Cell state change has a profound impact on the ability of individual cells to undergo a specific fate. Cell microheterogeneity provides an adaption to the environment and supports robust functions across different scales. The variation in the presentation of cell surface glycans between individual cells, the so-called glycocalyx assembly, evolved as a fundamental principle of life, providing cellular integrity and means for cell-cell communication. Accordingly, glycan heterogeneity of a cell population carries a lot of information and a cell type in each species can manifest a multitude of possible glycome states. However, variation in the presentation of cell surface glycans between individual cells has never been properly characterized and the biology of glycans remains largely understudied. The goal of the project was to provide an approach to characterize the “noise” or heterogeneity of glycans displayed on the surface of individual cells. A machine learning architecture was used to predict a set of proteins (lectins) able to recognize glycans presented on cells. These predicted lectins were designed and recombinantly purified or purchased, and further labeled with fluorescent dyes in a site-specific or via exposed lysines. The preliminary validation of lectin library was performed by titration of each protein on HEK293 cells and performing single cell analysis by flow cytometry.

Il cambiamento di stato cellulare ha un profondo impatto sulla capacità delle singole cellule di subire un destino specifico. La microeterogeneità cellulare fornisce un adattamento all'ambiente e supporta funzioni robuste su diverse scale. La variazione nella presentazione dei glicani della superficie cellulare tra le singole cellule, il cosiddetto assemblaggio del glicocalice, si è evoluto come principio fondamentale della vita, fornendo integrità cellulare e mezzi per la comunicazione tra cellule. Di conseguenza, l'eterogeneità dei glicani di una popolazione cellulare trasporta molte informazioni e un tipo di cellula in diverse specie può manifestare una moltitudine di possibili stati glicemici. Tuttavia, la variazione nella presentazione dei glicani della superficie cellulare tra le singole cellule non è mai stata adeguatamente caratterizzata e la biologia dei glicani rimane largamente sottostimata. L'obiettivo del progetto è stato quello di fornire un approccio per caratterizzare il "rumore" o l'eterogeneità dei glicani presenti sulla superficie delle singole cellule. È stata utilizzata un'architettura di apprendimento automatico per prevedere un insieme di proteine (lectine) in grado di riconoscere i glicani presenti sulle cellule. Queste lectine sono state progettate e purificate in modo ricombinante o acquistate, e ulteriormente marcate con coloranti fluorescenti in maniera sito-specifica o tramite lisine esposte. La validazione preliminare della libreria di lectine è stata eseguita mediante titolazione di ciascuna proteina su cellule HEK293 e analisi di singole cellule mediante citometria a flusso.

Single cell surface glycome heterogeneity analysis of HEK293 cells by lectin-based flow cytometry

DISCONZI, GIADA
2022/2023

Abstract

Cell state change has a profound impact on the ability of individual cells to undergo a specific fate. Cell microheterogeneity provides an adaption to the environment and supports robust functions across different scales. The variation in the presentation of cell surface glycans between individual cells, the so-called glycocalyx assembly, evolved as a fundamental principle of life, providing cellular integrity and means for cell-cell communication. Accordingly, glycan heterogeneity of a cell population carries a lot of information and a cell type in each species can manifest a multitude of possible glycome states. However, variation in the presentation of cell surface glycans between individual cells has never been properly characterized and the biology of glycans remains largely understudied. The goal of the project was to provide an approach to characterize the “noise” or heterogeneity of glycans displayed on the surface of individual cells. A machine learning architecture was used to predict a set of proteins (lectins) able to recognize glycans presented on cells. These predicted lectins were designed and recombinantly purified or purchased, and further labeled with fluorescent dyes in a site-specific or via exposed lysines. The preliminary validation of lectin library was performed by titration of each protein on HEK293 cells and performing single cell analysis by flow cytometry.
2022
Single cell surface glycome heterogeneity analysis of HEK293 cells by lectin-based flow cytometry
Il cambiamento di stato cellulare ha un profondo impatto sulla capacità delle singole cellule di subire un destino specifico. La microeterogeneità cellulare fornisce un adattamento all'ambiente e supporta funzioni robuste su diverse scale. La variazione nella presentazione dei glicani della superficie cellulare tra le singole cellule, il cosiddetto assemblaggio del glicocalice, si è evoluto come principio fondamentale della vita, fornendo integrità cellulare e mezzi per la comunicazione tra cellule. Di conseguenza, l'eterogeneità dei glicani di una popolazione cellulare trasporta molte informazioni e un tipo di cellula in diverse specie può manifestare una moltitudine di possibili stati glicemici. Tuttavia, la variazione nella presentazione dei glicani della superficie cellulare tra le singole cellule non è mai stata adeguatamente caratterizzata e la biologia dei glicani rimane largamente sottostimata. L'obiettivo del progetto è stato quello di fornire un approccio per caratterizzare il "rumore" o l'eterogeneità dei glicani presenti sulla superficie delle singole cellule. È stata utilizzata un'architettura di apprendimento automatico per prevedere un insieme di proteine (lectine) in grado di riconoscere i glicani presenti sulle cellule. Queste lectine sono state progettate e purificate in modo ricombinante o acquistate, e ulteriormente marcate con coloranti fluorescenti in maniera sito-specifica o tramite lisine esposte. La validazione preliminare della libreria di lectine è stata eseguita mediante titolazione di ciascuna proteina su cellule HEK293 e analisi di singole cellule mediante citometria a flusso.
glycome
lectins
HEK293 cells
File in questo prodotto:
File Dimensione Formato  
Disconzi_Giada.pdf

accesso riservato

Dimensione 3.21 MB
Formato Adobe PDF
3.21 MB Adobe PDF

The text of this website © Università degli studi di Padova. Full Text are published under a non-exclusive license. Metadata are under a CC0 License

Utilizza questo identificativo per citare o creare un link a questo documento: https://hdl.handle.net/20.500.12608/48081