El enfoque de microarrays de fenotipos es una tecnología para el fenotipado de células de alto rendimiento . Un sistema de microarrays de fenotipos permite monitorear simultáneamente la reacción fenotípica de las células a los desafíos ambientales o compuestos exógenos de una manera de alto rendimiento. Las reacciones fenotípicas se registran como mediciones de punto final o cinéticas de respiración similares a las curvas de crecimiento .
Usos
Las pruebas fenotípicas de alto rendimiento son cada vez más importantes para explorar la biología de bacterias , hongos , levaduras y líneas de células animales, como las células cancerosas humanas . Así como las micromatrices de ADN y las tecnologías proteómicas han hecho posible analizar el nivel de miles de genes o proteínas de una sola vez, las micromatrices de fenotipos (PM) permiten medir cuantitativamente miles de fenotipos celulares a la vez. [1] El enfoque también ofrece potencial para probar la función de los genes y mejorar la anotación del genoma. [2] En contraste con las tecnologías moleculares de alto rendimiento disponibles hasta ahora, las pruebas fenotípicas se procesan con células vivas, proporcionando así información completa sobre el rendimiento de células enteras. Las principales aplicaciones de la tecnología PM están en los campos de la biología de sistemas , microbiana fisiología celular y taxonomía , [3] y de mamíferos fisiología celular incluyendo la investigación clínica como en el autismo . [4] Las ventajas de las MP sobre las curvas de crecimiento estándar son que la respiración celular se puede medir en condiciones ambientales donde la replicación celular (crecimiento) puede no ser posible, [5] y que las reacciones respiratorias generalmente se detectan mucho antes que el crecimiento celular. [6]
Tecnología
Una única fuente de carbono que puede ser transportada a una célula y metabolizada para producir NADH genera un potencial redox y un flujo de electrones para reducir un tinte de tetrazolio , [7] como el violeta de tetrazolio , produciendo así un color púrpura. Cuanto más rápido es este flujo metabólico, más rápidamente se forma el color púrpura. La formación de color púrpura es una reacción positiva. interpretado de tal manera que la única fuente de carbono se utiliza como fuente de energía. Se necesita un lector de microplacas y una instalación de incubación como dispositivo de hardware para proporcionar las condiciones de incubación apropiadas, y también lee automáticamente la intensidad de la formación de color durante la reducción de tetrazolio en intervalos de, por ejemplo, 15 minutos.
La idea principal de recuperar información sobre las capacidades de un organismo y sus modos especiales de acción al hacer uso de determinadas fuentes de energía se puede aplicar de forma equivalente a otros macronutrientes como el nitrógeno , azufre o fósforo y sus compuestos y derivados. Como extensión, se puede determinar el impacto de suplementos auxotróficos o antibióticos , metales pesados u otros compuestos inhibidores sobre el comportamiento respiratorio de las células.
Estructura de datos
En el caso de reacciones positivas, se espera que la cinética longitudinal aparezca como curvas sigmoideas en analogía con las curvas típicas de crecimiento bacteriano . Comparables a las curvas de crecimiento bacteriano, las curvas cinéticas de respiración pueden proporcionar información valiosa codificada en la longitud de la fase de retraso λ, la tasa de respiración μ (correspondiente a la pendiente de la pendiente), la respiración celular máxima A (correspondiente al valor máximo registrado ) y el área bajo la curva (AUC). A diferencia de las curvas de crecimiento bacteriano , normalmente no hay fase de muerte en las MP, ya que el tinte de tetrazolio reducido es insoluble.
Software
Se dispone de software patentado y comercialmente disponible que proporciona una solución para el almacenamiento, la recuperación y el análisis de datos fenotípicos de alto rendimiento. Un potente software de código libre y abierto es el paquete de "OPM" basado en R . [8] [9] "opm" contiene herramientas para analizar los datos de PM, incluida la gestión, visualización y análisis estadístico de los datos de PM, que cubren la estimación de parámetros de curva, gráficos dedicados y personalizables, gestión de metadatos , comparación estadística con anotaciones de genomas y vías , generación automática de informes taxonómicos , discretización de datos para software filogenético y exportación en el lenguaje de marcado YAML . Junto con otros paquetes de R, se utilizó para aplicar potenciadores para volver a analizar los datos de autismo PM y detectar más factores determinantes. [10] El paquete "opm" se ha desarrollado y se mantiene en Deutsche Sammlung von Mikroorganismen und Zellkulturen . Otro software gratuito y de código abierto desarrollado para analizar datos de Phenotype Microarray es "DuctApe", una herramienta de línea de comandos de Unix que también correlaciona datos genómicos . [11] Otras herramientas de software son PheMaDB, [12] que proporciona una solución para el almacenamiento, recuperación y análisis de datos fenotípicos de alto rendimiento, y el software PMViewer [13] que se centra en la visualización gráfica pero no permite un análisis estadístico adicional. Este último no está disponible públicamente.
Referencias
- ^ Bochner, BR (2009), "Caracterización fenotípica global de bacterias", FEMS Microbiology Reviews , 33 (1): 191-205, doi : 10.1111 / j.1574-6976.2008.00149.x , PMC 2704929 , PMID 19054113
- ^ Bochner, BR; Gadzinski, P .; Panomitros, E. (2001), "MicroArrays de fenotipo para pruebas fenotípicas de alto rendimiento y ensayo de función genética", Genome Research , 11 (7): 1246-1255, doi : 10.1101 / gr.186501 , PMC 311101 , PMID 11435407
- ^ Montero-Calasanz, MC; Göker, M .; Pötter, G .; Rohde, M .; Spröer, C .; Schumann, P .; Klenk, AA; Gorbushina, H.-P. (2013), " Geodermatophilus telluris sp. Nov., Un nuevo actinomiceto aislado de la arena del desierto del Sahara en Chad", International Journal of Systematic and Evolutionary Microbiology , 13 (Pt 6): 2254-2259, doi : 10.1099 / ijs.0.046888- 0 , hdl : 10033/299082 , PMID 23159748
- ^ Boccuto, L .; Chen, C.-F .; Pittman, AR; Skinner, CD; McCartney, HJ; Jones, K .; Bochner, BR; Stevenson, RE; Schwartz, CE (2013), "Disminución del metabolismo del triptófano en pacientes con trastornos del espectro autista", Autismo molecular , 4 (16): 16, doi : 10.1186 / 2040-2392-4-16 , PMC 3680090 , PMID 23731516
- ^ Omsland, A .; Cockrell, DC; Howe, D .; Fischer, ER; Virtaneva, K .; Sturdevant, DE; Porcella, SF; Heinzen, RA (2009), "Crecimiento sin células huésped de la bacteria de la fiebre Q Coxiella burnetii ", Actas de la Academia Nacional de Ciencias de los Estados Unidos de América , 106 (11): 4430–4434, Código Bibliográfico : 2009PNAS .. 106.4430O , doi : 10.1073 / pnas.0812074106 , PMC 2657411 , PMID 19246385
- ^ Vaas, LAI; Marheine, M .; Sikorski, J .; Göker, M .; Schumacher, M. (2013), "Impactos de la sobreexpresión de pr-10a a nivel molecular y fenotípico", International Journal of Molecular Sciences , 14 (7): 15141-15166, doi : 10.3390 / ijms140715141 , PMC 3742292 , PMID 23880863
- ^ Bochner, BR; Savageau, MA (1977), "Placa indicadora generalizada para estudios genéticos, metabólicos y taxonómicos con microorganismos", Microbiología aplicada y ambiental , 33 (2): 434–444, doi : 10.1128 / AEM.33.2.434-444.1977 , PMC 170700 , PMID 322611
- ^ Vaas, LAI; Sikorski, J .; Michael, V .; Göker, M .; Klenk, H.-P. (2012), "Estrategias de visualización y estimación de parámetros de curva para la exploración eficiente de la cinética de Phenotype MicroArray", PLOS ONE , 7 (4): e34846, Bibcode : 2012PLoSO ... 734846V , doi : 10.1371 / journal.pone.0034846 , PMC 3334903 , PMID 22536335
- ^ Vaas, LAI; Sikorski, J .; Hofner, B .; Fiebig, A .; Buddruhs, N .; Klenk, H.-P .; Göker, M. (2013), "opm: An R Package for Analyzing OmniLog® Phenotype MicroArray Data", Bioinformatics , 29 (14): 1823–4, doi : 10.1093 / bioinformatics / btt291 , PMID 23740744
- ^ Hofner, B .; Boccuto, L .; Göker, M. (2015), "Control de falsos descubrimientos en situaciones de alta dimensión: Impulso con selección de estabilidad", BMC Bioinformatics , 16 : 144, doi : 10.1186 / s12859-015-0575-3 , PMC 4464883 , PMID 25943565
- ^ Galardini, M .; Mengoni, A .; Biondi, EG; Semeraro, R .; Florio, A .; Bazzicalupo, M .; Benedetti, A .; Mocali, S. (2013), "DuctApe: una suite para el análisis y la correlación de datos de microarrays genómicos y de fenotipo OmniLog ™", Genomics , 103 (1): 1–10, doi : 10.1016 / j.ygeno.2013.11.005 , PMID 24316132
- ^ Chang, W .; Sarver, K .; Higgs, B .; Leer, T .; Nolan, N .; Chapman, C .; Bishop-Lilly, K .; Sozhamannan, S. (2011), "PheMaDB: Una solución para el almacenamiento, la recuperación y el análisis de datos fenotípicos de alto rendimiento", BMC Bioinformatics , 12 : 109, doi : 10.1186 / 1471-2105-12-109 , PMC 3097161 , PMID 21507258
- ^ Borglin, S .; Joyner, D .; Jacobsen, J .; Mukhopadhyay, A .; Hazen, TC (2009), "Superar el obstáculo anaeróbico en microarrays fenotípicos: generación y visualización de datos de la curva de crecimiento para Desulfovibrio vulgaris Hildenborough" (PDF) , Journal of Microbiological Methods , 76 (2): 159-168, doi : 10.1016 / j.mimet.2008.10.003 , PMID 18996155
enlaces externos
- Sitio web de PheMaDB