$$\rightleftharpoonup{xx}$$
$$\longleftharp{xx}$$,
$$\longrightharp{xx}$$,
Il campo della biologia sintetica dei mammiferi è progredito rapidamente, dallo sviluppo di semplici parti senso-e-risposta in linee cellulari in coltura all'ottimizzazione di reti complesse di geni per affrontare le sfide del mondo reale nella diagnostica e nella terapia1. Questi sofisticati circuiti sono in grado di rilevare input biologici dai profili di microRNA alle citochine ai farmaci a piccole molecole e di implementare circuiti di elaborazione logica tra cui transistor, filtri passa-banda, interruttori a levetta e oscillatori. Hanno anche mostrato risultati promettenti in modelli animali di malattie come cancro, artrite, diabete e molti altri 1,2,3,4,5. Tuttavia, man mano che la complessità di un circuito cresce, l'ottimizzazione dei livelli di ciascuno dei suoi componenti diventa sempre più impegnativa.
Un tipo particolarmente utile di circuito genetico è un classificatore cellulare, che può essere programmato per rilevare e rispondere agli stati cellulari. La produzione selettiva di proteine o RNA in specifici stati cellulari è un potente strumento per guidare e programmare la differenziazione di cellule e organoidi, identificare e distruggere le cellule malate e/o i tipi di cellule indesiderabili e regolare la funzione delle cellule terapeutiche 1,2,3,4,5 . Tuttavia, la creazione di circuiti nelle cellule di mammifero in grado di classificare con precisione gli stati cellulari da più RNA cellulare e / o specie proteiche è stata molto impegnativa.
Uno dei passaggi più dispendiosi in termini di tempo per lo sviluppo di un circuito di classificazione cellulare è ottimizzare i livelli di espressione relativi dei singoli geni componenti, come sensori e fattori di elaborazione, all'interno del circuito. Per accelerare l'ottimizzazione dei circuiti e consentire la costruzione di circuiti più sofisticati, recenti lavori hanno utilizzato la modellazione matematica dei circuiti classificatori di celle e dei loro componenti per prevedere composizioni e topologie ottimali 6,7. Mentre questo ha mostrato risultati potenti finora, l'analisi matematica è limitata dalla necessità di caratterizzare sistematicamente il comportamento input-output dei geni componenti nel circuito, che richiede tempo. Inoltre, una miriade di problemi dipendenti dal contesto possono emergere in circuiti genetici complessi, facendo sì che il comportamento di un circuito completo sfidi le previsioni basate sulle caratterizzazioni delle singole parti 8,9.
Per sviluppare e testare più rapidamente circuiti complessi di mammiferi come i classificatori di stato cellulare, il nostro laboratorio ha sviluppato una tecnica chiamata poli-trasfezione10, un'evoluzione dei protocolli di co-trasfezione plasmidica. Nella co-trasfezione, più specie di DNA plasmidico sono complessate insieme con un reagente lipidico o polimerico caricato positivamente, quindi consegnate alle cellule in modo correlato (Figura 1A). Nella poli-trasfezione, i plasmidi sono complessati separatamente con il reagente, in modo tale che il DNA di ciascun complesso di trasfezione venga consegnato alle cellule in modo de-correlato (Figura 1B). Utilizzando questo metodo, le cellule all'interno della popolazione trasfettata sono esposte a numerose combinazioni di rapporti di due o più carichi utili di DNA che trasportano diversi componenti del circuito.
Per misurare i rapporti dei componenti del circuito consegnati a ciascuna cellula, ogni complesso di trasfezione all'interno di una poli-trasfezione contiene un reporter fluorescente costitutivamente espresso che funge da proxy per l'assorbimento cellulare del complesso. Il DNA di riempimento che non contiene alcun elemento attivo all'interno di una cellula di mammifero viene utilizzato per sintonizzare la quantità relativa del reporter fluorescente e dei componenti del circuito consegnati a una cellula in un singolo complesso di trasfezione e viene discusso più dettagliatamente nella discussione. Un esempio di DNA di riempimento utilizzato nel laboratorio Weiss è un plasmide contenente una sequenza di terminazione, ma nessun promotore, sequenza codificante, ecc. Le cellule con diversi rapporti di componenti del circuito possono quindi essere confrontate per trovare rapporti ottimali per la funzione del circuito genico. Questo a sua volta produce previsioni utili per la scelta di promotori e altri elementi del circuito per raggiungere livelli ottimali di espressione genica quando si combinano componenti del circuito in un singolo vettore per l'integrazione genetica (ad esempio, un lentivirus, un trasposone o una piattaforma di atterraggio). Pertanto, invece di scegliere i rapporti tra i componenti del circuito in base all'intuizione o tramite un processo di prova ed errore che richiede tempo, la poli-trasfezione valuta un'ampia gamma di stechiometrie tra le parti genetiche in una reazione a singolo piatto.
Nel nostro laboratorio, la poli-trasfezione ha permesso l'ottimizzazione di molti circuiti genetici, tra cui classificatori cellulari, controller di feedback e feedforward e motivi bistabili. Questo metodo semplice ma potente accelera significativamente i cicli di progettazione per circuiti genetici complessi nelle cellule di mammifero. Da allora la poli-trasfezione è stata utilizzata per caratterizzare diversi circuiti genetici per rivelare le loro funzioni di trasferimento input-output multidimensionale ad alta risoluzione 10, ottimizzare una topologia circuitale alternativa per la classificazione dello stato cellulare11 e accelerare vari progetti pubblicati12,13 e in corso.
Qui descriviamo e rappresentiamo il flusso di lavoro per l'utilizzo della poli-trasfezione per ottimizzare rapidamente un circuito genetico (Figura 2). Il protocollo mostra come generare dati di poli-trasfezione di alta qualità ed evitare diversi errori comuni nel protocollo di poli-trasfezione e nell'analisi dei dati (Figura 3). Viene quindi illustrato come utilizzare la poli-trasfezione per caratterizzare semplici componenti del circuito e, nel processo, confrontare i risultati della poli-trasfezione con la co-trasfezione (Figura 4). Infine, i risultati della poli-trasfezione mostrano l'ottimizzazione del circuito del classificatore del cancro (Figura 5).