$$\rightleftharpoonup{xx}$$
$$\longleftharp{xx}$$,
$$\longrightharp{xx}$$,
El campo de la biología sintética de mamíferos ha progresado rápidamente, desde el desarrollo de partes simples de detección y respuesta en líneas celulares cultivadas hasta la optimización de redes complejas de genes para abordar los desafíos del mundo real en diagnóstico y terapéutica1. Estos sofisticados circuitos son capaces de detectar entradas biológicas desde perfiles de microARN hasta citoquinas y fármacos de moléculas pequeñas, e implementar circuitos de procesamiento lógico que incluyen transistores, filtros de paso de banda, interruptores de palanca y osciladores. También han mostrado resultados prometedores en modelos animales de enfermedades como el cáncer, la artritis, la diabetes y muchos más 1,2,3,4,5. Sin embargo, a medida que crece la complejidad de un circuito, optimizar los niveles de cada uno de sus componentes se vuelve cada vez más desafiante.
Un tipo particularmente útil de circuito genético es un clasificador celular, que puede programarse para detectar y responder a los estados celulares. La producción selectiva de proteínas o salidas de ARN en estados celulares específicos es una herramienta poderosa para guiar y programar la diferenciación de células y organoides, identificar y destruir células enfermas y/o tipos de células indeseables, y regular la función de las células terapéuticas 1,2,3,4,5 . Sin embargo, la creación de circuitos en células de mamíferos que puedan clasificar con precisión los estados celulares de múltiples especies celulares de ARN y / o proteínas ha sido muy desafiante.
Uno de los pasos más lentos del desarrollo de un circuito de clasificación celular es optimizar los niveles de expresión relativos de los genes componentes individuales, como sensores y factores de procesamiento, dentro del circuito. Para acelerar la optimización de circuitos y permitir la construcción de circuitos más sofisticados, trabajos recientes han utilizado modelos matemáticos de circuitos clasificadores celulares y sus componentes para predecir composiciones y topologías óptimas 6,7. Si bien esto ha mostrado resultados poderosos hasta ahora, el análisis matemático está limitado por la necesidad de caracterizar sistemáticamente el comportamiento de entrada-salida de los genes componentes en el circuito, lo que lleva mucho tiempo. Además, una miríada de problemas dependientes del contexto pueden surgir en circuitos genéticos complejos, haciendo que el comportamiento de un circuito completo desafíe las predicciones basadas en caracterizaciones de partes individuales 8,9.
Para desarrollar y probar más rápidamente circuitos complejos de mamíferos, como los clasificadores de estado celular, nuestro laboratorio desarrolló una técnica llamada politransfección10, una evolución de los protocolos de cotransfección de plásmidos. En la cotransfección, múltiples especies de ADN plásmido se complejan junto con un reactivo lipídico o polimérico cargado positivamente, y luego se entregan a las células de manera correlacionada (Figura 1A). En la politransfección, los plásmidos se complejan por separado con el reactivo, de modo que el ADN de cada complejo de transfección se entrega a las células de manera descorrelacionada (Figura 1B). Usando este método, las células dentro de la población transfectada están expuestas a numerosas combinaciones de proporciones de dos o más cargas útiles de ADN que transportan diferentes componentes del circuito.
Para medir las proporciones de los componentes del circuito entregados a cada célula, cada complejo de transfección dentro de una politransfección contiene un reportero fluorescente expresado constitutivamente que sirve como un proxy para la absorción celular del complejo. El ADN de relleno que no contiene ningún elemento activo dentro de una célula de mamífero se utiliza para ajustar la cantidad relativa del reportero fluorescente y los componentes del circuito entregados a una célula en un solo complejo de transfección y se discute con más detalle en la discusión. Un ejemplo de ADN de relleno utilizado en el laboratorio de Weiss es un plásmido que contiene una secuencia terminadora, pero no promotor, secuencia codificante, etc. Las células con diferentes proporciones de componentes del circuito se pueden comparar para encontrar proporciones óptimas para la función del circuito génico. Esto a su vez produce predicciones útiles para elegir promotores y otros elementos del circuito para lograr niveles óptimos de expresión génica cuando se combinan componentes del circuito en un solo vector para la integración genética (por ejemplo, un lentivirus, transposón o plataforma de aterrizaje). Por lo tanto, en lugar de elegir relaciones entre los componentes del circuito basadas en la intuición o mediante un proceso de prueba y error que consume mucho tiempo, la politransfección evalúa una amplia gama de estequiometrías entre partes genéticas en una reacción de un solo bote.
En nuestro laboratorio, la politransfección ha permitido la optimización de muchos circuitos genéticos, incluidos clasificadores celulares, controladores de retroalimentación y feedforward, y motivos biestables. Este método simple pero poderoso acelera significativamente los ciclos de diseño para circuitos genéticos complejos en células de mamíferos. Desde entonces, la politransfección se ha utilizado para caracterizar varios circuitos genéticos para revelar sus funciones multidimensionales de transferencia de entrada-salida a alta resolución 10, optimizar una topología de circuito alternativo para la clasificación del estado celular11 y acelerar varios proyectos publicados 12,13 y en curso.
Aquí describimos y describimos el flujo de trabajo para usar la politransfección para optimizar rápidamente un circuito genético (Figura 2). El protocolo muestra cómo generar datos de politransfección de alta calidad y evitar varios errores comunes en el protocolo de politransfección y el análisis de datos (Figura 3). Luego demuestra cómo usar la politransfección para caracterizar componentes de circuitos simples y, en el proceso, comparar los resultados de la politransfección con la cotransfección (Figura 4). Finalmente, los resultados de la politransfección muestran una optimización del circuito clasificador de cáncer (Figura 5).