$$\rightleftharpoonup{xx}$$
$$\longleftharp{xx}$$,
$$\longrightharp{xx}$$,
El protocolo descrito aquí se usó para construir mapas de acondicionamiento físico para variantes genéticas de S. cerevisiae a través de un gradiente de tensión bidimensional de temperatura y salinidad. Específicamente, para cada cepa variante, usamos eVOLVER para llevar a cabo experimentos de competición en parejas contra una cepa de referencia con una etiqueta fluorescente (cepaS. cerevisiae BY4741 con un reportero constitutivo de mNeonGreen integrado) en 16 diferentes combinaciones de estas tensiones (figura 1). Para las variantes, se seleccionaron dos cepas Knockout cada una pronosticada para ser sensible a uno de los ejes de condición de tensión: Δprx1 que se ha reportado que tiene defectos de acondicionamiento físico en altas temperaturas20 y δpbs2 con defectos de acondicionamiento físico a altas concentraciones de sal21. Como variante de control, se utilizó una cepa BY4741 sin etiquetar de tipo salvaje, que se esperaba que se desempeñe de manera similar a la cepa de referencia. En total, estos experimentos de competición de 3 72 horas se realizaron simultáneamente en 48 viales a través de tres dispositivos eVOLVER (16 viales) que funcionan desde un solo ordenador.
El panel interactivo de eVOLVER se utiliza para navegar por la gran cantidad de datos generados durante cada experimento (figura 2A). Las trazas de OD representativas en los 16 viales de un solo dispositivo eVOLVER se muestran en la figura 2B. Cada rastro muestra un patrón de diente de sierra característico del algoritmo de control de turbidostat, que utiliza retroalimentación sobre OD para desencadenar diluciones y mantener cultivos en un rango de densidad estrecha (0.2-0.3 en este caso). Los datos de OD y de temperatura se miden continuamente, se transmiten a la base de datos habilitada para la nube y se actualizan en tiempo real en el panel interactivo de eVOLVER. A partir de datos continuamente en transmisión, las métricas de orden superior (por ejemplo, la tasa de crecimiento, las generaciones acumulativas) pueden calcularse y trazarse en el tablero (figura 2C) e incluso utilizarse como parámetros de retroalimentación en diferentes esquemas de selección (p. ej., morbidostat).
Para generar mapas de acondicionamiento físico, medimos la velocidad a la que la cepa de referencia supera a la cepa variante incorporando tanto mediciones de citometría de flujo como datos de crecimiento de eVOLVER. En concreto, las fracciones de población se calculan como la relación logaritmo de deformación de variante sobre deformación de referencia utilizando datos de citometría de flujo de cada muestra de punto de tiempo. Para cada referencia cultural y punto de tiempo, el número transcurrido de generaciones se interpolan a partir de los datos de la tasa de crecimiento de eVOLVER en cada período de dilución. Al trazar las relaciones de logaritmo con las generaciones, empiezan a surgir diferencias cualitativas entre las condiciones (figura 3a). Para calcular la aptitud, una pendiente se ajusta a través de la porción lineal de cada parcela18,19, produciendo un valor de aptitud cuantitativa (con signo y velocidad) que describe cómo la cepa variante compite contra la cepa de referencia ( Figura 3B). En este experimento, los valores negativos de la aptitud indican que la cepa de variante es supercompetido por la cepa de referencia. La construcción de mapas térmicos de todos los cálculos de aptitud permite la visualización del paisaje de fitness bidimensional, revelando sutiles diferencias cuantitativas en el rendimiento entre las cepas y las condiciones (Figura 3C).
De los Heatmaps de acondicionamiento físico, vemos que cada cepa variante exhibe defectos de aptitud que se manifiestan de diferentes maneras. Δprx1 es principalmente sensible a las altas temperaturas, pero el estrés de la sal parece tener un efecto aditivo, aumentando el defecto de acondicionamiento físico. Por el contrario, Δpbs2 muestra defectos de acondicionamiento físico principalmente en respuesta a altas concentraciones de sal, con mínimas diferencias a lo largo del eje de la temperatura. Estos resultados resaltan la utilidad de los experimentos de selección de alta resolución, especialmente para descifrar las interacciones de múltiples factores estresores ambientales, que podrían tener efectos aditivos, sinérgicos o epistáticos.
Por último, es importante tener en cuenta que en algunos casos, particularmente para las condiciones de estrés severo, los cálculos de aptitud pueden conducir a resultados exagerados o sesgados. Por ejemplo, Δpbs2 parece mostrar una pendiente positiva pronunciada en la condición nacl de 39 ° c/1 M en relación con la cepa de referencia (figura 3a). Esto se atribuye a un crecimiento deficiente de ambas cepas, que se refleja en los datos de tipo salvaje y limita la utilidad de esta métrica en particular en esta condición. Un número insuficiente de generaciones da como resultado 1) pobre separación de los puntos de tiempo que interfiere con el ajuste de la pendiente, y 2) la sensibilidad a los efectos estocásticos que provienen de la fase de retardo. Si bien no elegimos hacerlo en este estudio, los datos de crecimiento en tiempo real recopilados por eVOLVER durante el experimento podrían haberse utilizado para informar la decisión de extender el experimento y recopilar puntos de tiempo adicionales para esta condición con poco esfuerzo. En los experimentos de seguimiento, las proporciones iniciales también se podrían modular para extender la longitud de la región lineal antes de que se produzca la saturación.

Figura 1: visión general del marco de eVOLVER y diseño experimental. (A) Evolver es una plataforma de cultivo automatizado y continuo que permite el control multiparaméit de las condiciones de cultivo. La plataforma se compone de mangas inteligentes, que se encuentran los sensores y actuadores para controlar las condiciones de cultivo, una matriz de bomba peristótica para los medios de flujo y residuos en y fuera de las culturas, una pantalla táctil para interactuar manualmente con el dispositivo, y un ordenador utiliza para interactuar con la infraestructura de nube donde se transmiten los datos de la plataforma. (B) Evolver se puede configurar de múltiples maneras: físicamente, a través de entradas de medios y celulares, y mediante programación ajustando los algoritmos que controlan los módulos de vial de cultivo de Smart sleeve. Esto se puede utilizar para programar la selección multidimensional/gradientes ambientales en alta resolución, con salidas compuestas de celdas físicamente recogidas en puntos de tiempo definidos y transmisión en tiempo real de datos de referencia cultural. (C) configurar Evolver para llevar a cabo un experimento de fitness de crecimiento a través de un gradiente de selección bidimensional, compuesto por la temperatura y el estrés osmótico. los viales de cultivo de eVOLVER fueron sembrados con proporciones iguales de una cepa de levadura de referencia y variante. Se programó una rutina de turbidostat para mantener todas las culturas en fase exponencial en una ventana de OD definida (OD 0.2-0.3). Las condiciones de temperatura y medios se variaron en la matriz de Smart sleeve para formar dos gradientes de tensión independientes. Los medios de base se componían de YPD (2% de glucosa) + 100 μg/mL de carbenicilina + 25 μg/mL de cloranfenicol como precaución contra la contaminación bacteriana. Las composiciones de los medios fueron variadas añadiendo NaCl suplementarios a 0 M, 0,6 M, 0,8 M, o 1,0 M. las temperaturas del vial se programaron a uno de cuatro valores: 30 ° c, 35 ° c, 37 ° c o 39 ° c. (D) ejemplos de producción cruda para la cultura OD y fracciones de población de tres condiciones probadas. El experimento de competición se mantuvo por 72 h, muestreo a las 24 h y posteriormente cada 12 h hasta la conclusión del experimento. Por favor, haga clic aquí para ver una versión más grande de esta figura.

Figura 2: panel de análisis de datos en tiempo real de eVOLVER. (A) los datos de Evolver se procesan y transmiten en tiempo real a través del software basado en la nube a un panel interactivo. A través del Dashboard, los usuarios pueden definir e iniciar sus propias rutinas de cultivo en un eVOLVER conectado, monitorear experimentos en ejecución en todas las unidades de eVOLVER y variar las condiciones experimentales manualmente en un vial individual o conjunto de viales si es necesario. (B) trazas de OD para cada vial a través de la matriz de condiciones probadas durante toda la duración del experimento. Las trazas se pueden ver en tiempo real para asegurar que el experimento se está ejecutando como se desea y se utiliza después del experimento para un análisis más detallado. (C) las tasas de crecimiento y las generaciones celulares se pueden calcular a partir de trazas de OD sobre la marcha para rastrear el progreso del experimento. Por favor, haga clic aquí para ver una versión más grande de esta figura.

Figura 3: Construcción de superficies de acondicionamiento físico. (A) fracción de población de células logaritmo natural (cepa variante/cepa de referencia) trazada contra generaciones celulares. El color indica la temperatura de selección mientras que los guiones distinguen las concentraciones de sal. (B) para cuantificar la adecuación relativa de la variante a la cepa de referencia, una métrica de aptitud se deriva de la tasa a la que la fracción de la población celular cambia a lo largo de las generaciones. Esta métrica se calcula a partir de la región lineal de los trazados de fracción celular utilizando un mínimo de tres puntos. (C) las métricas de acondicionamiento físico relativo se muestran en un mapa térmico para construir una superficie de acondicionamiento físico sobre los degradados de estrés ambiental. La condición de la esquina superior derecha (39 ° c/1,0 M NaCl) para el tipo silvestre y Δpbs2 no se incluyen en este análisis ya que las culturas pasaron por generaciones insuficientes (ver resultados representativos). Por favor, haga clic aquí para ver una versión más grande de esta figura.