$$\rightleftharpoonup{xx}$$
$$\longleftharp{xx}$$,
$$\longrightharp{xx}$$,
Das Gebiet der synthetischen Biologie von Säugetieren hat sich rasant weiterentwickelt, von der Entwicklung einfacher Sense-and-Response-Teile in kultivierten Zelllinien bis hin zur Optimierung komplexer Netzwerke von Genen, um reale Herausforderungen in der Diagnostik und Therapie anzugehen1. Diese ausgeklügelten Schaltkreise sind in der Lage, biologische Eingaben von microRNA-Profilen über Zytokine bis hin zu niedermolekularen Medikamenten zu erfassen und logische Verarbeitungsschaltkreise wie Transistoren, Bandpassfilter, Kippschalter und Oszillatoren zu implementieren. Sie haben auch vielversprechende Ergebnisse in Tiermodellen für Krankheiten wie Krebs, Arthritis, Diabetes und viele mehr gezeigt 1,2,3,4,5. Mit zunehmender Komplexität einer Schaltung wird es jedoch immer schwieriger, die Pegel der einzelnen Komponenten zu optimieren.
Eine besonders nützliche Art von genetischem Schaltkreis ist ein Zellklassifikator, der so programmiert werden kann, dass er zelluläre Zustände erkennt und darauf reagiert. Die selektive Produktion von Protein- oder RNA-Outputs in bestimmten zellulären Zuständen ist ein leistungsfähiges Werkzeug, um die Differenzierung von Zellen und Organoiden zu steuern und zu programmieren, kranke Zellen und/oder unerwünschte Zelltypen zu identifizieren und zu zerstören und die Funktion therapeutischer Zellen zu regulieren 1,2,3,4,5 . Die Schaffung von Schaltkreisen in Säugetierzellen, die Zellzustände aus mehreren zellulären RNA- und/oder Proteinspezies genau klassifizieren können, war jedoch eine große Herausforderung.
Einer der zeitaufwändigsten Schritte bei der Entwicklung eines Zellklassifizierungsschaltkreises besteht darin, die relativen Expressionsniveaus einzelner Komponentengene, wie z. B. Sensoren und Verarbeitungsfaktoren, innerhalb des Schaltkreises zu optimieren. Um die Schaltungsoptimierung zu beschleunigen und den Aufbau anspruchsvollerer Schaltkreise zu ermöglichen, wurde in neueren Arbeiten die mathematische Modellierung von Zellklassifikatorschaltungen und deren Komponenten verwendet, um optimale Zusammensetzungen und Topologien vorherzusagen 6,7. Während dies bisher starke Ergebnisse gezeigt hat, ist die mathematische Analyse durch die Notwendigkeit begrenzt, das Input-Output-Verhalten von Komponentengenen in der Schaltung systematisch zu charakterisieren, was zeitaufwändig ist. Darüber hinaus kann in komplexen genetischen Schaltkreisen eine Vielzahl von kontextabhängigen Problemen auftreten, die dazu führen, dass sich das Verhalten eines vollständigen Schaltkreises Vorhersagen widersetzt, die auf der Charakterisierung einzelner Teile basieren 8,9.
Um komplexe Säugetierschaltkreise wie Zellzustandsklassifikatoren schneller zu entwickeln und zu testen, entwickelte unser Labor eine Technik namens Poly-Transfection10, eine Weiterentwicklung von Plasmid-Co-Transfektionsprotokollen. Bei der Co-Transfektion werden mehrere Plasmid-DNA-Spezies mit einem positiv geladenen Lipid- oder Polymerreagenz komplexiert und dann korreliert an die Zellen abgegeben (Abbildung 1A). Bei der Polytransfektion werden die Plasmide separat mit dem Reagenz komplexiert, so dass die DNA aus jedem Transfektionskomplex dekorreliert an die Zellen abgegeben wird (Abbildung 1B). Bei dieser Methode werden Zellen innerhalb der transfizierten Population zahlreichen Kombinationen von Verhältnissen von zwei oder mehr DNA-Nutzlasten ausgesetzt, die unterschiedliche Schaltkreiskomponenten tragen.
Um die Verhältnisse der Schaltungskomponenten zu messen, die an jede Zelle abgegeben werden, enthält jeder Transfektionskomplex innerhalb einer Polytransfektion einen konstitutiv exprimierten Fluoreszenzreporter, der als Proxy für die zelluläre Aufnahme des Komplexes dient. Füllstoff-DNA, die keine Elemente enthält, die in einer Säugetierzelle aktiv sind, wird verwendet, um die relative Menge der fluoreszierenden Reporter- und Schaltkreiskomponenten einzustellen, die in einem einzigen Transfektionskomplex an eine Zelle abgegeben werden, und wird in der Diskussion ausführlicher diskutiert. Ein Beispiel für Füllstoff-DNA, die im Weiss-Labor verwendet wird, ist ein Plasmid, das eine Terminatorsequenz enthält, aber keinen Promotor, keine kodierende Sequenz usw. Zellen mit unterschiedlichen Verhältnissen der Schaltkreiskomponenten können dann verglichen werden, um optimale Verhältnisse für die Funktion der Genschaltkreise zu finden. Dies wiederum liefert nützliche Vorhersagen für die Auswahl von Promotoren und anderen Schaltkreiselementen, um optimale Genexpressionsniveaus zu erreichen, wenn Schaltkreiskomponenten zu einem einzigen Vektor für die genetische Integration kombiniert werden (z. B. ein Lentivirus, ein Transposon oder ein Landeplatz). Anstatt also die Verhältnisse zwischen den Schaltungskomponenten auf der Grundlage von Intuition oder über einen zeitaufwändigen Trial-and-Error-Prozess zu wählen, wertet die Polytransfektion eine Vielzahl von Stöchiometrien zwischen genetischen Teilen in einer Eintopfreaktion aus.
In unserem Labor hat die Polytransfektion die Optimierung vieler genetischer Schaltkreise ermöglicht, darunter Zellklassifikatoren, Feedback- und Feedforward-Controller sowie bistabile Motive. Diese einfache, aber wirkungsvolle Methode beschleunigt die Designzyklen komplexer genetischer Schaltkreise in Säugetierzellen erheblich. Seitdem wurde die Polytransfektion verwendet, um mehrere genetische Schaltkreise zu charakterisieren, um ihre mehrdimensionalen Input-Output-Übertragungsfunktionen mit hoher Auflösungaufzudecken 10, eine alternative Schaltkreistopologie für die Zellzustandsklassifizierung 11 zu optimieren und verschiedene veröffentlichte12,13 und laufende Projekte zu beschleunigen.
Hier beschreiben und beschreiben wir den Arbeitsablauf für den Einsatz der Polytransfektion zur schnellen Optimierung eines genetischen Schaltkreises (Abbildung 2). Das Protokoll zeigt, wie qualitativ hochwertige Poly-Transfektionsdaten generiert und mehrere häufige Fehler im Poly-Transfektionsprotokoll und in der Datenanalyse vermieden werden können (Abbildung 3). Anschließend wird demonstriert, wie die Polytransfektion zur Charakterisierung einfacher Schaltungskomponenten eingesetzt werden kann und dabei die Ergebnisse der Polytransfektion mit der Co-Transfektion verglichen werden können (Abbildung 4). Schließlich zeigen die Ergebnisse der Polytransfektion eine Optimierung des Krebsklassifikatorschaltkreises (Abbildung 5).