Method Article

Combinando imagem Raman e análise multivariada para visualizar Lignina, celulose e hemicelulose no muro celular da planta

DOI:

10.3791/55910

June 10th, 2017

In This Article

Summary

Loading...
$$\rightleftharpoonup{xx}$$ $$\longleftharp{xx}$$, $$\longrightharp{xx}$$,

Este protocolo visa apresentar um método geral para visualizar lignina, celulose e hemicelulose em paredes celulares de plantas usando imagem de Raman e análise multivariada.

Abstract

Loading...
$$\rightleftharpoonup{xx}$$ $$\longleftharp{xx}$$, $$\longrightharp{xx}$$,

A aplicação da imagem de Raman para planta de biomassa está aumentando porque pode oferecer informações espaciais e de composição sobre soluções aquosas. A análise geralmente não requer preparação extensiva de amostras; As informações estruturais e químicas podem ser obtidas sem rotulagem. No entanto, cada imagem Raman contém milhares de espectros; Isso levanta dificuldades ao extrair informações ocultas, especialmente para componentes com estruturas químicas semelhantes. Este trabalho apresenta uma análise multivariada para resolver esta questão. O protocolo estabelece um método geral para visualizar os principais componentes, incluindo lignina, celulose e hemicelulose dentro da parede celular da planta. Neste protocolo, são descritos os procedimentos para preparação de amostras, aquisição espectral e processamento de dados. É altamente dependente da habilidade do operador na preparação da amostra e análise de dados. Ao usar essa abordagem, uma investigação Raman pode ser realizada por um usuário não especialista para adquirirDados de qualidade h e resultados significativos para análise de parede celular vegetal.

Introduction

Loading...
$$\rightleftharpoonup{xx}$$ $$\longleftharp{xx}$$, $$\longrightharp{xx}$$,

A biomassa vegetal é o recurso renovável mais abundante na Terra; é composta principalmente de lignina, celulose e hemicelulose; e é considerada uma fonte atraente de bioenergia e produtos químicos de base biológica1. Infelizmente, pode resistir à degradação e conferir estabilidade hidrolítica ou robustez estrutural à parede celular da planta. Essa resistência é atribuível à área de superfície acessível, tamanho de partícula de biomassa, grau de polimerização, cristalinidade da celulose e lignina protetora2. Uma compreensão abrangente da natureza estrutural e química da parede celular vegetal é, portanto, significativa do ponto de vista da biologia e química vegetal, bem como da utilização comercial. As análises de química úmida comumente usadas, como cromatografia, espectrometria de massa e espectroscopia de ressonância magnética nuclear, fornecem apenas dados de composição médios da amostra medida. Além disso, esses métodos são invasivos e destroem a estrutura original do tecido vegetal3.

A técnica de imagem Raman é uma ferramenta poderosa para a visualização não destrutiva de informações químicas espacialmente resolvidas4. Ele usa uma luz laser para causar espalhamento inelástico com um fóton e depende de mudanças na polarizabilidade decorrentes das vibrações moleculares. Nesse caso, a água causa um fraco espalhamento Raman, o que torna essa abordagem adequada para investigações in situ de amostras biológicas5. A aplicação da técnica de imagem Raman à parede celular vegetal pode elucidar a estrutura e composição das paredes celulares vegetais em seu estado nativo, com a resolução na escala da célula única e até mesmo das camadas da parede celular6. Uma análise típica de imagem Raman da parede celular de uma planta geralmente consiste em três etapas: 1) preparação da amostra, 2) aquisição espectral e 3) processamento de dados.

Embora uma das principais vantagens da imagem Raman seja a capacidade de obter espectros livres de rótulos e não destrutivos com preparação mínima de amostras, o corte físico da amostra ainda é necessário para expor a superfície de interesse. Este processo deve ser realizado com cuidado para obter uma superfície plana, uma vez que a técnica depende da manutenção do foco óptico7. A aquisição espectral requer um equilíbrio entre qualidade de imagem e tempos de aquisição extensos8. O processamento de dados visa extrair efetivamente as informações químicas dos dados de imagem, especialmente para os componentes com estruturas químicas semelhantes, como celulose e hemicelulose. Devido à forte sobreposição espectral, os espectros exatos são difíceis de discernir. Nesse caso, a análise multivariada é uma abordagem direta para descobrir efetivamente as informações estruturais e químicas ocultas9. Este trabalho apresenta um protocolo geral que descreve o uso de imagens Raman para visualizar os principais componentes das paredes celulares vegetais, incluindo lignina, celulose e hemicelulose.

Access restricted. Please log in or start a trial to view this content.

Protocol

Loading...
$$\rightleftharpoonup{xx}$$ $$\longleftharp{xx}$$, $$\longrightharp{xx}$$,

1. Preparação da amostra

  1. Corte um pequeno bloco de tecido (cerca de 3 mm x 3 mm x 5 mm) da amostra da planta ( por exemplo, uma haste de álamo).
  2. Mergulhe o tecido em água desionizada fervente durante 30 min. Imediatamente transferi-lo para água desionizada à temperatura ambiente (RT) durante 30 min. Repita este passo até o tecido escorrer no fundo do recipiente, indicando que o ar no tecido foi removido e que o tecido se amaciou.
    Nota: Para as amostras que afundam no fundo antes desta etapa, geralmente repita este ciclo 3-5 vezes.
  3. Prepare as alíquotas 20, 50, 70, 90% (v / v) de polietileno glicol (PEG) em água desionizada, bem como PEG puro e mantenha as soluções a 65 ° C.
  4. Incube o tecido em uma série de banhos graduados de PEG para deslocar a água e permitir que o PEG se infiltre.
    Nota: Tipicamente, PEG com um peso molecular de 2.000 (PEG2000) é usado para incorporação.
    1. Processar o tecido com gPEG radiado num forno de secagem da seguinte forma: (a) 20% de PEG durante 1 h, (b) 50% de PEG durante 1,5 h, (c) 70% de PEG durante 2 h, (d) 90% de PEG durante 2 h e (E) 100% de PEG por 10 h.
  5. Pré-aqueça uma cassete a 65 ° C no forno. Despeje o PEG que contém o bloco na cassete e, em seguida, coloque o bloco de tecido em uma posição desejada usando pinças pré-aquecidas ou agulhas.
  6. Lixar lentamente a cassete e armazenar o tecido à TA até o uso.
  7. Disseca o bloco de PEG contendo o tecido alvo em um pequeno bloco (cerca de 1 cm x 1 cm x 2 cm) usando uma lâmina afiada e montá-lo no microtomo.
  8. Corte seções finas do bloco PEG (tipicamente 3-10 μm).
  9. Enxague a seção com água desionizada em um vidro de relógio 10 vezes para remover o PEG do tecido.
  10. Mergulhe as secções com tolueno / etanol (2: 1, v / v) durante 6 h para remover os extrativos. Prepare o líquido de reação misturando 65 mL de água desionizada, 0,5 mL de ácido acético e 0,6 g de chlo de sódioRito em um copo. Adicione uma seção e 3 mL de líquido de reação a um frasco de 5 mL. Aperte o topo do frasco.
  11. Aqueça o frasco em banho-maria a 75 ° C durante 2 h para remover a lignina do tecido. Enxague a seção com água desionizada em um vidro de relógio 10 vezes.
  12. Transfira a seção não tratada / desligada para uma lâmina de microscópio de vidro. Desdobre a seção com cuidado usando escovas ou agulhas. Remova a água extra desionizada com papel de seda.
  13. Mergulhe a seção em D 2 O. Cubra a amostra com uma cobertura de vidro. Selar a tampa com esmalte para evitar a evaporação do D 2 O.

2. Aquisição espectral

  1. Abra o software de operação do instrumento do microscópio Raman confocal. Ligue o laser (comprimento de onda = 532 nm), foco na superfície do silício cristalino com um objetivo de microscópio 100X e clique no botão de calibração para calibrar o instrumento.
  2. Mude o instrumentoPara o modo microscópio óptico e acenda a lâmpada do microscópio. Monte o escorredor do microscópio no palco, com a tampa deslizante voltada para o objetivo.
  3. Veja a amostra com um objetivo de microscópio 20X e localize a área de interesse. Aplique óleo de imersão na lamínula e mude para o objetivo do microscópio de imersão (60X, abertura numérica NA = 1.35). Concentre-se na superfície da amostra.
  4. Mude o instrumento para o modo de teste Raman e desligue a lâmpada do microscópio.
  5. Escolha uma área de mapeamento usando uma ferramenta retangular. Altere o tamanho do passo para determinar o número de espectros obtidos.
    Nota: Esteja ciente do tamanho do passo (geralmente maior do que o diâmetro do ponto calculado pela abertura numérica do objetivo, teoricamente 1,22λ / NA). Tamanhos abaixo disso resultarão em oversampling.
  6. Defina os parâmetros espectrais ótimos para obter a melhor relação sinal-ruído (SNR) e qualidade espectral em um tempo de aquisição apropriado (geralmente <8 h), depeCom base na adequação da amostra. Em geral, insira os parâmetros de imagem no software do instrumento da seguinte forma: laser (532 nm), filtro (100%), furo (300), fenda (100), espectrômetro (1.840 cm -1 ), sulcos (1200t), objetivo ( Óleo 60X) e tempo de aquisição (2 s).
  7. Salve os dados espectrales antes do processamento de dados e converta-os em um formato universal ( por exemplo, arquivos TXT).

3. Análise de dados

  1. Carregue os dados espectrales (arquivos TXT) no software de análise de dados ( por exemplo, Matlab). Aplique uma técnica de redução de ruído no conjunto de dados para melhorar o SNR ( por exemplo, o algoritmo Savitzsky-Golay ou o algoritmo wavelet)
  2. Use amostras não tratadas para produzir imagens de lignina e polissacarídeos. Para a imagem de lignina, considere o pico espectral em torno de 1.600 cm -1 devido à vibração de alongamento simétrica do anel aromático. Para imagens de polissacarídeos (incluindo celulose e hemicelulose), use o pico espectral aRodada 2.889 cm -1 por causa dos trechos CH e CH 2 .
  3. Use amostras deslocadas para gerar imagens de celulose e hemicelulose. Execute a resolução da curva de auto-modelagem (SMCR) nos espectros adquiridos para discriminar os espectros de celulose e hemicelulose e para a imagem de suas distribuições.
  4. Execute análise de componentes principais (PCA) e análise de agrupamento nos dados adquiridos para distinguir os espectros Raman de camadas de parede celular diferentes.

Access restricted. Please log in or start a trial to view this content.

Results

Loading...
$$\rightleftharpoonup{xx}$$ $$\longleftharp{xx}$$, $$\longrightharp{xx}$$,

A Figura 1 apresenta uma visão geral de um sistema típico de micro-Raman para a imagem de Raman de uma parede celular de planta. Por exemplo, os espectros de Raman originais do álamo ( Populus nigra L.) têm derivações e espigas de linha de base significativas ( Figura 2a ). Depois de executar o método de pré-processamento automático para o conjunto de dados de imagem Raman (APRI), esses dois contaminantes espectrales sã...

Access restricted. Please log in or start a trial to view this content.

Discussion

Loading...
$$\rightleftharpoonup{xx}$$ $$\longleftharp{xx}$$, $$\longrightharp{xx}$$,

A parede celular da planta é um composto que é organizado em várias camadas, incluindo o canto da célula (CC), a parede secundária (SW, com as camadas S1, S2 e S3) e a lamela intermediária composta (LMC, lamela média mais a primária adjacente Parede), o que dificulta a obtenção de uma superfície plana durante a preparação da amostra. Assim, as amostras de plantas, especialmente a grama, que tem uma estrutura mais complicada do que a madeira, muitas vezes precisam ser solidificadas para permitir a separação fina. O PEG é...

Access restricted. Please log in or start a trial to view this content.

Disclosures

Loading...
$$\rightleftharpoonup{xx}$$ $$\longleftharp{xx}$$, $$\longrightharp{xx}$$,

Os autores não têm nada a revelar.

Acknowledgements

Loading...
$$\rightleftharpoonup{xx}$$ $$\longleftharp{xx}$$, $$\longrightharp{xx}$$,

Agradecemos ao Ministério da Ciência e Tecnologia da China (2016YDF0600803) o apoio financeiro.

Access restricted. Please log in or start a trial to view this content.

Materials

List of materials used in this article
NameCompanyCatalog NumberComments
MicrotomoThermo ScientificMicrom HM430
Microscópio Raman ConfocalHoriba Jobin YvonXplora
FornoShanghai ZHICHENGZXFD-A5040

References

Loading...
$$\rightleftharpoonup{xx}$$ $$\longleftharp{xx}$$, $$\longrightharp{xx}$$,
  1. Gonzalo, G. D., et al. Bacterial Enzymes Involved in Lignin Degradation. J. Biotechnol. 236, 110-119 (2016).
  2. Rosatella, A. A., Afonso, C. A. M. Chapter 2. Ionic Liquids in the Biorefinery Concept: Challenges and Perspectives. , Wiley. 38-64 (2016).
  3. Sun, L., et al. Understanding tissue specific compositions of bioenergy feedstocks Through hyperspectral Raman imaging. Bio. 108 (2), 286-295 (2009).
  4. Tolstik, T., et al. Classification and prediction of HCC tissues by Raman imaging with identification of fatty acids as potential lipid biomarkers. J. Cancer. Res. Clin. Oncol. 141 (3), 407-418 (2015).
  5. Schrader, B. Infrared and Raman spectroscopy: methods and applications. , John Wiley and Sons. (2008).
  6. Gierlinger, N., et al. Imaging of plant cell walls by confocal Raman microscopy. Nat. Protoc. 7 (9), 1694-1708 (2012).
  7. Luca, A. C. D., et al. Online fluorescence suppression in modulated Raman spectroscopy. Anal. Chem. 82 (2), 738-745 (2009).
  8. Schlücker, S., et al. Raman microspectroscopy: a comparison of point, line, and wide-field imaging methodologies. Anal. Chem. 75 (16), 4312-4318 (2003).
  9. Cooper, J. B. Chemometric analysis of Raman spectroscopic data for process control applications. Chemometr. Intell. Lab. Syst. 46 (2), 231-247 (1999).
  10. Cheng, H. J., Hsiau, S. S. The study of granular agglomeration mechanism. Powder Technol. 199 (3), 272-283 (2010).
  11. Zhang, X., et al. Method for removing spectral contaminants to improve analysis of Raman imaging data. Sci. Rep. 6, 39891(2016).
  12. Shinzawa, H., et al. Multivariate data analysis for Raman spectroscopic imaging. J. Raman Spectrosc. 40 (12), 1720-1725 (2009).
  13. Lawton, W. H., Sylvestre, E. A. Self modeling curve resolution. Technometrics. 13, 617-633 (1971).
  14. Zhang, X., et al. Method for automatically identifying spectra of different wood cell wall layers in Raman imaging data set. Anal. Chem. 87 (2), 1344-1350 (2015).
  15. Kudelski, A. Analytical application of Raman spectroscopy. Talanta. 76 (1), 1-8 (2008).

Access restricted. Please log in or start a trial to view this content.

Reprints and Permissions

Request permission to reuse the text or figures of this JoVE article

Request Permission

Tags

Raman ImagingMultivariate AnalysisPlant Cell WallLignin VisualizationCellulose ImagingHemicellulose AnalysisSpectral AcquisitionData ProcessingSample PreparationConfocal Microscopy

Related Articles