Ce protocole décrit un flux de travail allant des cultures cellulaires ex vivo ou in vitro au prétraitement des données transcriptomiques pour un criblage rentable de médicaments basés sur le transcriptome.
Method Article
Ce protocole décrit un flux de travail allant des cultures cellulaires ex vivo ou in vitro au prétraitement des données transcriptomiques pour un criblage rentable de médicaments basés sur le transcriptome.
La transcriptomique permet d’obtenir des informations complètes sur les programmes cellulaires et leurs réponses aux perturbations. Malgré une baisse significative des coûts de production et de séquençage des bibliothèques au cours de la dernière décennie, l’application de ces technologies à l’échelle nécessaire au criblage des médicaments reste prohibitive, ce qui entrave l’immense potentiel de ces méthodes. Notre étude présente un système rentable de criblage de médicaments basé sur le transcriptome, combinant des cultures de perturbation miniaturisées avec une transcriptomique mini-en vrac. Le protocole mini-bulk optimisé fournit des signaux biologiques informatifs à une profondeur de séquençage rentable, ce qui permet un criblage approfondi de médicaments connus et de nouvelles molécules. En fonction du traitement choisi et du temps d’incubation, ce protocole permettra d’obtenir des banques de séquençage dans un délai d’environ 2 jours. En raison de plusieurs points d’arrêt au sein de ce protocole, la préparation de la bibliothèque, ainsi que le séquençage, peuvent être effectués indépendamment du temps. Il est possible de traiter simultanément un grand nombre d’échantillons ; La mesure de jusqu’à 384 échantillons a été testée sans perte de qualité des données. Il n’y a pas non plus de limites connues au nombre d’affections et/ou de médicaments, malgré la prise en compte de la variabilité des temps d’incubation optimaux des médicaments.
Le développement de nouveaux médicaments est un processus complexe et chronophage qui implique l’identification de médicaments potentiels et de leurs cibles, l’optimisation et la synthèse de candidats-médicaments, et le test de leur efficacité et de leur innocuité dans le cadre d’essais précliniques et cliniques1. Les méthodes traditionnelles de criblage de médicaments, c’est-à-dire l’évaluation systématique de bibliothèques de composés candidats à des fins thérapeutiques, impliquent l’utilisation de modèles animaux ou de tests cellulaires pour tester les effets sur des cibles ou des voies spécifiques. Bien que ces méthodes aient permis d’identifier des médicaments candidats, elles n’ont souvent pas fourni suffisamment d’informations sur les mécanismes moléculaires complexes sous-jacents à l’efficacité des médicaments, ainsi que sur leur toxicité et leurs mécanismes d’effets secondaires potentiels.
L’évaluation des états transcriptionnels à l’échelle du génome présente une approche puissante pour surmonter les limites actuelles du criblage des médicaments, car elle permet des évaluations complètes de l’expression des gènes en réponse aux traitements médicamenteux2. En mesurant les transcrits d’ARN exprimés à l’échelle du génome à un moment donné, la transcriptomique vise à fournir une vue holistique des changements transcriptionnels qui se produisent en réponse aux médicaments, y compris les changements dans les modèles d’expression génique, l’épissage alternatif et l’expression de l’ARN non codant3. Ces informations peuvent être utilisées pour déterminer les cibles des médicaments, prédire l’efficacité et la toxicité des médicaments et optimiser les schémas posologiques et de traitement des médicaments.
L’un des principaux avantages de la combinaison de la transcriptomique et du criblage non biaisé des médicaments est la possibilité d’identifier de nouvelles cibles médicamenteuses qui n’ont pas été envisagées auparavant. Les approches conventionnelles de criblage de médicaments se concentrent souvent sur des molécules ou des voies cibles établies, ce qui entrave l’identification de nouvelles cibles et peut entraîner la mise en place de médicaments ayant des effets secondaires imprévus et une efficacité limitée. La transcriptomique peut surmonter ces limites en fournissant des informations sur les changements moléculaires qui se produisent en réponse au traitement médicamenteux, en découvrant des cibles ou des voies potentielles qui n’auraient peut-être pas été envisagées auparavant2.
En plus de l’identification de nouvelles cibles médicamenteuses, la transcriptomique peut également être utilisée pour prédire l’efficacité et la toxicité des médicaments. En analysant les modèles d’expression génique associés aux réponses aux médicaments, il est possible de développer des biomarqueurs qui peuvent être utilisés pour prédire la réponse d’un patient à un médicament ou à un schéma thérapeutique particulier. Cela peut également aider à optimiser la posologie des médicaments et à réduire le risque d’effets secondaires indésirables4.
Malgré ses avantages potentiels, le coût de la transcriptomique reste un obstacle important à son application généralisée dans le dépistage des drogues. L’analyse transcriptomique nécessite un équipement spécialisé, une expertise technique et une analyse des données, ce qui peut rendre difficile l’utilisation de la transcriptomique pour les petites équipes de recherche ou les organisations disposant d’un financement limité dans le dépistage des médicaments. Cependant, le coût de la transcriptomique n’a cessé de diminuer, ce qui la rend plus accessible aux communautés de recherche. De plus, les progrès de la technologie et des méthodes d’analyse des données ont rendu la transcriptomique plus efficace et plus rentable, ce qui en a encore accru l’accessibilité2.
Dans ce protocole, nous décrivons un système exploratoire de grande dimension pour le criblage de médicaments basé sur le transcriptome, combinant des cultures de perturbation miniaturisées avec une analyse transcriptomique en mini-vrac 5,6. Avec ce protocole, il est possible de réduire le coût par échantillon à 1/6ème du coût actuel des solutions commerciales pour le séquençage de l’ARNm pleine longueur. Le protocole ne nécessite que des équipements de laboratoire standard, la seule exception étant l’utilisation de technologies de séquençage à lecture courte, qui peuvent être externalisées si les instruments de séquençage ne sont pas disponibles en interne. Le protocole mini-bulk optimisé fournit des signaux biologiques riches en informations à une profondeur de séquençage rentable, ce qui permet un criblage approfondi de médicaments connus et de nouvelles molécules.
L’objectif de l’expérience est de dépister l’activité des médicaments sur les PBMC dans différents contextes biologiques. Ce protocole peut être appliqué à n’importe quelle question biologique où plusieurs médicaments doivent être testés avec une lecture transcriptomique, donnant une vue à l’échelle du transcriptome de l’effet cellulaire du traitement.
Ce protocole suit les directives des comités d’éthique locaux de l’Université de Bonn.
1. Préparation des tampons, des solutions et de l’équipement
2. Manipulation des cellules
NOTE : Un protocole détaillé pour la cryoconservation des cellules mononucléées du sang périphérique (PBMC) à partir de sang humain se trouve aupoint 7.

3. Préparation de la bibliothèque pour le séquençage
4. Séquençage et prétraitement des données

Suivant le protocole rapporté, les PBMC humains ont été ensemencés, traités avec différents médicaments immunomodulateurs et, après différents temps d’incubation, récoltés pour une analyse transcriptomique en vrac à l’aide du protocole de séquençage (Figure 1).
Les concentrations idéales de médicaments et les temps d’incubation des composés d’essai doivent être identifiés en amont de ce protocole à l’aide de stratégies expérimentales complémentaires et sur la base de la question scientifique spécifique. Dans la plupart des cas, une incubation de 2 à 4 h et de 24 h devrait fournir une représentation des réponses transcriptionnelles précoces et tardives au traitement.
Les résultats les plus importants pour évaluer les exécutions correctes du protocole sont l’ADNc et les QC de la bibliothèque (Figure 2 et Figure 3). Le profil d’ADNc doit avoir une large distribution avec une taille moyenne de > 1000 pb (Figure 2), une taille moyenne inférieure ou une accumulation de molécules à faible poids moléculaire (Figure 4) pourrait indiquer un faible apport d’ARN ou une dégradation de l’ARN.
La préparation d’une bonne bibliothèque de séquençage est également une étape importante du protocole ; les bibliothèques post-marquage devraient avoir une distribution assez étroite de l’ordre de 250 pb (Figure 3) ; Les fragments plus longs seront moins performants lors du séquençage (Figure 5).
Après le séquençage, les fichiers FASTQ bruts sont alignés sur le génome de référence approprié (par exemple, humain ou souris) et l’abondance des transcrits est quantifiée pour chaque échantillon (voir pipeline de séquençage de l’ARN nf-core (https://nf-co.re/rnaseq)). Une analyse exploratoire des données sera maintenant effectuée pour vérifier la qualité globale des données. Les données alignées devraient permettre de capturer un grand nombre de gènes codant pour des protéines, car seul l’ARN polyadénylé sera capturé avec ce protocole (Figure 6A). Dans les échantillons humains, nous prévoyons de capturer entre 15000 et 20000 transcrits (cette valeur est basée sur l’annotation du génome humain de référence GENCODE 2711). D’autres analyses exploratoires des données peuvent inclure l’analyse en composantes principales (ACP). Ici, la structure sous-jacente des données peut être visualisée dans un graphique bidimensionnel. Dans la figure 6B, nous montrons un exemple de diagramme d’ACP ; Les points ici sont colorés par traitement, montrant trois groupes différents de conditions expérimentales conduisant à des profils transcriptomiques similaires. On peut également voir ici que les répétitions biologiques (points de la même couleur) sont transcriptionnellement similaires, ce qui montre une bonne robustesse du protocole. Les résultats présentés dans cette figure ont été générés avec un pipeline disponible sur GitHub en fonction du flux de travail DESeq2 (https://github.com/jsschrepping/RNA-DESeq2).

Figure 1 : Estimations du temps et flux de travail. (A) Estimations du temps de ce protocole pour une exécution avec 96 échantillons. (B) Schéma de chaque étape du protocole, de la décongélation des cellules jusqu’au prétraitement des données. Le diagramme doit être lu de haut en bas en suivant les flèches. Les flèches encerclées décrivent une répétition de l’étape. Les points rouges représentent les points d’arrêt décrits plus en détail dans le protocole. Veuillez cliquer ici pour voir une version agrandie de cette figure.

Figure 2 : Résultats exemplaires pour les banques d’ADNc. Résultats d’une électrophorèse miniaturisée montrant la distribution de taille d’une banque d’ADNc exemplaire. Les signaux supérieurs et inférieurs représentent les marqueurs utilisés pour aligner l’échantillon. Les lignes bleues indiquent la taille moyenne des fragments (crochets bleus). Le profil de l’ADNc montre une large distribution avec une taille moyenne de > 1000 pb. Veuillez cliquer ici pour voir une version agrandie de cette figure.

Figure 3 : Résultats exemplaires pour les bibliothèques de séquençage. Résultats d’une électrophorèse miniaturisée montrant la distribution granulométrique de banques de séquençage préparées avec succès avec une distribution étroite et une taille moyenne d’environ 250 pb. Les signaux supérieurs et inférieurs représentent les marqueurs utilisés pour aligner l’échantillon. Les lignes bleues indiquent la taille moyenne des fragments (crochets bleus). Veuillez cliquer ici pour voir une version agrandie de cette figure.

Figure 4 : Résultats sous-optimaux exemplaires pour les banques d’ADNc. Résultats d’une électrophorèse miniaturisée montrant la distribution granulométrique d’une banque d’ADNc sous-optimale d’une taille moyenne de < 200 pb. Les signaux supérieurs et inférieurs représentent les marqueurs utilisés pour aligner l’échantillon. Les lignes bleues indiquent la taille moyenne des fragments (crochets bleus). Veuillez cliquer ici pour voir une version agrandie de cette figure.

Figure 5 : Résultats sous-optimaux exemplaires pour les bibliothèques de séquençage. Résultats d’une électrophorèse miniaturisée montrant la distribution granulométrique d’une banque de séquençage sous-optimale contenant des fragments plus longs de 200 à 1000 pb. Les signaux supérieurs et inférieurs représentent les marqueurs utilisés pour aligner l’échantillon. Les lignes bleues indiquent la taille moyenne des fragments (crochets bleus). Veuillez cliquer ici pour voir une version agrandie de cette figure.

Figure 6 : Analyse exploratoire des données. Résultats représentatifs de l’analyse exploratoire des données montrant l’effet de certains médicaments immunomodulateurs sur les PBMC. (A) Graphique à barres du nombre de gènes détectés (axes Y) séparés par type de gène (axes X). (B) PCA de tous les gènes de l’ensemble de données colorés par les différents traitements médicamenteux. Les points de la même couleur sont des répliques biologiques. Veuillez cliquer ici pour voir une version agrandie de cette figure.
| Réactif | Concentration | Volume [μL] /rxn |
| Chlorhydrate de guanidine | 80 mM | 7.50 |
| Désoxynucléotides triphosphates (dNTP) | 10 mM chacun | 6.52 |
| Apprêt SMART dT30VN | 100 μM | 0.33 |
| Eau sans nucléase | 0.65 | |
| Volume total | 15.00 |
Tableau 1 : Tampon de lyse.
| Réactif | Volume [μL] /rxn |
| Tampon SSRT II (5x) | 2.00 |
| TNT (100 mM) | 0.50 |
| Bétaïne (5 M) | 2.00 |
| MgCl2 (1 M) | 0.14 |
| SSRT II (200 U/μL) | 0.25 |
| Inhibiteur de l’ARNase (40 U/μL) | 0.25 |
| TSO-LNA (100 μM) | 0.20 |
| Eau sans nucléase | 0.66 |
| Volume total | 6.00 |
Tableau 2 : Mélange réactionnel de transcriptase inverse (RT).
| Dénaturation de l’ARNm | ||
| Pas | Température | Durée |
| Dénaturation de l’ARNm | 95 °C | 2 min (en anglais) |
| sur la glace | 2 min (en anglais) | |
| Transcription inverse | ||
| Pas | Température | Durée |
| Transcription inverse | 42 °C | Durée : 90 min |
| Inactivation enzymatique | 70 °C | 15 min (en anglais) |
| 4 °C | tenir | |
Tableau 3 : Programme de thermocycleur pour la dénaturation de l’ARNm et la transcriptase inverse (RT).
| Réactif | Volume [μL] /rxn |
| ADN polymérase haute-fidélité | 12.50 |
| Amorce ISPCR (10 μM) | 0.15 |
| Eau sans nucléase | 2.35 |
| Volume total | 15.00 |
Tableau 4 : Mélange de pré-amplification.
| Escalier | Température | Durée | |
| Dénaturation initiale | 98 °C | 3 min (en anglais) | |
| Dénaturation | 98 °C | 20 s | 16 – 18 cycles |
| Recuit | 67 °C | 20 s | |
| Extension | 72 °C | 6 min (en anglais seulement) | |
| 4 °C | tenir |
Tableau 5 : Programme de thermocycleurs de préamplification.
| Escalier | Température | Durée |
| Balisage | 55 °C | 8 min (en anglais) |
| 4 °C | tenir |
Tableau 6 : Programme de thermocycleurs de marquage.
| Mélange de marquage | |
| Réactif | Volume [μL] /rxn |
| Mélange d’étiquetage d’amplicon (ATM) | 1.0 |
| Tampon d’ADN de marquage (TD) | 2.0 |
| Volume total | 3.0 |
| Mélange de PCR d’enrichissement | |
| Réactif | Volume [μL] /rxn |
| ADN polymérase haute-fidélité | 7.0 |
| Apprêt d’indexation compatible Nextera | 2.0 |
| Volume total | 9.0 |
Tableau 7 : Mélange de marquage et mélange de PCR d’enrichissement.
| Escalier | Température | Durée | |
| Démarrage à chaud | 72 °C | 5 min (en anglais) | |
| Dénaturation initiale | 98 °C | 30 s | |
| Dénaturation | 98 °C | 10 secondes | 16 cycles |
| Recuit | 60 °C | 30 s | |
| Extension | 72 °C | 1 min (en anglais) | |
| Prolongation finale | 72 °C | 5 min (en anglais) | |
| 4 °C | tenir |
Tableau 8 : Programme de thermocycleurs PCR d’enrichissement.
| Instrument | Concentration de charge |
| MiSeq v2 | 22 h |
| SuivantSeq 500/550 | 13 h 4 |
| NovaSeq 6000 | 1250 pM |
Tableau 9 : Exemples de concentrations de chargement d’instruments de séquençage courants.
La découverte et le développement de médicaments peuvent grandement bénéficier de la vision holistique des processus cellulaires que la transcriptomique de masse peut fournir. Néanmoins, cette approche est souvent limitée par le coût élevé de l’expérience avec le protocole standard de séquençage de l’ARN en vrac, ce qui interdit son application dans les milieux académiques ainsi que son potentiel d’évolutivité industrielle.
Les étapes les plus critiques du protocole sont la décongélation des cellules et les étapes initiales de la préparation de la bibliothèque. Assurer une viabilité élevée des cellules après la décongélation est essentiel pour le succès des traitements et de l’analyse transcriptomique. Les premières étapes de la récolte cellulaire et de la préparation de la banque jusqu’à la synthèse de l’ADNc sont essentielles pour préserver l’intégrité de l’ARN. À ce stade, il est crucial de maintenir le lysat cellulaire sur la glace à tout moment et de traiter les échantillons le plus rapidement possible. Si une dégradation excessive de l’ARN est observée, les surfaces et l’équipement de laboratoire doivent être nettoyés avec des produits spécifiques pour inhiber toute activité de la RNase.
Le protocole décrit ici est actuellement optimisé pour le traitement médicamenteux sur PBMC à partir de donneurs sains pendant un maximum de 24 h. Pour réaliser l’expérience avec un type de cellule différent ou pour un temps d’incubation plus long, il peut être nécessaire d’optimiser le nombre de cellules pour les conditions d’ensemencement et de culture en conséquence.
Avec ce protocole, nous fournissons un flux de travail pour l’analyse transcriptomique lors d’un traitement médicamenteux sur PBMC en utilisant un équipement de laboratoire standard et sans avoir besoin de kits commerciaux. Avec cette approche et en évitant l’étape de purification de l’ARN, nous avons considérablement réduit les coûts permettant l’analyse parallèle d’un grand nombre de composés.
Parce que ce protocole est basé sur un test in vitro, sa principale limite est qu’il ne peut pas évaluer un traitement métabolique des médicaments qui pourrait conduire à une bioactivité différente. De plus, le nombre de transcrits capturés et la profondeur de séquençage seront inférieurs à ceux des méthodes transcriptomiques complètes en vrac standard, ce qui empêchera l’utilisation de ces données pour des applications nécessitant un contenu d’information plus élevé, telles que l’épissage différentiel ou la quantification de polymorphismes mononucléotidiques.
Les auteurs ne déclarent pas d’intérêts concurrents.
J.L.S. est soutenu par la Fondation allemande pour la recherche (DFG) dans le cadre de la stratégie d’excellence de l’Allemagne (EXC2151-390873048), ainsi que dans le cadre de la SCHU 950/8-1 ; GRK 2168, TP11 ; CRC SFB 1454 Metaflammation, IRTG GRK 2168, WGGC INST 216/981-1, CCU INST 217/988-1, le projet d’excellence Diet-Body-Brain (DietBB) financé par le BMBF ; et le projet européen SYSCID sous le numéro de subvention 733100. M.B. est soutenu par DFG (IRTG2168-272482170, SFB1454-432325352). L.B. est soutenu par la DFG (ImmuDiet BO 6228/2-1 - numéro de projet 513977171) et la stratégie d’excellence de l’Allemagne (EXC2151-390873048). Images créées avec BioRender.com.
| Name | Company | Catalog Number | Comments |
|---|---|---|---|
| 50 mL tube conique | fisher scientific | 10203001 | |
| Adhésif PCR Plaque Seals | Thermo Fisher Scientific | AB0558 | |
| Amplicon Tagment Mix (ATM) | Illumina | FC-131-1096 | Nextera XT DNA Library Kit de préparation (96 échantillons) |
| Perles AMPure XP | Beckman Coulter | A 63881 | |
| Betaine ; | Sigma-Aldrich | 61962 | |
| Plaques 96 puits de qualité culture cellulaire | Thermo Fisher Scientific | 260860 | |
| Pompe à vide pour culture cellulaire (VACUSAFE) | Integra Bioscience | 158300 | |
| Mélange de désoxynucléotides triphosphates (dNTP) 10 mM chacun | Fermentas | R0192 | |
| DMSO | Sigma-Aldrich | 276855 | |
| DTT (100 mM) | Invitrogen | 18064-014 | |
| EDTA | Sigma-Aldrich | 798681 | pour cellules adhérentes |
| Éthanol | Sigma-Aldrich | 51976 | |
| Sérum fœtal bovin | Thermo Fisher Scientific | 26140079 | |
| Embouts filtrants (10 µ ; L) | Gilson ; | ||
| Embouts filtrants (100 & micro ; L) | Gilson ; | ||
| Embouts filtrants (20 & micro ; L) | Gilson ; | ||
| Embouts filtrants (200 & micro ; L) | Gilson ; | ||
| Chlorhydrate de guanidine | Sigma-Aldrich | G3272 | |
| Amorce ISPCR (10 µ ; M) | Biomers.net GmbH | SP10006 | 5&prime ;-AAGCAGTGGTATCAACGCAGAG T-3&prime ; |
| KAPA HiFi HotStart ReadyMix (2X) | KAPA Biosystems | KK2601 | |
| Chlorure de magnésium (MgCl2) ; | Sigma-Aldrich | M8266 | |
| Support magnétique 96 | Ambion | AM10027 | |
| Neutraliser le Tampon de Marquage (NT) ; | Illumina | FC-131-1096 | Nextera XT DNA Library Prep Kit (96 échantillons), alternativement 0,2 % SDS |
| Amorce d’indexation compatible Nextera | Illumina | ||
| Eau sans nucléase | Invitrogen | 10977049 | |
| PBS | Thermo Fisher Scientific | AM9624 | |
| PCR Plaques à 96 puits | Thermo Fisher Scientific | AB0600 | |
| Scelleuse de plaques PCR | Thermo Fisher Scientific | HSF0031 | |
| Pénicilline / Streptomycine ; | Thermo Fisher Scientific | 15070063 | |
| fluorimètre Qubit 4 | Invitrogen | 15723679 | |
| Inhibiteur de la RNase recombinante (40 U/ul) | TAKARA | 2313A | |
| RPMI-1640 | Gibco | 61870036 | Si vous ne travaillez pas avec des PBMC, adaptez-vous au type de cellule. |
| SMART dT30VN | amorce Sigma-Aldrich | 5' Bio-AAGCAGTGGTATCAACGCAGAG TACT30VN-3 | |
| Équipement de laboratoire standard | divers divers | p. ex. centrifugeuse, machine à glace, seau à glace, eau distillée, bain-marie | |
| SuperScript II Transcriptase inverse (SSRT II) | Thermo Fisher Scientific | 18064-014 | |
| SuperScript II Tampon de transcriptase inverse (SSRT II) (5x) | Thermo Fisher Scientific | 18064-014 | |
| Tampon d’ADN de marquage (TD) | Illumina | FC-131-1096 | Nextera XT DNA Library Prep Kit (96 échantillons) |
| Système TapeStation 4200 | Agilent | G2991BA | |
| Thermocycleur (S1000) | Bio-Rad | 1852148 | |
| TSO-LNA (100 uM) | Eurogentec | 5' Biotine AAGCAGTGGTATCAACGCAGAG TACAT(G)(G){G | |
| Vortex-Genie 2 Mélangeur | Sigma-Aldrich | Z258415 |
Request permission to reuse the text or figures of this JoVE article
Request Permission