$$\rightleftharpoonup{xx}$$
$$\longleftharp{xx}$$,
$$\longrightharp{xx}$$,
Setki, a może nawet tysiące małych regulatorowych RNA (sRNA) zostały zidentyfikowane w większości genomów bakteryjnych, ale funkcje zdecydowanej większości z nich pozostają niescharakteryzowane. Ogólnie rzecz biorąc, sRNA są krótkimi, niekodującymi cząsteczkami, odgrywającymi główną rolę w fizjologii bakterii i adaptacji do zmiennych środowisk1,2,3. Rzeczywiście, te makrocząsteczki znajdują się w centrum wielu skomplikowanych sieci regulacyjnych, wpływając na szlaki metaboliczne, reakcje na stres, ale także zjadliwość i oporność na antybiotyki. Logicznie rzecz biorąc, ich synteza jest wyzwalana przez określone bodźce środowiskowe (np. głód składników odżywczych, stresy oksydacyjne lub błonowe). Większość sRNA reguluje wiele docelowych mRNA na poziomie potranskrypcyjnym poprzez krótkie i nieciągłe parowanie zasad. Zazwyczaj zapobiegają one inicjacji translacji, konkurując z rybosomami o regiony inicjacji translacji4. Tworzenie dupleksów sRNA:mRNA często powoduje również aktywną degradację docelowego mRNA poprzez rekrutację specyficznych RNaz.
Charakterystyka celu sRNA (tj. całego zestawu jego docelowych RNA) pozwala na identyfikację szlaków metabolicznych, w które interweniuje, oraz potencjalnego sygnału, na który reaguje. W związku z tym funkcje specyficznego sRNA można ogólnie wywnioskować z jego celu. W tym celu opracowano kilka narzędzi do przewidywania in silico, takich jak IntaRNA i CopraRNA5,6,7. Opierają się one w szczególności na komplementarności sekwencji, energii parowania i dostępności potencjalnego miejsca interakcji w celu określenia przypuszczalnych partnerów sRNA. Jednak algorytmy predykcyjne nie uwzględniają wszystkich czynników wpływających na parowanie zasad in vivo, takich jak udział chaperonów RNA8 faworyzujących nieoptymalne interakcje lub koekspresję obu partnerów. Ze względu na ich nieodłączne ograniczenia, odsetek wyników fałszywie dodatnich narzędzi predykcyjnych pozostaje wysoki. Większość eksperymentalnych podejść na dużą skalę opiera się na wspólnym oczyszczaniu par sRNA:mRNA oddziałujących ze znakowanym białkiem wiążącym RNA (RBP)6,9. Na przykład metoda RNA Interaction by Ligation and sequencing (RIL-seq) zidentyfikowała dupleksy RNA oczyszczone z białkami opiekuńczymi RNA, takimi jak Hfq i ProQ, w Escherichia coli10,11. Podobna technologia zwana UV-Crosslinking, Ligation And Sequencing of Hybrids (CLASH) została zastosowana do sRNazy E i sRNA związanych z Hfq w E. coli12,13. Pomimo dobrze opisanej roli Hfq i ProQ w regulacji za pośrednictwem sRNA u wielu bakterii8,14,15, regulacja oparta na sRNA wydaje się być niezależna od opiekuńczego RNA w kilku organizmach, takich jak S. aureus16,17,18. Nawet jeśli oczyszczanie dupleksów RNA w połączeniu z RNazami jest wykonalne, jak zademonstrowali Waters i współpracownicy13, pozostaje to trudne, ponieważ RNazy powodują ich szybką degradację. W związku z tym oczyszczanie MS2-Affinity w połączeniu z sekwencjonowaniem RNA (MAPS) 19,20 stanowi solidną alternatywę dla takich organizmów.
W przeciwieństwie do wyżej wymienionych metod, MAPS wykorzystuje specyficzne sRNA jako przynętę do przechwytywania wszystkich oddziałujących RNA, a zatem nie polega na zaangażowaniu RBP. Cały proces jest przedstawiony w Rysunek 1. Krótko mówiąc, sRNA jest znakowane w 5' aptamerem MS2 RNA, który jest specyficznie rozpoznawany przez białko płaszcza MS2. Białko to jest łączone z białkiem wiążącym maltozę (MBP) w celu unieruchomienia na żywicy amylozy. Dlatego MS2-sRNA i jego partnerzy RNA są zatrzymywani na kolumnie chromatografii powinowactwa. Po elucji maltozą, oczyszczone RNA są identyfikowane za pomocą wysokoprzepustowego sekwencjonowania RNA, a następnie analizy bioinformatycznej (Rysunek 2). Technologia MAPS ostatecznie rysuje mapę interakcji wszystkich potencjalnych interakcji zachodzących in vivo.
Technologia MAPS została pierwotnie zaimplementowana w niepatogennej bakterii Gram-ujemnej E. coli21. Co ciekawe, projekt MAPS pomógł zidentyfikować fragment pochodzący z tRNA, który specyficznie oddziałuje zarówno z sRNA RyhB, jak i RybB i zapobiega jakiemukolwiek szumowi transkrypcyjnemu sRNA w celu regulacji celów mRNA w warunkach nieindukujących. Następnie MAPS został z powodzeniem zastosowany do innych sRNA E. coli, takich jak DsrA22, RprA23, CyaR23 i GcvB24 (Tabela 1). Oprócz potwierdzenia wcześniej znanych celów, MAPS rozszerzyło cel tych dobrze znanych sRNA. Niedawno przeprowadzono MAPS w Salmonella Typhimurium i ujawniono, że sRNA SraL wiąże się z mRNA rho, kodując czynnik terminacji transkrypcji25. Dzięki temu parowaniu SraL chroni mRNA rho przed przedwczesnym zakończeniem transkrypcji wywołanym przez sam Rho. Co ciekawe, technologia ta nie jest ograniczona do sRNA i może być stosowana do dowolnego typu komórkowego RNA, czego przykładem jest użycie fragmentu pochodzącego z tRNA26 i 5'-nieuleganego regionu mRNA22 (Tabela 1).
Metoda MAPS została również dostosowana do patogennej bakterii Gram-dodatniej S. aureus19. W szczególności protokół lizy został szeroko zmodyfikowany w celu skutecznego rozbijania komórek ze względu na grubszą ścianę komórkową niż bakterie Gram-ujemne i utrzymania integralności RNA. Ten zaadaptowany protokół już rozwikłał interaktom RsaA27, RsaI28 i RsaC29. Podejście to dostarczyło informacji na temat kluczowej roli tych sRNA w mechanizmach regulacyjnych właściwości powierzchni komórek, wychwytu glukozy i reakcji na stres oksydacyjny.
Protokół opracowany i wdrożony u E. coli w 2015 roku został niedawno opisany bardzo szczegółowo30. W tym miejscu udostępniamy zmodyfikowany protokół MAPS, który jest szczególnie odpowiedni do badania sieci regulacyjnych sRNA u bakterii Gram-dodatnich (grubsza ściana komórkowa), zarówno niepatogennych, jak i chorobotwórczych (środki ostrożności).