ␣-sinucleı́na ARN en neuronas individuales dopaminérgicas de sustancia negra microdisectadas con láser UV en enfermedad idiopática de Parkinson). Nucleic Acids Res 2008;36:e38. 12. Tang F, Hajkova P, Barton SC, Lao K, Surani MA. MicroRNA expression profiling of single whole 13. 14. 15. 16. 17. 18. 19. 20. 21. 22. 23. embryonic stem cells (Perfil de expresión MicroRNA de células madre embrionarias enteras únicas). Nucleic Acids Res 2006;32:e9. Kamme F, Salunga R, Yu J, Tran DT, Zhu J, Bittner A, et al. Single-cell microarray analysis in hippocampus CA1: demonstration and validation of cellular heterogeneity (Análisis de micromatriz de célula única en CA1 del hipocampo: demostración y validación de heterogeneidad celular). J Neurosci 2003;23:3607–15. Bengtsson M, Hemberg M, Rorsman P, Ståhlberg A. Quantification of mRNA in single cells and modeling of RT-qPCR induced noise (Cuantificación de mARN en células únicas y modelado de ruido inducido en RT-qPCR). BMC Mol Biol 2008;9:63. Fredriksson S, Gullberg M, Jarvius J, Olsson C, Pietras K, Gustafsdottir SM, et al. Protein detection using proximity-dependent DNA ligation assays (Detección de proteı́nas mediante pruebas de ligadura de ADN dependientes de proximidad). Nat Biotechnol 2002;20:473–7. Tan AY, Manley JL. The TET family of proteins: functions and roles in disease (La familia de proteı́nas TET: funciones y roles en enfermedad). J Mol Cell Biol 2009;1:82–92. Wang X, Arai S, Song X, Reichart D, Du K, Pascual G, et al. Induced ncRNAs allosterically modify RNA-binding proteins in cis to inhibit transcription (Los ncARN inducidos modifican de forma alosterı́ca las proteı́nas de unión al ARN en cis para inhibir la transcripción). Nature 2008;454:126 –30. Yang L, Embree LJ, Tsai S, Hickstein DD. Oncoprotein TLS interacts with serine-arginine proteins involved in RNA splicing (Las oncoproteı́nas TLS interactúan con las proteı́nas serina-arginina involucradas en la división del ARN). J Biol Chem 1998;273:27761– 4. Zinszner JH, Sok J, Immanuel D, Yin Y, Ron D. TLS (FUS) binds RNA in vivo and engages in nucleocytoplasmic shuttling (Uniones de TLS (FUS) a ARN in vivo y enlaces en el transporte nucleocitoplásmico). J Cell Sci 1997;110:1741–50. Riggi N, Cironi L, Suva ML, Stamenkovic I. Sarcomas: genetics, signalling, and cellular origins. Part 1: the fellowship of TET (Sarcomas: genética, señalización y orı́genes celulares. Parte 1: la sociedad de TET). J Pathol 2007;213:4 –20. Kwiatkowski TJ Jr., Bosco DA, Leclerc AL, Tamrazian E, Vanderburg CR, Russ C, et al. Mutations in the FUS/TLS gene on chromosome 16 cause familial amyotrophic lateral sclerosis (Las mutaciones en el gen FUS/TLS en el cromosoma 16 causan esclerosis lateral amiotrófica familiar). Science 2009;323:1205– 8. Lagier-Tourenne C, Polymenidou M, Cleveland DW. TDP-43 and FUS/TLS: emerging roles in RNA processing and neurodegeneration (TDP-43 y FUS/TLS: roles emergentes en el proceso y neurodegeneración de ARN). Hum Mol Genet 2010;19:R46 – 64. Thelin-Järnum S, Göransson M, Burguete AS, Olofsson A, Åman P. The myxoid liposarcoma specific TLS-CHOP fusion protein localizes to nuclear structures distinct from PML nuclear bodies (La proteı́na de fusión TLS-CHOP especı́fica del 24. 25. 26. 27. 28. 29. 30. 31. 32. 33. 34. 35. liposarcoma mixoide se localiza en estructuras nucleares distintas de los cuerpos nucleares PML). Int J Cancer 2002;97:446 –50. Ståhlberg A, Bengtsson M. Single-cell gene expression profiling using reverse transcription quantitative real-time PCR (Perfiles de expresión genética de célula única mediante PCR cuantitativa de transcripción inversa en tiempo real). Methods 2010;50:282– 8. Bustin SA, Benes V, Garson J, Hellemans J, Huggett J, Kubista M, et al. The MIQE guidelines: minimum information for publication of quantitative real-time PCR experiments (Las guı́as MIQE: información mı́nima para la publicación de experimentos de PCR cuantitativa en tiempo real). Clin Chem 2009;55:611–22. Snijder B, Pelkman L. Origins of regulated cell-tocell variability (Orı́genes de variabilidad regulada célula a célula). Nat Rev Mol Cell Biol 2011;12:119 –25. Snijder B, Sacher R, Rämö P, Damm EM, Liberali P, Pelkmans L. Population context determines cell-to-cell variability in endocytosis and virus infection (El contexto de población determina la variabilidad célula a célula en endocitosis e infección viral). Nature 2009;461:520 –3. Raj A, van Oudenaarden A. Nature, nurture or chance: stochastic gene expression and its consequences (Naturaleza, nutrición o azar: expresión genética estocástica y sus consecuencias). Cell 2008;135:216 –26. Yu J, Xiao J, Ren X, Lao K, Xie XS. Probing gene expression in live cells, one protein molecule at a time (Sondeo de la expresión genética en células vivas, una molécula de proteı́na a la vez). Science 2006;311:1600 –3. Chubb JR, Trcek T, Shenoy SM, Singer RH. Transcriptional pulsing of a developmental gene (Pulsación de transcripción de un gen de desarrollo). Current Biol 2006;16:1018 –25. Yunger S, Rosenfeld L, Garini Y, Shav-Tal Y. Single-allele analysis of transcription kinetics in living mammalian cells (Análisis de alelo único de movimientos de transcripción en células vivas de mamı́feros). Nat Methods 2010;7:631–3. Larson DR, Singer RH, Zenklusen D. A single molecule view of gene expression (Una vista de molécula única de expresión genética). Trends Cell Biol 2009;19:630 –7. Sigal A, Milo R, Cohen A, Geva-Zatorsky N, Klein Y, Liron Y, et al. Variability and memory of protein levels in human cells (Variabilidad y memoria de niveles de proteı́na en células humanas). Nature 2006;444:643– 6. Sachs K, Perez O, Pe’er D, Lauffenburger DA, Nolan GP. Causal protein-signaling networks derived from multiparameter single-cell data (Redes causales de señalización de proteı́nas derivadas de datos de células únicas de varios parámetros). Science 2005;308:523–9. Newman JR, Ghaemmaghami S, Ihmels J, Breslow DK, Noble M, DeRisi JL, et al. Single-cell proteomic analysis of S. cerevisiae reveals the architecture of biological noise (El análisis proteómico de célula única de S. cerevisiae revela la arquitectura de ruido biológico). Nature 2006;441:840 – 6. Clinical Chemistry 58:12 (2012) 1691 36. Bar-Even A, Paulsson J, Maheshri N, Carmi M, O’Shea E, Pilpel Y, Barkai N. Noise in protein expression scales with natural protein abundance (El ruido en la expresión de proteı́na se adapta a la abundancia natural de proteı́na). Nat Genet 2006;38:636 – 43. 37. Trask BJ, Mefford H, van den Engh G, Massa HF, Juyal RC, Potocki L, et al. Quantification by flow cytometry of chromosome-17 deletions in Smith- 1692 Clinical Chemistry 58:12 (2012) Magenis syndrome patients (Cuantificación por citometrı́a de flujo de las supresiones del cromosoma 17 en pacientes con el sı́ndrome de SmithMagenis). Hum Genet 1996;98:710 – 8. 38. Lundberg M, Thorsen SB, Assarsson E, Villablanca A, Tran B, Gee N, et al. Multiplexed homogeneous proximity ligation assays for highthroughput protein biomarker research in serological material (Pruebas de ligadura de proximidad homogénea por multiplexión para investigación de biomarcador de proteı́na de alto rendimiento en material serológico). Mol Cell Proteomics 2011;10:M110.004978. 39. White AK, VanInsberghe M, Petriv OI, Hamidi M, Sikorski D, Marra MA, et al. High-throughput microfluidic single-cell RT-qPCR (RT-qPCR de alto rendimiento en microfluı́do de célula única). Proc Natl Acad U S A 2011;108:13999 – 4004.