$$\rightleftharpoonup{xx}$$
$$\longleftharp{xx}$$,
$$\longrightharp{xx}$$,
O campo da biologia sintética de mamíferos progrediu rapidamente, desde o desenvolvimento de partes simples de sentido e resposta em linhagens celulares cultivadas até a otimização de redes complexas de genes para enfrentar desafios do mundo real em diagnóstico e terapêutica1. Esses circuitos sofisticados são capazes de detectar entradas biológicas de perfis de microRNA a citocinas e pequenas moléculas de fármacos, e implementar circuitos de processamento lógico, incluindo transistores, filtros passa-banda, chaves de alternância e osciladores. Também têm mostrado resultados promissores em modelos animais de doenças como câncer, artrite, diabetes e muitas outras 1,2,3,4,5. No entanto, à medida que a complexidade de um circuito cresce, otimizar os níveis de cada um de seus componentes torna-se cada vez mais desafiador.
Um tipo particularmente útil de circuito genético é um classificador celular, que pode ser programado para detectar e responder a estados celulares. A produção seletiva de proteínas ou RNA em estados celulares específicos é uma ferramenta poderosa para orientar e programar a diferenciação de células e organoides, identificar e destruir células doentes e/ou tipos celulares indesejáveis e regular a função de células terapêuticas 1,2,3,4,5 . No entanto, a criação de circuitos em células de mamíferos que possam classificar com precisão os estados celulares de várias espécies de RNA e/ou proteínas celulares tem sido altamente desafiadora.
Uma das etapas mais demoradas do desenvolvimento de um circuito de classificação celular é otimizar os níveis de expressão relativa de genes de componentes individuais, como sensores e fatores de processamento, dentro do circuito. Para acelerar a otimização de circuitos e permitir a construção de circuitos mais sofisticados, trabalhos recentes têm utilizado a modelagem matemática de circuitos classificadores de células e seus componentes para prever composições e topologias ótimas 6,7. Embora isso tenha mostrado resultados poderosos até agora, a análise matemática é limitada pela necessidade de caracterizar sistematicamente o comportamento de entrada-saída de genes componentes no circuito, o que é demorado. Além disso, uma miríade de problemas dependentes do contexto pode surgir em circuitos genéticos complexos, fazendo com que o comportamento de um circuito completo desafie as previsões baseadas em caracterizações de partes individuais 8,9.
Para desenvolver e testar mais rapidamente circuitos complexos de mamíferos, como classificadores de estado celular, nosso laboratório desenvolveu uma técnica chamada politransfecção10, uma evolução dos protocolos de cotransfecção de plasmídeos. Na co-transfecção, múltiplas espécies de DNA plasmidial são complexadas juntamente com um reagente lipídico ou polimérico carregado positivamente e, em seguida, entregues às células de forma correlacionada (Figura 1A). Na politransfecção, os plasmídeos são complexados separadamente com o reagente, de modo que o DNA de cada complexo de transfecção é entregue às células de forma descorrelacionada (Figura 1B). Usando este método, as células dentro da população transfectada são expostas a numerosas combinações de razões de duas ou mais cargas úteis de DNA carregando diferentes componentes do circuito.
Para medir as proporções dos componentes do circuito entregues a cada célula, cada complexo de transfecção dentro de uma politransfecção contém um repórter fluorescente constitutivamente expresso que serve como um proxy para a captação celular do complexo. O DNA de preenchimento que não contém nenhum elemento ativo dentro de uma célula de mamífero é usado para ajustar a quantidade relativa do repórter fluorescente e dos componentes do circuito entregues a uma célula em um único complexo de transfecção e é discutido com mais detalhes na discussão. Um exemplo de DNA de preenchimento usado no laboratório de Weiss é um plasmídeo contendo uma sequência de terminador, mas sem promotor, sequência codificadora, etc. Células com diferentes proporções de componentes do circuito podem então ser comparadas para encontrar razões ideais para a função do circuito gênico. Isso, por sua vez, produz previsões úteis para a escolha de promotores e outros elementos do circuito para alcançar níveis ideais de expressão gênica ao combinar componentes do circuito em um único vetor para integração genética (por exemplo, um lentivírus, transposon ou plataforma de pouso). Assim, em vez de escolher razões entre componentes do circuito com base na intuição ou através de um processo demorado de tentativa e erro, a politransfecção avalia uma ampla gama de estequiometrias entre partes genéticas em uma reação de pote único.
Em nosso laboratório, a politransfecção permitiu a otimização de muitos circuitos genéticos, incluindo classificadores celulares, controladores de feedback e feedforward e motivos biestáveis. Este método simples, mas poderoso, acelera significativamente os ciclos de projeto de circuitos genéticos complexos em células de mamíferos. Desde então, a politransfecção tem sido usada para caracterizar vários circuitos genéticos para revelar suas funções multidimensionais de transferência de entrada-saída em alta resolução10, otimizar uma topologia de circuito alternativo para classificação de estado celular 11 e acelerar vários projetos publicados12,13 e em andamento.
Aqui descrevemos e descrevemos o fluxo de trabalho para o uso da politransfecção para otimizar rapidamente um circuito genético (Figura 2). O protocolo mostra como gerar dados de politransfecção de alta qualidade e evitar vários erros comuns no protocolo de politransfecção e na análise dos dados (Figura 3). Em seguida, demonstra como usar a politransfecção para caracterizar componentes de circuitos simples e, no processo, comparar os resultados da politransfecção com a cotransfecção (Figura 4). Finalmente, os resultados da politransfecção mostram otimização do circuito classificador de câncer (Figura 5).