$$\rightleftharpoonup{xx}$$
$$\longleftharp{xx}$$,
$$\longrightharp{xx}$$,
Il protocollo qui descritto è stato utilizzato per costruire mappe di fitness per le varianti genetiche di S. cerevisiae attraverso un gradiente di stress bidimensionale di temperatura e salinità. In particolare, per ogni ceppo variante, abbiamo usato eVOLVER per condurre esperimenti di competizione pairwise contro un ceppo di riferimento con etichetta fluorescente (S. cerevisiae Strain BY4741 con un reporter mNeonGreen costituente integrato) in 16 diversi combinazioni di queste sollecitazioni (Figura 1). Per le varianti, sono stati selezionati due ceppi Knockout ciascuno stimato per essere sensibile a uno degli assi di condizione di sollecitazione: Δprx1 che è stato segnalato per avere difetti di idoneità in alte temperature20 e δpbs2 con difetti di idoneità ad alta concentrazioni di sale21. Come variante di controllo, è stato utilizzato un ceppo Wild-Type BY4741 senza etichetta, che dovrebbe eseguire in modo analogo al ceppo di riferimento. In totale, questi esperimenti di competizione di 3 72 ore sono stati condotti simultaneamente in 48 fiale in tre dispositivi eVOLVER (16 flaconcini) tutti eseguiti da un singolo computer.
Il dashboard interattivo eVOLVER viene utilizzato per esplorare la grande quantità di dati generati durante ogni esperimento (Figura 2a). Le tracce di OD rappresentativi su tutti i 16 flaconcini di un singolo dispositivo eVOLVER sono mostrate nella Figura 2B. Ogni traccia Mostra un caratteristico modello a dente di sega dall'algoritmo di controllo turbidostat, che utilizza il feedback su OD per innescare diluizioni e mantenere le colture in un intervallo di densità ristretto (0.2-0.3 in questo caso). I dati di OD e di temperatura vengono misurati continuamente, trasmessi al database abilitato per il cloud e aggiornati in tempo reale nella dashboard interattiva eVOLVER. Dai dati in continuo streaming, le metriche di ordine superiore (ad esempio, il tasso di crescita, le generazioni cumulative) possono essere calcolate e tracciate nel cruscotto (Figura 2C) e persino utilizzate come parametri di feedback in diversi schemi di selezione (ad esempio, morbidostat).
Per generare mappe di fitness, misuriamo la velocità con cui il ceppo di riferimento supera la deformazione della variante incorporando sia le misurazioni della citometria di flusso che i dati di crescita eVOLVER. In particolare, le frazioni di popolazione vengono calcolate come rapporto di log della deformazione di variante rispetto alla deformazione di riferimento utilizzando i dati di citometria a flusso da ciascun campione di tempo. Per ogni lingua e punto temporale, il numero di generazioni trascorso viene interpolato dai dati del tasso di crescita eVOLVER in ogni periodo di diluizione. Tracciando i rapporti di log rispetto alle generazioni, iniziano a emergere differenze qualitative tra le condizioni (Figura 3A). Per calcolare il fitness, una pendenza è adatta attraverso la porzione lineare di ogni trama18,19, ottenendo un valore di idoneità quantitativa (con segno e tasso) che descrive come il ceppo variante compete contro il ceppo di riferimento ( Figura 3B). In questo esperimento, i valori di idoneità negativa indicano che il ceppo variante è superato dal ceppo di riferimento. La costruzione di mappe termiche da tutti i calcoli di idoneità consente la visualizzazione del paesaggio di fitness bidimensionale, rivelando sottili differenze quantitative nelle prestazioni tra ceppi e condizioni (Figura 3C).
Dalle mappe termiche di fitness, vediamo che ogni ceppo variante presenta difetti di idoneità che si manifestano in modi diversi. Δprx1 è principalmente sensibile alle alte temperature, ma lo stress da sale sembra avere un effetto additivo, aumentando il difetto di idoneità. Al contrario, Δpbs2 Mostra difetti di idoneità principalmente in risposta a concentrazioni elevate di sale, con minime differenze lungo l'asse della temperatura. Questi risultati evidenziano l'utilità di esperimenti di selezione ad alta risoluzione in particolare per decifrare le interazioni di più fattori di stress ambientali, che potrebbero avere effetti additivi, sinergici o epistatici.
Infine, è importante notare che in alcuni casi, in particolare per le condizioni di stress gravi, calcoli di idoneità possono portare a risultati esagerati o distorti. Ad esempio, Δpbs2 sembra mostrare una pendenza positiva ripida nella condizione nacl di 39 ° c/1 M rispetto alla deformazione di riferimento (Figura 3A). Questo è attribuito alla scarsa crescita di entrambi i ceppi, che si riflette nei dati di tipo selvaggio e limita l'utilità di questa particolare metrica in questa condizione. Un numero insufficiente di generazioni provoca 1) scarsa separazione dei timepoint che interferisce con il raccordo inclinato e 2) sensibilità agli effetti stocastici originati dalla fase di lag. Anche se non abbiamo scelto di farlo in questo studio, i dati di crescita in tempo reale raccolti da eVOLVER durante l'esperimento avrebbero potuto essere utilizzati per informare la decisione di estendere l'esperimento e raccogliere ulteriori timepoint per questa condizione con poco sforzo. Negli esperimenti di follow-up, i rapporti iniziali potrebbero anche essere modulati per estendere la lunghezza della regione lineare prima che si verifichi la saturazione.

Figura 1: Panoramica del Framework eVOLVER e della progettazione sperimentale. (A) Evolver è una piattaforma di coltura automatizzata e continua che consente il controllo multiparametrico delle condizioni di coltura. La piattaforma è costituita da Smart Sleeve, che casa i sensori e gli attuatori per il controllo delle condizioni di coltura, un array di pompe peristaltiche per fluidi fluenti e rifiuti dentro e fuori le culture, un touchscreen per interagire manualmente con il dispositivo, e un computer utilizzato per interagire con l'infrastruttura cloud in cui vengono trasmessi i dati della piattaforma. (B) Evolver può essere configurato in diversi modi: fisicamente, attraverso gli ingressi cellulari e multimediali, e a livello di programmazione regolando gli algoritmi che controllano i moduli del flaconcino di coltura Smart Sleeve. Questo può essere utilizzato per programmare la selezione multidimensionale/gradienti ambientali ad alta risoluzione, con output costituiti da celle raccolte fisicamente a punti temporali definiti e streaming in tempo reale di dati di coltura. (C) configurazione di Evolver per condurre un esperimento di fitness di crescita attraverso un gradiente di selezione bidimensionale, composto di temperatura e stress osmotico. i flaconcini di coltura eVOLVER sono stati seminati con uguali proporzioni di un ceppo di lievito di riferimento e variante. Una routine turbidostat è stata programmata per mantenere tutte le culture in fase esponenziale in una finestra definita OD (OD 0.2-0.3). Le condizioni di temperatura e media sono state variate nell'array Smart Sleeve per formare due gradienti di sollecitazione indipendenti. I supporti di base erano composti da YPD (2% glucosio) + 100 μg/mL di carbenicillina + 25 μg/mL di cloramfenicolo come precauzione contro la contaminazione batterica. Composizioni multimediali sono stati variati aggiungendo NaCl supplementare a 0 M, 0,6 M, 0,8 M, o 1,0 M. le temperature del flaconcino sono state programmate a uno dei quattro valori: 30 ° c, 35 ° c, 37 ° c o 39 ° c. D) esempi di produzione grezza per la cultura od e frazioni di popolazione da tre condizioni testate. L'esperimento di competizione è stato mantenuto per 72 h, campionamento a 24 ore e successivamente ogni 12 h fino alla conclusione dell'esperimento. Si prega di cliccare qui per visualizzare una versione più grande di questa cifra.

Figura 2: dashboard di analisi dei dati in tempo reale eVOLVER. (A) i dati Evolver vengono elaborati e trasmessi in tempo reale tramite software basato su cloud a un dashboard interattivo. Attraverso il cruscotto, gli utenti possono definire e avviare le proprie routine di cultura su un eVOLVER connesso, monitorare gli esperimenti attualmente in esecuzione su tutte le unità eVOLVER e variare le condizioni sperimentali manualmente su un singolo flaconcino o set di flaconcini, se necessario. B) tracce od per ogni flaconcino attraverso la matrice di condizioni testate per l'intera durata dell'esperimento. Le tracce possono essere visualizzate in tempo reale per garantire che l'esperimento sia in esecuzione come desiderato e utilizzato dopo l'esperimento per ulteriori analisi. (C) i tassi di crescita e le generazioni cellulari possono essere calcolate dalle tracce od al volo per tenere traccia dei progressi degli esperimenti. Si prega di cliccare qui per visualizzare una versione più grande di questa cifra.

Figura 3: Costruzione di superfici di fitness. (A) frazioni di popolazione di cellule registro naturale (ceppo variante/ceppo di riferimento) tracciata contro le generazioni cellulari. Il colore indica la temperatura di selezione mentre i trattini distinguono le concentrazioni di sale. (B) per quantificare l'idoneità relativa della variante al ceppo di riferimento, una metrica di idoneità è derivata dalla velocità alla quale la frazione della popolazione cellulare cambia nel corso delle generazioni. Questa metrica viene calcolata dall'area lineare dei grafici delle frazioni cellulari utilizzando un minimo di tre punti. (C) le metriche relative al fitness sono visualizzate in una mappa di calore per costruire una superficie di fitness sui gradienti di stress ambientale. Le condizioni dell'angolo superiore destro (39 ° c/1,0 M NaCl) per il tipo selvaggio e Δpbs2 non sono incluse in questa analisi poiché le colture hanno attraversato generazioni insufficienti (vedere risultati rappresentativi). Si prega di cliccare qui per visualizzare una versione più grande di questa cifra.