La técnica de microarrays fenotípicos es una tecnología para la fenotipificación de células a gran escala . Un sistema de microarrays fenotípicos permite monitorizar simultáneamente la reacción fenotípica de las células a estímulos ambientales o compuestos exógenos de forma automatizada y a gran escala. Las reacciones fenotípicas se registran como mediciones finales o como cinética de respiración, de forma similar 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 celulares animales como las células cancerosas humanas . Así como los microarrays de ADN y las tecnologías proteómicas han hecho posible analizar el nivel de expresión de miles de genes o proteínas a la vez, los microarrays de fenotipos (PM) permiten medir cuantitativamente miles de fenotipos celulares simultáneamente. [ 1 ] Este enfoque también ofrece potencial para probar la función genética y mejorar la anotación del genoma. [ 2 ] A diferencia de muchas de las tecnologías moleculares de alto rendimiento disponibles hasta ahora, las pruebas fenotípicas se procesan con células vivas, lo que proporciona información completa sobre el rendimiento de células enteras. Las principales aplicaciones de la tecnología PM se encuentran en los campos de la biología de sistemas , la fisiología celular microbiana , la microbiología y la taxonomía , [ 3 ] y la fisiología celular de mamíferos , incluyendo la investigación clínica como la del autismo . [ 4 ] Las ventajas de los PM 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 es más precisa que la densidad óptica , que puede variar entre diferentes morfologías celulares. Además, las reacciones de respiración generalmente se detectan mucho antes que el crecimiento celular. [ 6 ]
Tecnología
Una única fuente de carbono que puede transportarse a una célula y metabolizarse para producir NADH genera un potencial redox y un flujo de electrones para reducir un colorante de tetrazolio , [ 7 ] como el violeta de tetrazolio , que produce un color púrpura. Cuanto más rápido sea este flujo metabólico, más rápido se forma el color púrpura. La formación del color púrpura es una reacción positiva. interpretada 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 para proporcionar las condiciones de incubación adecuadas y para leer automáticamente la intensidad de la formación de color durante la reducción de tetrazolio en intervalos de, por ejemplo, 15 minutos.
La idea principal de obtener información sobre las capacidades de un organismo y sus modos de acción específicos al utilizar ciertas fuentes de energía puede aplicarse de forma equivalente a otros macronutrientes como el nitrógeno , el azufre o el fósforo , así como a sus compuestos y derivados. Como extensión, se puede determinar el impacto de los suplementos auxotróficos o los antibióticos , los metales pesados u otros compuestos inhibidores en el comportamiento respiratorio de las células.
Estructura de datos
Durante una reacción positiva, se espera que la cinética longitudinal aparezca como curvas sigmoideas, de forma análoga a las curvas típicas de crecimiento bacteriano . De manera similar a las curvas de crecimiento bacteriano, las curvas de cinética respiratoria pueden proporcionar información valiosa codificada en la duración de la fase de latencia λ, la tasa de respiración μ (que corresponde a la pendiente), la respiración celular máxima A (que corresponde al valor máximo registrado) y el área bajo la curva (AUC). A diferencia de las curvas de crecimiento bacteriano , en las PM no suele haber una fase de muerte, ya que el colorante de tetrazolio reducido es insoluble.
Software
Existe software propietario y comercial disponible que proporciona una solución para el almacenamiento, recuperación y análisis de datos fenotípicos de alto rendimiento. Un potente software libre y de código abierto es el paquete "opm" basado en R. [ 8 ] [ 9 ] "opm" contiene herramientas para analizar datos PM incluyendo gestión, visualización y análisis estadístico de datos PM, cubriendo estimación de parámetros de curva, gráficos dedicados y personalizables, gestión de metadatos , comparación estadística con anotaciones de genoma 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 boosting para reanalizar datos PM de autismo y detectar más factores determinantes. [ 10 ] El paquete "opm" ha sido desarrollado y es mantenido en la Deutsche Sammlung von Mikroorganismen und Zellkulturen . Otro software libre y de código abierto desarrollado para analizar datos de microarrays de fenotipos 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, la recuperación y el análisis de datos de fenotipos de alto rendimiento, y el software PMViewer [ 13 ] que se centra en la visualización gráfica pero no permite análisis estadísticos adicionales. Este último no está disponible públicamente.
Véase también
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), "Micróarrays de fenotipos para pruebas fenotípicas de alto rendimiento y análisis de la función génica", 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 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), "Metabolismo reducido del triptófano en pacientes con trastornos del espectro autista", Molecular Autism , 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 libre de células huésped de la bacteria de la fiebre Q Coxiella burnetii ", Proceedings of the National Academy of Sciences of the United States of America , 106 (11): 4430– 4434, Bibcode : 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", Applied and Environmental Microbiology , 33 (2): 434– 444, Bibcode : 1977ApEnM..33..434B , 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 curvas para la exploración eficiente de la cinética de microarrays de fenotipos", 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: Un paquete de R para analizar datos de microarrays de fenotipos OmniLog®", 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: Un conjunto de herramientas para el análisis y la correlación de datos genómicos y de microarrays de fenotipos OmniLog™", Genomics , 103 (1): 1– 10, arXiv : 1307.4276 , doi : 10.1016/j.ygeno.2013.11.005 , PMID 24316132
- ↑ Chang, W.; Sarver, K.; Higgs, B.; Read, T.; Nolan, N.; Chapman, C.; Bishop-Lilly, K.; Sozhamannan, S. (2011), "PheMaDB: Una solución para el almacenamiento, recuperación y 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), "Superando el obstáculo anaeróbico en microarrays fenotípicos: Generación y visualización de datos de curvas 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
- Microbiología
- Fisiología
- Fenómica
