Name: ScanLag: High-throughput Quantificazione del Colony crescita e ritardo (Video) | JoVE Journal
Uploaded: 2014-07-15T13:00:00.000+00:00
Duration: 7 min 47 s
Description: Impara a quantificare la distribuzione del lag nei batteri con ScanLag, un metodo ad alto rendimento che distingue tra lunghi tempi di lag e crescita lenta a livello di singola variante.

ai_agent_IP

ai_agent

maintenance

instantTrialDurationMinutes

isBiopharma

enableNewMyJoveSectionDesign

educationFeatures

seoMetaApi

ai_copilot_institution_blacklist

ai_chat_institution_blacklist

freeAccessWindow

ssoRoleCapture

scheduledMaintenanceBanner

joveLabsFeatures

disable_autoplay_for_bots

extended_trial_duration

5 minutes

Ringraziamo Eliq Oster per le immagini del Bacillus subtillis. Il lavoro è sostenuto dal Consiglio Europeo della Ricerca (# 260871) e dalla Israel Science Foundation (#592/10).

1. Costruire il Setup <ol><li> Scegli uno scanner piano con risoluzione ottica: 4.800 dpi; Risoluzione Hardware: 4.800 x 9.600 dpi; bit di profondità colore: 48 bit, in grado di operare ai relativi livelli di temperatura e umidità. </li><li> Capsule di Petri hanno un volume significativo, a differenza della carta di solito usato su scanner commerciali. Le colonie si trovano sulla parte superiore dello strato di agar, circa 5 mm dalla superficie dello scanner. Nota: Per la maggior parte degli scanner le colonie saranno a fuoco. </li><li> Alcune aziende scanner non consentono il collegamento di più istanze di scanner dello stesso tipo allo stesso computer. Assicurarsi che più di uno scanner può essere collegato e identificato in modo univoco. </li><li> Preparare gli accessori, come specificato di seguito: <ol><li> Preparare pezzi di feltro nero sterile panno per coprire le piastre (Figura 1 punto 2). </li><li> Per tenere le capsule di Petri in luogo, preparare gli imprenditori piatto bianco (Materiali e metodi) che si adattano gli scanner e che hanno 6 Holes la dimensione delle antenne (Figura 1 punto 3). </li></ol></li><li> Se necessario per la crescita dei microrganismi, mettere gli scanner in un ambiente a temperatura controllata. Collegare gli scanner al computer. </li><li> Opzionale: Collegare il relè al computer e bypassare l&#39;interruttore on / off dello scanner per superare gradiente di temperatura. NOTA: L&#39;unità relè è di microrganismi estremamente sensibili alla temperatura. Si spegne lo scanner in modo che l&#39;elettronica non scaldano la superficie non uniforme. Utilizzando solo parte della superficie dello scanner può ottenere risultati simili. </li></ol> 2. Installare il Gestore di scansione <ol><li> Copiare tutti i file dell&#39;applicazione &quot;Scanning agenzia &#39;in una directory designata da http://www.phys.huji.ac.il/bio_physics/nathalie/publications.html. </li><li> Configurare il file ScanningManager.exe.config secondo i nomi scanner come appaiono in Gestione Computer-&gt; Gestione periferiche-&gt; Dispositivi di imaging ( <strong&gt; Figura 2). </li><li> Per la risoluzione dei problemi dell&#39;applicazione &#39;Scanning Manager&#39;, vedere il file Leggimi. </li><li> Per ulteriore documentazione relativa all&#39;applicazione &#39;Scanning Manager&#39;, vedi documentation.html. </li></ol> 3. Eseguire un esperimento <ol><li> Preparare le piastre di Petri (Figura 1): <ol><li> Diluire la cultura a circa 2.000 CFU / ml. Piatto 0.1 ml di coltura uniformemente sulla superficie della lastra. </li><li> Per ottenere un buon contrasto tra le colonie e il piatto e per assorbire l&#39;umidità, coprire il piatto con un pezzo di feltro nero sterile panno. Mettere coperchio sulla piastra. </li></ol></li><li> Posizionare le piastre nei supporti sui scanner. </li><li> Avviare il Gestore di scansione (Figura 3): Scegliere gli scanner partecipanti dalla lista degli scanner collegati. Scegliere il numero di immagini da prendere (ripetizioni), l&#39;intervallo di tempo tra le immagini successive (Time gap), e il ritardo di tempo prima di iniziare tegli esperimento (Start After). </li></ol> 4. Analisi delle immagini NOTA: Cenni di metodi computazionali è previsto per analizzare le immagini in MATLAB con &quot;ScanLag&quot;, che è liberamente disponibile per uso non commerciale a http://www.phys.huji.ac.il/bio_physics/nathalie/publications. html. Altre funzioni disponibili sono descritti nel manuale del software, e un esempio di codice, siano completati. <ol><li> Ordinare le immagini da ogni scanner in cartelle separate. </li><li> Utilizzando la finestra di comando di Matlab, eseguire le seguenti procedure. I parametri necessari per eseguire queste procedure sono definite nel manuale del software. <ol><li> Eseguire PreparePictures effettuare la pre-elaborazione: in pre-elaborazione, le immagini da uno scanner sono allineate. Ogni piatto di Petri è ritagliata da ogni sequenza di immagini. Il momento in cui ciascuna immagine è stato raccolto viene recuperato dal timestamp. </li><li> TLAllPlates Run per eseguire il rilevamento e il monitoraggio in each piatto di Petri separatamente, le colonie vengono rilevati e assegnato un numero di identificazione. </li><li> Analisi dei dati estratti: Le dimensioni di ogni colonia rilevati sono misurati in funzione del tempo. Per estrarre la distribuzione comparsa delle colonie utilizzare le seguenti funzioni nella finestra di comando di Matlab (ulteriori informazioni sono disponibili nel manuale del software): <ol><li> Eseguire ScanLagApp per visualizzare l&#39;analisi di un determinato piatto Petri insieme con il grafico delle colonie dimensionare in funzione del tempo (Figura 4). <ol><li> Utilizzare il cursore per modificare l&#39;ora corrente della piastra. I tempi altresì indicato da una linea verticale sul grafico corrispondente zona colonie. </li><li> Clicca su una colonia per vedere la sua curva associato, e viceversa, fare clic su una curva per trovare la sua colonia associato. Dopo aver identificato la colonia, il fenotipo può essere recuperato scegliendo la colonia dalla piastra di Petri identificato. </li><li> Filtra i difetti di analisi automatica da choocantare una colonia e cliccando sul pulsante escludere. Cliccando esclude il numero della colonia diventa giallo. </li></ol></li><li> Dopo aver attraversato i risultati dell&#39;analisi di ciascuna piastra, riassumere i risultati: <ol><li> Eseguire AddHistograms per creare un istogramma dei tempi di comparsa. </li><li> Eseguire plotDeathCurve per creare una rappresentazione curva di sopravvivenza della distribuzione. </li><li> Eseguire GetAppearanceTimes per ottenere il tempo di comparsa di tutte le colonie nell&#39;esperimento. </li></ol></li></ol></li></ol></li></ol>

<ol><li>Bochner, B. R. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Global+phenotypic+characterization+of+bacteria%5BTitle%5D)+AND+%22FEMS+Microbiol+Rev%22%5BJournal%5D)">Global phenotypic characterization of bacteria.</a> FEMS Microbiol Rev. 33, 191-205 (2009).</li>
<li>Monod, J. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((The+growth+of+bacterial+cultures%5BTitle%5D)+AND+%22Annual+Reviews+in+Microbiology%22%5BJournal%5D)">The growth of bacterial cultures.</a> Annual Reviews in Microbiology. 3, 371-394 (1949).</li>
<li>Penfold, W. J. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((On+the+Nature+of+Bacterial+Lag%5BTitle%5D)+AND+%22J+Hyg+%28Lond%22%5BJournal%5D)">On the Nature of Bacterial Lag.</a> J Hyg (Lond. 14, 215-241 (1914).</li>
<li>Powell, E. O. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Growth+rate+and+generation+time+of+bacteria%2C+with+special+reference+to+continuous+culture%5BTitle%5D)+AND+%22J+Gen+Microbiol%22%5BJournal%5D)">Growth rate and generation time of bacteria, with special reference to continuous culture.</a> J Gen Microbiol. 15, 492-511 (1956).</li>
<li>Elfwing, A., LeMarc, Y., Baranyi, J., Ballagi, A. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Observing+growth+and+division+of+large+numbers+of+individual+bacteria+by+image+analysis%5BTitle%5D)+AND+%22Applied+and+Environmental+Microbiology%22%5BJournal%5D)">Observing growth and division of large numbers of individual bacteria by image analysis.</a> Applied and Environmental Microbiology. 70, 675-678 (2004).</li>
<li>Hertog, A., et al. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Simplified+automated+image+analysis+for+detection+and+phenotyping+of+Mycobacterium+tuberculosis+on+porous+supports+by+monitoring+growing+microcolonies%5BTitle%5D)+AND+%22PloS+one%22%5BJournal%5D)">Simplified automated image analysis for detection and phenotyping of Mycobacterium tuberculosis on porous supports by monitoring growing microcolonies.</a> PloS one. 5, (2010).</li>
<li>Levin-Reisman, I., et al. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Automated+imaging+with+ScanLag+reveals+previously+undetectable+bacterial+growth+phenotypes%5BTitle%5D)+AND+%22Nature+Methods%22%5BJournal%5D)">Automated imaging with ScanLag reveals previously undetectable bacterial growth phenotypes.</a> Nature Methods. 7, (2010).</li>
<li>Lewis, K. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Persister+cells%5BTitle%5D)+AND+%22Annual+review+of+microbiology%22%5BJournal%5D)">Persister cells.</a> Annual review of microbiology. 64, 357-372 (2010).</li>
<li>Metris, A., George, S. M., Baranyi, J. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Use+of+optical+density+detection+times+to+assess+the+effect+of+acetic+acid+on+single-cell+kinetics%5BTitle%5D)+AND+%22Applied+and+Environmental+Microbiology%22%5BJournal%5D)">Use of optical density detection times to assess the effect of acetic acid on single-cell kinetics.</a> Applied and Environmental Microbiology. 72, 6674-6679 (2006).</li>
<li>Niven, G. W., Fuks, T., Morton, J. S., Rua, S. A. C. G., Mackey, B. M. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((A+novel+method+for+measuring+lag+times+in+division+of+individual+bacterial+cells+using+image+analysis%5BTitle%5D)+AND+%22Journal+of+Microbiological+Methods%22%5BJournal%5D)">A novel method for measuring lag times in division of individual bacterial cells using image analysis.</a> Journal of Microbiological Methods. 65, 311-317 (2006).</li>
<li>Niven, G. W., Morton, J. S., Fuks, T., Mackey, B. A. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Influence+of+environmental+stress+on+distributions+of+times+to+first+division+in+Escherichia+coli+populations%2C+as+determined+by+digital-image+analysis+of+individual+cells%5BTitle%5D)+AND+%22Applied+and+Environmental+Microbiology%22%5BJournal%5D)">Influence of environmental stress on distributions of times to first division in Escherichia coli populations, as determined by digital-image analysis of individual cells.</a> Applied and Environmental Microbiology. 74, 3757-3763 (2008).</li>
<li>Pin, C., Baranyi, J. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Single-cell+and+population+lag+times+as+a+function+of+cell+age%5BTitle%5D)+AND+%22Applied+and+Environmental+Microbiology%22%5BJournal%5D)">Single-cell and population lag times as a function of cell age.</a> Applied and Environmental Microbiology. 74, 2534-2536 (2008).</li>
<li>Guillier, L., Pardon, P., Augustin, J. C. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Influence+of+stress+on+individual+lag+time+distributions+of+Listeria+monocytogenes%5BTitle%5D)+AND+%22Applied+and+Environmental+Microbiology%22%5BJournal%5D)">Influence of stress on individual lag time distributions of Listeria monocytogenes.</a> Applied and Environmental Microbiology. 71, 2940-2948 (2005).</li>
<li>Metris, A., George, S. M., Peck, M. W., Baranyi, J. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Distribution+of+turbidity+detection+times+produced+by+single+cell-generated+bacterial+populations%5BTitle%5D)+AND+%22Journal+of+Microbiological+Methods%22%5BJournal%5D)">Distribution of turbidity detection times produced by single cell-generated bacterial populations.</a> Journal of Microbiological Methods. 55, 821-827 (2003).</li>
<li>Balaban, N. Q., Merrin, J., Chait, R., Kowalik, L., Leibler, S. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Bacterial+persistence+as+a+phenotypic+switch%5BTitle%5D)+AND+%22Science%22%5BJournal%5D)">Bacterial persistence as a phenotypic switch.</a> Science. 305, 1622-1625 (2004).</li>
<li>Glaser, D. A., Wattenburg, W. H. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((An+automated+system+for+the+growth+and+analysis+of+large+numbers+of+bacterial+colonies+using+an+environmental+chamber+and+a+computer-controlled+flying-spot+scanner%5BTitle%5D)+AND+%22Ann+N+Y+Acad+Sci%22%5BJournal%5D)">An automated system for the growth and analysis of large numbers of bacterial colonies using an environmental chamber and a computer-controlled flying-spot scanner.</a> Ann N Y Acad Sci. 139, 243-257 (1966).</li>
<li>Guillier, L., Pardon, P., Augustin, J. C. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Automated+image+analysis+of+bacterial+colony+growth+as+a+tool+to+study+individual+lag+time+distributions+of+immobilized+cells%5BTitle%5D)+AND+%22Journal+of+Microbiological+Methods%22%5BJournal%5D)">Automated image analysis of bacterial colony growth as a tool to study individual lag time distributions of immobilized cells.</a> Journal of Microbiological Methods. 65, 324-334 (2006).</li>
<li>Michel, J. B., Yeh, P. J., Chait, R., Moellering, R. C., Kishony, R. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Drug+interactions+modulate+the+potential+for+evolution+of+resistance%5BTitle%5D)+AND+%22Proceedings+of+the+National+Academy+of+Sciences+of+the+United+States+of+America%22%5BJournal%5D)">Drug interactions modulate the potential for evolution of resistance.</a> Proceedings of the National Academy of Sciences of the United States of America. 105, 14918-14923 (2008).</li>
<li>Ernebjerg, M., Kishony, R. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Distinct+Growth+Strategies+of+Soil+Bacteria+as+Revealed+by+Large-Scale+Colony+Tracking%5BTitle%5D)+AND+%22Applied+and+Environmental+Microbiology%22%5BJournal%5D)">Distinct Growth Strategies of Soil Bacteria as Revealed by Large-Scale Colony Tracking.</a> Applied and Environmental Microbiology. 78, 1345-1352 (2012).</li>
<li>Rotem, E., et al. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Regulation+of+phenotypic+variability+by+a+threshold-based+mechanism+underlies+bacterial+persistence%5BTitle%5D)+AND+%22Proceedings+of+the+National+Academy+of+Sciences+of+the+United+States+of+America%22%5BJournal%5D)">Regulation of phenotypic variability by a threshold-based mechanism underlies bacterial persistence.</a> Proceedings of the National Academy of Sciences of the United States of America. 107, 12541-12546 (2010).</li>
<li>Bigger, J. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((The+bactericidal+action+of+penicillin+on+staphylococcus+pyogenes%5BTitle%5D)+AND+%22Irish+Journal+of+Medical+Science%22%5BJournal%5D)">The bactericidal action of penicillin on staphylococcus pyogenes.</a> Irish Journal of Medical Science. 19, 585-595 (1944).</li>
<li>Hofsteenge, N., van Nimwegen, E., Silander, O. K. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Quantitative+analysis+of+persister+fractions+suggests+different+mechanisms+of+formation+among+environmental+isolates+of+E.+coli%5BTitle%5D)+AND+%22BMC+Microbiol%22%5BJournal%5D)">Quantitative analysis of persister fractions suggests different mechanisms of formation among environmental isolates of E. coli.</a> BMC Microbiol. 13, 25 (2013).</li>
<li>Moyed, H. S., Bertrand, K. P. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Hipa+a+Newly+Recognized+Gene+of+Escherichia-Coli+K-12+That+Affects+Frequency+of+Persistence+after+Inhibition+of+Murein+Synthesis%5BTitle%5D)+AND+%22Journal+of+Bacteriology%22%5BJournal%5D)">Hipa a Newly Recognized Gene of Escherichia-Coli K-12 That Affects Frequency of Persistence after Inhibition of Murein Synthesis.</a> Journal of Bacteriology. 155, 768-775 (1983).</li>
<li>Balaban, N. Q. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Persistence%3A+mechanisms+for+triggering+and+enhancing+phenotypic+variability%5BTitle%5D)+AND+%22Current+Opinion+in+Genetics+%26+Development%22%5BJournal%5D)">Persistence: mechanisms for triggering and enhancing phenotypic variability.</a> Current Opinion in Genetics & Development. 21, 768-775 (2011).</li>
</ol>

Gli autori non hanno nulla da rivelare.

Metodi microscopici basati sull&#39;osservazione diretta sono spesso considerati come il &quot;golden standard&quot; per studiare il comportamento della singola cellula. ScanLag, che permette di misurare la distribuzione dei tempi di ritardo in popolazioni batteriche, fornisce dati in buon accordo con la distribuzione ottenuta dall&#39;analisi unicellulare e raggiunge statistiche molto più elevate. Diversi passaggi critici devono essere eseguiti per questo metodo di lavorare bene: in primo luogo, non compromesso sulla risoluzione dello scanner, che dovrebbe essere 4.800 x 9.600 a ottenere buone immagini. In secondo luogo, essere consapevoli del fatto che senza il modulo di gestione di potenza (fase 1.6), gradiente di temperatura può svilupparsi sulla superficie del piano e sulla crescita. Un altro passo importante è la filtrazione di difetti quali polvere che possono essere stati erroneamente contati come colonie dal software. La sottrazione del fondo built-in del software di solito supera questi difetti, ma le colonie a volte &quot;falsi&quot; devonofiltrare manualmente. Le principali operazioni di troubleshooting potrebbero affrontare variazione inter-plate nel setup, a causa di diversi motivi: (a) Il tasso di crescita dei microrganismi è influenzato dalla temperatura. Temperatura e umidità diverse condizioni possono verificarsi a causa di ventilazione irregolare o la località del piatto in incubatrice. (B) L&#39;elettronica dello scanner potrebbero surriscaldarsi e causare un gradiente di temperatura attraverso la superficie dello scanner. Figura 10 mostra l&#39;influenza di tale gradiente termico spaziale sui batteri Bacillus, insieme alle misurazioni della temperatura sulla superficie scanner prima e dopo l&#39;attuazione del modulo di gestione di potenza (punto 1.6). Si noti che questo modulo potrebbe non essere necessario per scanner più recenti, e se viene utilizzata solo una parte della superficie dello scanner, gestione dell&#39;alimentazione può essere superflua. (C) Piastre con diverse opacità del nutriente agar potrebbero portare a diversi livelli di rilevamento. Figura 11 mostra the la tolleranza per i diversi volumi di agar nutriente che si traducono in diverse opacità. Sperimentalmente la tecnica ScanLag è facile da eseguire e richiede solo alla piastra microrganismi su piatti standard Petri, e metterli sulla superficie dello scanner. Il software sviluppato controlla l&#39;intera procedura. L&#39;acquisizione dell&#39;immagine avviene automaticamente, e l&#39;analisi di immagine per l&#39;inseguimento colonia è automatica. Inoltre, il sistema può essere scalata-up per misurare molte condizioni differenti allo stesso tempo. Infine, il metodo si basa su scanner uffici commerciali e, dunque, è a basso costo. Questa tecnica può essere estesa allo studio dei microrganismi che differiscono da E. coli K-12, tuttavia diverse considerazioni devono essere fatte. In primo luogo, l&#39;influenza di prime colonie appaiono su quelle successive deve essere valutato, come descritto in dettaglio in una pubblicazione precedente 7. Per E. Coli K-12, ladensità massima di UFC per piastra è 200. Altri ceppi con diverse dimensioni delle colonie, e di altri cross talk possibile tra le colonie, potrebbe richiedere una diversa densità. In secondo luogo, l&#39;analisi delle piastre è tarato per specifiche soglie software basato che potrebbe aver bisogno di essere modificato, a seconda del contrasto tra il mezzo solido e le colonie. Il software può essere esteso anche ad estrarre altre caratteristiche colonie, al di là di ritardo e tasso di crescita. Il codice del software è aperto e può essere modificato per estrarre forma colonia, luminosità, morbidezza e colore. Poiché misure sono effettuate su colonie che hanno origine da cellule singole, i dati rivelano nuovi fenotipi che non può essere misurata con misure del livello di popolazione. L&#39;importanza della distribuzione del tempo di ritardo viene rivelato in presenza di antibiotici. Molti antibiotici sono noti per essere efficace solo contro cellule in crescita; Pertanto fintantoché cellule rimangono nella fase di latenza e non crescono, sono proprotetti dagli effetti di tali antibiotici 21. Quando il numero di batteri superstiti vengono valutate ad intervalli di tempo durante il trattamento antibiotico 15,22,23, una sottopopolazione di batteri, chiamato persistenti, è spesso rivelato. In taluni casi, immunità al trattamento antibiotico proviene dal ritardo prolungato. Usando questa configurazione, questo ritardo è rivelata e spesso ha un non banale distribuzione 24 (Figura 6). Questo metodo consente inoltre il recupero di mutanti rare. Ad esempio, dopo la placcatura una popolazione mutagenizzato, i mutanti possono essere identificati sulla base di fenotipo e isolato direttamente, senza selezione. La configurazione potrebbe anche monitorare le interazioni cellula-cellula misurando la crescita di colonie in funzione della densità di colonie vicine e quantificare fenomeni come quorum sensing o la diffusione dei batteri brulicanti. Informazioni multidimensionali scoperto da futuri esperimenti con questo metodo porterà ad una migliore caratterizzazione della popolazione microbicas e ai progressi della ricerca medica e ambientale.

I batteri si sono evoluti per rispondere a molte condizioni di stress. Una caratteristica generale di adattamento allo stress è un cambiamento nelle dinamiche di crescita 1,2. Dinamiche di crescita sono caratterizzati per lo più da due parametri: il tasso di crescita esponenziale e il tempo di ritardo, vale a dire il tempo necessario per adattarsi alle nuove condizioni. Considerando che un gran numero di metodi high throughput concentrarsi su misurazioni del tasso di crescita, il ritardo è spesso un parametro di fronte, anche se è il parametro fondamentale per la caratterizzazione di adattamento alle nuove condizioni. Quantificazione del adattamento alle mutevoli condizioni è stata tradizionalmente eseguita con metodi manuali laboriosi 3,4. Più recentemente, sono state sviluppate tecniche avanzate per l&#39;analisi delle singole cellule 5,6. Tuttavia, è ancora difficile distinguere la crescita normale dopo un ritardo di crescita (ossia un ritardo) 2,3 dalla crescita lenta. Un metodo automatizzato è stato costruito, ScanLag 7, perdiscriminare tra queste due fenotipi simili. Un esempio lampante dell&#39;importanza dello studio della distribuzione del tempo di ritardo viene rivelato sotto trattamento antibiotico. Antibiotici e altri stress Molti uccidere solo le cellule in attiva crescita, e, quindi, cellule che sono &quot;ritardo&quot; sono protetti 8. Per monitorare ritardo, si può osservare singole cellule al microscopio e monitorare il tempo alla prima divisione. Un grave inconveniente di questo metodo è che l&#39;intervallo di tempo dinamico è limitato; quelle cellule che crescono precoce coprono la superficie a velocità esponenziale, riducendone la crescita delle cellule con ritardo più lungo. L&#39;utilizzo di camere di flusso aggira alquanto questa 5, ma un numero limitato di cellule possono essere monitorati e la frazione di batteri che esce dalla fase di ritardo dopo la maggior parte della popolazione ha cominciato a crescere non può essere osservato. Nonostante queste limitazioni, diversi studi hanno valutato l&#39;influenza del livello di different insiste sulla distribuzione ritardo utilizzando la microscopia singola cellula 9-12. Un altro modo per monitorare la distribuzione ritardo è attraverso misure di torbidità 13,14. Molte colture in parallelo, ciascuno iniziato da una singola cellula, sono coltivate in un lettore di densità ottica che misura il numero di batteri in coltura nel tempo. Questo metodo è limitata dalla precisione del estrapolazione e al numero di pozzetti in una piastra. Un metodo automatizzato è stato sviluppato, chiamato ScanLag, che consente tempi di latenza e le distribuzioni di tempo la crescita deve essere valutata, anche per la piccola percentuale di batteri in una popolazione che hanno tempi di latenza molto lunghi. Il metodo si basa sulla rilevazione di colonie su piastre di agar nutriente convenzionale 15 (Figura 1). Per automatizzare il rilevamento 16,17 una matrice di scansione commerciali 18 che sono diretti dal software in casa di acquisire immagini periodicamente delle piastre, è stato progettato. Software eraprogettato per analizzare automaticamente le immagini ed estrarre parametri quantitativi 19,20, come il tempo di comparsa di ogni colonia e la crescita tempo di ogni colonia, che è qui definito come il tempo di crescere da 20 pixel per 80 pixel. Presentiamo qui il metodo in dettaglio, compresa la configurazione del sistema e l&#39;uso del software di analisi delle immagini automatizzata che è stato migliorato con una migliore interfaccia utente. Questo metodo può essere adattato per misurare altre caratteristiche di colonie, come la morfologia e colore. Misurazione di questi tipi di parametri consentirà l&#39;uso del sistema in fenomica multidimensionali. Come il metodo rileva colonie da singole cellule, il sistema può rivelare nuovi fenotipi che non possono essere misurati da misure del livello di popolazione. La tecnica consente il rilevamento e il recupero di varianti rare, e facilita lo screening per tratti desiderati.

<table><tbody><tr><td>Bacto agar</td><td>BD</td><td>214010</td><td></td></tr><tr><td>Difco LB broth</td><td>BD</td><td>240230</td><td></td></tr><tr><td>Petri dish 90 mm</td><td>Miniplast</td><td>20090-01</td><td></td></tr><tr><td>Epson Perfection v37</td><td>Epson</td><td>B11B207201</td><td>Scanner piano con risoluzione ottica: 4.800 dpi, risoluzione hardware:&nbsp; 4.800 x 9.600 dpi, profondità di bit del colore 48 bit.</td></tr><tr><td>Epson Perfection v200</td><td>Epson</td><td>B11B188011</td><td></td></tr><tr><td>Epson Perfection 3490</td><td>Epson</td><td>B11B177011</td><td></td></tr><tr><td>ADU200 USB Relay</td><td>ONTRAK</td><td></td><td></td></tr><tr><td>Pezzi di feltro nero sterile</td><td>Su</td><td></td> misura <td>Circa 100 x 100 mm</td></tr><tr><td>Portapiatti bianchi</td><td>Su</td><td></td> misura <td>Dimensioni della superficie, con foro</td></tr> <tr><td>di diametro 6 x 99 mmAnelli in delerin delle dimensioni della capsula di Petri</td><td>Diametro</td><td></td><td>interno: 72 mm Diametro esterno: 86 mm Diametro esterno superiore: 90 mm</td></tr></tbody></table>

scanlag: high-throughput quantificazione del colony crescita e ritardo

ScanLag: High-throughput Quantification of Colony Growth and Lag Time

Le dinamiche di crescita sono caratteristiche fondamentali dei microrganismi. Quantificare con precisione la crescita è un obiettivo importante in microbiologia. La dinamica di crescita è influenzata sia dal tempo di raddoppio del microrganismo sia da eventuali ritardi nella crescita al passaggio da una condizione all'altra, il lag. Il metodo ScanLag consente la caratterizzazione di queste due proprietà indipendenti a livello di colonie originate ciascuna da una singola cellula, generando una distribuzione bidimensionale del tempo di ritardo e del tempo di crescita. In ScanLag, la misurazione del tempo necessario per il rilevamento delle colonie su piastre di agar con nutrienti convenzionali è automatizzata su una serie di scanner commerciali controllati da un'applicazione interna. Le piastre di Petri vengono posizionate sugli scanner e l'applicazione acquisisce periodicamente le immagini. L'analisi automatizzata della crescita delle colonie viene quindi eseguita da un'applicazione che restituisce il tempo di comparsa e il tasso di crescita di ciascuna colonia. Altri parametri, come la forma, la consistenza e il colore della colonia, possono essere estratti per la mappatura multidimensionale di sottopopolazioni di cellule. Infine, il metodo consente il recupero di varianti rare con fenotipi di crescita specifici per un'ulteriore caratterizzazione. La tecnica potrebbe essere applicata in batteriologia per l'identificazione di lunghi ritardi che possono causare persistenza agli antibiotici, nonché una tecnica generale a basso costo per gli screening fenotipici.

Come esempio di estrazione distribuzione ritardo, la Figura 5 mostra la capacità di ScanLag di identificare e tracciare ogni colonia con caratteristiche specifiche in un&#39;unica piastra nel tempo, come avverrebbe in un saggio di screening. Quando la coltura del microorganismo è eterogeneo, le diverse sottopopolazioni potrebbero si rivelano durante il dosaggio. Ad esempio, la Figura 6 mostra la quantificazione aspetto e mostra una distribuzione bimodale ritardo in un ceppo mutante di E. così coli. Il tasso di crescita delle cellule influenza il tempo di comparsa della colonia. Quando le colonie crescono alla stessa velocità, il ritardo aspetto può essere attribuito al ritardo (Figura 7). Per convalidare che il metodo effettivamente misura il tempo di ritardo di singole cellule, abbiamo confrontato i risultati ScanLag con quelli ottenuti usando la microscopia a cella singola; questa convalida è discribed in dettaglio in una pubblicazione precedente 7. Questo metodo consente il monitoraggio di molte più celle che possono essere valutati con microscopia. Le distribuzioni ottenute mediante microscopia e ottenuti con ScanLag in gran parte si sovrappongono. La distribuzione ScanLag è leggermente più ampio; analisi teoriche prevedono ampliare essere dell&#39;ordine della deviazione standard del tempo di divisione. Se il tempo di crescita è diverso per ogni ceppo, l&#39;origine del ritardo nella comparsa deve essere ulteriormente studiata utilizzando altri metodi. L&#39;influenza dei primi, che appare colonie l&#39;aspetto delle colonie più tardi è stato esaminato. Esperimenti di controllo 7 confermato che successiva comparsa non è stata influenzata purché il numero totale di colonie per piastra non superava 200 (Figura 8). Un altro esperimento di controllo ha confermato che la posizione della colonia sulla piastra non influenzava il suo tempo aspetto 7. L&#39;analisi della ptardive è tarato per soglie specifiche che potrebbero aver bisogno di modifiche a seconda delle sostanze nutritive presenti nel terreno di coltura o il tipo di microrganismo. Tuttavia, l&#39;analisi è molto robusto per una vasta gamma di soglie, come mostrato nella Figura 9. <img alt="Figura 1" fo:content-width="5in" src="/files/ftp_upload/51456/51456fig1highres.jpg" width="500" /> Figura 1. Un diagramma schematico dei passi necessari per creare una distribuzione aspetto colonia. <img alt="Figura 2" fo:content-width="5in" src="/files/ftp_upload/51456/51456fig2highres.jpg" width="500" /> Figura 2. Una schermata di Gestione periferiche mostra i nomi degli scanner collegati, e del file di configurazione. <a href="https://www.jove.com/files/ftp_upload/5456/51456fig2highres.jpg" target="_blank">cliccate qui per vedere una più grande</a>versione di questa figura. <img alt="Figura 3" fo:content-width="5in" src="/files/ftp_upload/51456/51456fig3highres.jpg" width="500" /> Figura 3. Un&#39;immagine del Gestore Scanning. <img alt="Figura 4" fo:content-width="5in" src="/files/ftp_upload/51456/51456fig4highres.jpg" width="500" /> Figura 4. Un&#39;immagine del ScanLagApp. Un&#39;immagine della piastra sia nel riquadro di sinistra, e le curve di crescita di ogni colonia sono nel riquadro di destra, come indicato nel manuale. Le punte in alcune delle curve zona colonie si verificano quando due o più colonie si fondono. Quando la fusione di colonie accade, l&#39;area di queste colonie è considerata come la zona del giunto. <img alt="Figura 5" fo:content-width="5in" src="/files/ftp_upload/51456/51456fig5highres.jpg" width="500" /> Figura 5. Un risultato rappresentativo dell&#39;analisi di una piastra. (A) Un&#39;immagine del output dell&#39;applicazione rilevamento alla fine dell&#39;esperimento. Ogni area colonia è identificata, colorata e assegnato un numero ID univoco. Le frecce indicano le colonie rappresentative misurato in B. viene rilevata La colonia basata sulla soglia d&#39;intensità (per colonie di E. coli su LB agar agar o M9 questa soglia è 0,03. Per altri supporti o batteri, questa soglia può essere regolato in funzione ProcessPictures ). Solo gli oggetti superiori a 10 pixel sono contati (questa soglia può essere modificata nei MatchColonies funzione). Rilevamento di una colonia inizia a circa 10 5 batteri. (B) Lotto di zona in pixel in funzione del tempo di quattro colonie di rappresentanza in questo piatto. Il &#39;tempo di comparsa&#39; di ogni colonia è quando viene rilevata la colonia. Il &#39;tempo di crescita&#39; di ogni colonia è qui definito come il tempo di crescere indietrom 20 pixel a 80 pixel (quei confini sono regolabili mediante la funzione getAppearanceGrowthByVec). Il software esclude le colonie che fuse prima di raggiungere il limite superiore. Identificazione di una colonia specifica in base alle sue caratteristiche è facile grazie al numero di identificazione e il colore assegnato ad ogni colonia. Per esempio COLONIE # 1, 56, 77 e 124 sono evidenziate in entrambi i grafici. <img alt="Figura 6" fo:content-width="5in" src="/files/ftp_upload/51456/51456fig6highres.jpg" width="500" /> Figura 6. Aspetto quantificazione può rivelare bimodale distribuzione del tempo di ritardo. Confronto tra analisi ScanLag istogrammi dei tempi di presenza per i due ceppi diversi. Linea blu: ceppo selvatico in crescita esponenziale (totale: 1.320 colonie); line-alta rossa persistenza mutante arricchito con batteri in ritardo di sviluppo (totali: 1.529 colonie). (A) istogrammi aspetto normalizzate. Il piccodi comparsa di cellule in crescita esponenziale è il tempo tipico di crescere per una colonia rilevabile. Inserto: stesso istogramma del ceppo mutante dopo aver sottratto il tempo del picco della cultura esponenziale per ottenere il tempo di ritardo reale sul bidoni log-distanziati mostrano la distribuzione bimodale ritardo. (B) Funzione di sopravvivenza degli stessi dati come in (A) su una scala logaritmica. Questa rappresentazione migliora l&#39;aspetto coda tardiva del ceppo mutante. <img alt="Figura 7" fo:content-width="5in" src="/files/ftp_upload/51456/51456fig7highres.jpg" width="500" /> Figura 7. Distribuzione Aspetto e distribuzione del tempo di crescita. (A) e (B) mostrano due istogrammi dimensionali del tempo aspetto e il tempo di crescita delle due condizioni diverse (il software esclude colonie che si sono fuse prima di raggiungere il limite superiore). (C) Confrontando gli istogrammidei due ceppi mostrano la differenza di tempo aspetto, considerando che i tempi di sviluppo (D) sono simili. <a href="https://www.jove.com/files/ftp_upload/51456/51456fig7highres.jpg" target="_blank">Cliccare qui per vedere una versione più grande di questa figura.</a> <img alt="Figura 8" fo:content-width="5in" src="/files/ftp_upload/51456/51456fig8highres.jpg" width="500" /> Figura 8. L&#39;aspetto delle prime colonie non interferisce con la comparsa di colonie successive. (A) lag distribuzione temporale delle cellule wild-type placcati solo. (B) lag distribuzione temporale di un ceppo sensibile a freddo da sola, dopo il trasferimento alla temperatura permissiva. (C) lag distribuzione temporale dei due ceppi intrecciate fra loro alle stesse condizioni. La linea nera rappresenta la distribuzione prevista sulla base dei dati ottenuti durante la misurazione ogni ceppo separatamente. Un buongreement tra distribuzioni attesi e misurati è ottenuto purché il numero totale di colonie per piastra è inferiore a 200. <img alt="Figura 9" fo:content-width="5in" src="/files/ftp_upload/51456/51456fig9highres.jpg" width="500" /> .. Figura 9 La soglia di rivelazione non influisce sulla forma della distribuzione comparsa colonia La distribuzione comparsa colonia è stata analizzata per lo stesso insieme di dati utilizzando due diverse dimensioni di soglia; (A) dimensione di soglia è di 10 pixel; (B) dimensione di soglia è di 50 pixel. Numero di celle per dell&#39;istogramma: ca. 1.500. La soglia di rilevamento risultati differenti solo in uno spostamento del tempo di rilevamento. <img alt="Figura 10" fo:content-width="5in" src="/files/ftp_upload/51456/51456fig10highres.jpg" width="500" /> Figura 10. Temperatura misure di stabilità across superficie dello scanner. (A) immagine di una targa con colonie di subtillis Bacillus coltivati ​​sullo scanner senza Power Management. La superficie è più calda sul fondo e quindi le colonie crescono più velocemente. La linea progressiva accanto al piatto è una rappresentazione schematica del gradiente termico. (B) La stabilità della temperatura è stata misurata con due termocoppie poste sulla superficie dello scanner. Lo scanner si riscalda durante ciascuna scansione e nel tempo. (C) Con Power Management, la temperatura è uniforme e le colonie crescono a tassi simili. (D) Come (B) con il modulo Power Management. Stabilità di temperatura di ± 0,2 ° C. <img alt="Figura 11" fo:content-width="5in" src="/files/ftp_upload/51456/51456fig11highres.jpg" width="500" /> Figura 11. Differenze nella distribuzione apparenza possono essere dovute a differences di volumi di terreno solido. La stessa coltura batterica è stata piastrata su piastre con diversi volumi di LB agar, risultante in una diversa altezza della superficie agar. Le diverse altezze portato a diversi opacità delle piastre, e quindi un tempo di rilevamento diverso. La differenza tra le piastre è stata controllata e la differenza tra diverse condizioni altezza. (A) le differenze tipiche tra le lastre di volumi uguali di 30 ± 0,5 ml di LB Agar. (B) Differenza tra differenti condizioni di altezza: la distribuzione apparizione è stata misurata per piatti con volumi di 20 ± 0,5 ml (rosso), di 30 ± 0,5 ml (verde) e di 40 ± 0,5 ml (blu). Ogni condizione è la media di 6 piatti differenti. Fintanto che il volume delle piastre è entro ± gamma 5 ml, l&#39;opacità è simile e porta a tempo aspetto simile distribuzione.

ScanLag è un metodo ad alto rendimento per misurare il ritardo nella crescita, ovvero il tempo di ritardo, nonché il tasso di crescita delle colonie per migliaia di cellule in parallelo. Lo screening con ScanLag consente di distinguere tra un lungo ritardo e una crescita lenta a livello di una singola variante.

ScanLag: High-throughput Quantificazione del Colony crescita e ritardo

Growth dynamics are fundamental characteristics of microorganisms. Quantifying growth precisely is an important goal in microbiology. Growth dynamics are ...

L'obiettivo generale di questa procedura è quantificare la distribuzione del tempo di latenza di una coltura batterica, al fine di discriminare tra un tempo di latenza lungo e una crescita lenta a livello di un singolo ceppo. Ciò si ottiene innanzitutto configurando un sistema costituito da un array di scanner identificati da un singolo computer. Il secondo passaggio consiste nel piastrare un'unità formante colonie definita sulla coltura batterica in piastre di Petri contenenti agar nutriente convenzionale.Successivamente, le piastre vengono posizionate in appositi supporti sulle apparecchiature di scansione e vengono acquisite immagini in time-lapse delle colonie mediante gli scanner. L'ultimo passaggio consiste nell'eseguire l'analisi delle immagini utilizzando il software scan lag, che analizza automaticamente le immagini ed estrae parametri quantitativi come il tempo di comparsa di ciascuna colonia e il tempo di crescita di ciascuna colonia. Infine, vengono utilizzate funzioni MATLAB per generare l'istogramma del ritardo a partire da questi dati.Le implicazioni di questa tecnica si estendono alla diagnosi di infezioni persistenti poiché consentono il rilevamento di varianti lente. Per iniziare, scegliere uno scanner a piastra con una risoluzione ottica di 4.800 DPI, una risoluzione hardware di 4.800 per 9.600 DPI e una profondità cromatica di 48 bit, in grado di operare ai livelli di temperatura e umidità richiesti. Scegliere uno scanner che permetta di collegare più di uno scanner al computer e di identificarli.Le piastre di Petri hanno un volume particolarmente significativo. A differenza della carta, comunemente utilizzata negli scanner commerciali, le colonie si trovano sulla superficie dello strato di agar, circa cinque millimetri al di sopra della superficie dello scanner. Per la maggior parte degli scanner, le colonie saranno a fuoco.Preparare pezzi di stoffa di feltro nero sterile per coprire le piastre e mantenere ferme le piatte Petri. Preparare supporti bianchi per piastre adatti agli scanner, dotati di sei fori delle stesse dimensioni delle piastre, se necessari per la crescita del microrganismo. Posizionare gli scanner in un ambiente con temperatura controllata.Collegare gli scanner al computer per installare il gestore di scansione. Copiare tutti i file dell'applicazione del gestore di scansione in una directory specifica dal sito web dello scan lag. Utilizzare un computer con sistema operativo Windows XP e assicurarsi che microsoft.è installata la versione 2.0 di net framework. Operazione interrotta. Trovare i nomi degli scanner in Gestione computer, Gestione dispositivi, Dispositivi di imaging. Quindi configurare il file di configurazione del gestore di scansione in base a questi nomi.Per eseguire un esperimento, diluire innanzitutto la coltura a circa 2000 UFC per millilitro. Quindi, piastrare 0,1 millilitro di coltura in modo uniforme su piastre di Petri preparate con agar nutriente convenzionale. Successivamente, coprire la piastra con un pezzo di tessuto di feltro nero sterile per ottenere un buon contrasto tra le colonie e la piastra e per assorbire l'umidità.Metti il coperchio sulla piastra e posiziona le piastre nei supporti degli scanner. Avvia il gestore di scansione. Scegli gli scanner partecipanti dall'elenco degli scanner collegati.Quindi selezionare il numero di immagini da acquisire, l'intervallo di tempo tra le immagini successive e il ritardo temporale prima dell'inizio dell'esperimento per l'analisi delle immagini. Prima di tutto, ordinare le immagini provenienti da ogni scanner in cartelle separate utilizzando la finestra dei comandi di MATLAB. Avviare innanzitutto "prepare images" per eseguire la pre-elaborazione.Nella pre-elaborazione, le immagini provenienti da uno scanner vengono allineate. Ogni piastra di Petri viene ritagliata da ciascuna sequenza di immagini. Il momento in cui ogni immagine è stata acquisita viene recuperato dal timestamp dell'analisi.Intervallo temporale per tutte le piastre per eseguire il rilevamento e il tracciamento: le colonie vengono rilevate in ciascuna piastra Petri e assegnate un numero identificativo. Le dimensioni di ciascuna colonia rilevata vengono misurate in funzione del tempo. Estrarre la distribuzione di comparsa delle colonie utilizzando la finestra dei comandi di MATLAB.Eseguire prima l'applicazione di scansione del ritardo per visualizzare l'analisi di una specifica piastra di Petri insieme al grafico della dimensione rispetto al tempo per le colonie. Successivamente, utilizzare il cursore per modificare l'istante temporale corrente della piastra. L'istante verrà indicato anche da una linea verticale corrispondente sul grafico dell'area delle colonie.Fare clic su una colonia per visualizzare la curva ad essa associata e viceversa. Dopo aver identificato la colonia, il fenotipo può essere recuperato prelevando la colonia dalla piastra di Petri identificata. Filtrare eventuali difetti nell'analisi automatica selezionando una colonia e facendo clic sul pulsante di esclusione.Quando si fa clic su "escludi", il numero della colonia diventa giallo. Dopo aver esaminato i risultati dell'analisi di ciascuna piastra, sommare i risultati. Nella prima esecuzione, aggiungere istogrammi per creare un istogramma dell'aspetto.I tempi vengono quindi tracciati in un grafico della curva di morte per creare una rappresentazione della curva di sopravvivenza della distribuzione. Qui viene mostrato un esempio di estrazione della distribuzione del tempo di latenza. Scan lag può identificare e tracciare ciascuna colonia con caratteristiche specifiche su una piastra nel tempo, come si farebbe in un saggio di screening.Quando la coltura del microrganismo è eterogenea, le diverse sottopopolazioni possono manifestarsi durante il saggio. Questa figura mostra la quantificazione dei tempi di comparsa e rivela così una distribuzione bimodale dei tempi di latenza in un ceppo mutante di Escherichia coli. Sono mostrati istogrammi bidimensionali del tempo di comparsa e del tempo di crescita in due condizioni diverse.Il confronto degli istogrammi delle due ceppi mostra la differenza nel tempo di comparsa, mentre i tempi di crescita sono simili. Quando le colonie crescono allo stesso tasso, la comparsa tardiva può essere attribuita al tempo di latenza. È stato esaminato l'influsso delle colonie che compaiono precocemente sulla comparsa delle colonie successive.Qui vengono mostrate la distribuzione dei tempi di latenza di cellule di tipo selvaggio, seminate da sole, e la distribuzione dei tempi di latenza di un ceppo sensibile al freddo. Esperimenti di controllo con semina da sola dopo il trasferimento a temperatura permissiva hanno confermato che la comparsa successiva non era influenzata fintantoché il numero totale di colonie per piastra non superava 200. Seguendo questa procedura.Altri metodi come il sequenziamento dell'intero genoma o l'analisi dell'espressione genica possono essere eseguiti su colonie con un fenotipo di crescita interessante al fine di rispondere a ulteriori domande, ad esempio se il fenotipo sia di natura genetica o epigenetica.

scanlag-high-throughput-quantification-of-colony-growth-and-lag-time

Research

Ricerca

JoVE Journal

Immunology and Infection

Immunologia e Infezioni

Fonte: Kurokawa, M., et al. Analisi precisa e ad alto rendimento della crescita batterica. J. Vis. Esp. (2017)Questo video dimostra la quantificazione ad alta produttività della crescita batterica utilizzando un lettore di microplacche. Descrive i passaggi coinvolti nella preparazione della coltura, nella misurazione della densità ottica e nell'analisi della dinamica della crescita.

Analisi precisa e ad alta produttività della crescita batterica utilizzando un lettore di microplacche

Questo video dimostra una tecnica di quantificazione in vitro per determinare l'infezione da Listeria monocytogenes dei macrofagi mediante il test dell'unità formante colonie. Le colonie batteriche sulla piastra di agar rappresentano la popolazione batterica intracellulare che sfugge al meccanismo di difesa dell'ospite e sopravvive all'interno dei macrofagi.

Quantificazione dell'infezione batterica nelle cellule ospiti mediante il saggio dell'unità formante colonia

Questo video mostra la microscopia time-lapse quantitativa per valutare la disseminazione di Listeria monocytogenes dipendente dalla rigidità della matrice extracellulare attraverso le cellule endoteliali. Un idrogel più morbido facilita una più rapida diffusione batterica attraverso le cellule endoteliali rispetto alle controparti più rigide, evidenziando l'influenza della rigidità della matrice sulla disseminazione batterica.

Microscopia quantitativa time-lapse per la valutazione della disseminazione batterica dipendente dalla rigidità della matrice extracellulare

È stato sviluppato un test in tempo reale ad alta produttività per identificare contemporaneamente (1) antimicrobici penetranti nelle cellule eucariotiche che prendono di mira un patogeno batterico intracellulare e (2) valutare la citotossicità delle cellule eucariotiche. Una variante della stessa tecnologia è stata successivamente combinata con la tecnologia di dispensazione digitale per consentire studi di sinergia facili, ad alta risoluzione, dose-risposta e bidimensionali e tridimensionali.

High Throughput, in tempo reale, Dual-lettura Prove di intracellulare antimicrobica attività e eucariotica citotossicità cellulare

Presentiamo un metodo per quantificare i fenotipi di crescita delle singole cellule di lieviti in quanto crescono in colonie su supporti solidi utilizzando la microscopia a tempo scaduto denominata "Valutazione doppia di una sola cellula vivente di lievito" (ODELAY). L'eterogeneità delle popolazioni di cellule geneticamente identiche in colonie può essere direttamente osservata e quantificata.

ODELAY: Metodo su vasta scala per la quantificazione multiparametrica della crescita del lievito

Valutazione quantitativa della crescita batterica è essenziale per comprendere la fisiologia microbica come un fenomeno di livello dei sistemi. Un protocollo per la manipolazione sperimentale e un approccio analitico vengono introdotti, per consentire analisi precisa, ad alta velocità di crescita batterica, che è un tema chiave di interesse in biologia dei sistemi.

Analisi precisa, High-throughput di crescita batterica

La crescita di colture batteriche radioetichettate nei piatti microtiteri facilita il campionamento ad alta produttività che consente molteplici analisi tecniche e biologiche di abbondanza di piscine nucleotidiche, tra cui quella di (p)ppGpp. Gli effetti delle transizioni di crescita provocati da fonti di stress fisiologico e di recupero dallo stress possono essere monitorati.

Utilizzo della radioetichettatura microtiter Piatto per le misurazioni multiple In Vivo di Escherichia coli (p)ppGpp seguito dalla cromatografia a strati sottile

Questo lavoro presenta un metodo di microscopia che consente l'imaging vivo di una singola cellula di Escherichia coli per l'analisi e la quantificazione del comportamento stocastico dei circuiti genetici sintetici.

Misurazione continua del rumore biologico in Escherichia Coli utilizzando la microscopia time-lapse

I fenotipi di crescita del lievito sono misurati con precisione attraverso l'imaging time-lapse altamente parallelo di cellule immobilizzate che crescono in microcolonie. Allo stesso tempo, la tolleranza allo stress, l'espressione proteica e la localizzazione delle proteine possono essere monitorate, generando set di dati integrati per studiare come le differenze ambientali e genetiche, così come l'eterogeneità gene-espressione tra le cellule isogeniche, modulano la crescita.

Imaging live ad alta produttività di microcolonie per misurare l'eterogeneità nella crescita e nell'espressione genica

Questo metodo quantifica l'abbondanza microbica utilizzando un formato di piastra a 96 pozzetti per le unità formanti colonie di placca (CFU) e viene applicato al microbioma di Drosophila in campioni di omogenato di mosca interi. I CFU vengono conteggiati con un software di analisi delle immagini automatizzato fornito qui.

Conteggio rapido delle unità formanti colonie in formato piastra a 96 pozzetti applicato al microbioma Drosophila

Impara a quantificare la distribuzione del lag nei batteri con ScanLag, un metodo ad alto rendimento che distingue tra lunghi tempi di lag e crescita lenta a livello di singola variante.

ScanLag: High-throughput Quantificazione del Colony crescita e ritardo

Esplora altri video