Artigo de método

Visualização de monocarboxilatos e outros metabólitos relevantes no cérebro de larvas ex vivo de Drosophila usando sensores codificados geneticamente

1.4K vistas

⸱

DOI:

10.3791/65846

⸱

27 de outubro de 2023

 ,  ,  ,  ,  , 
1Biomedical Neuroscience Institute, Universidad de Chile, 2Advanced Scientific Equipment Network (REDECA), Faculty of Medicine, Universidad de Chile, 3Department of Neuroscience, Faculty of Medicine, Universidad de Chile

Neste artigo

Resumo

Aqui apresentamos um protocolo para visualizar o transporte de monocarboxilatos, glicose e ATP em células gliais e neurônios usando sensores baseados em transferência de energia de ressonância de Förster codificados geneticamente em uma preparação cerebral ex-vivo de larvas de Drosophila .

Resumo

As altas necessidades energéticas dos cérebros devido à atividade elétrica são uma de suas características mais distintivas. Esses requisitos são atendidos pela produção de ATP a partir da glicose e seus metabólitos, como os monocarboxilatos lactato e piruvato. Ainda não está claro como esse processo é regulamentado ou quem são os principais atores, particularmente em Drosophila.

Usando sensores baseados em transferência de energia de ressonância de Förster codificados geneticamente, apresentamos um método simples para medir o transporte de monocarboxilatos e glicose em células gliais e neurônios em uma preparação cerebral ex-vivo de larvas de Drosophila . O protocolo descreve como dissecar e aderir um cérebro larval expressando um dos sensores a uma lamínula de vidro.

Apresentamos os resultados de um experimento inteiro em que o transporte de lactato foi medido em cérebros de larvas derrubando transportadores monocarboxilatos previamente identificados em células gliais. Além disso, demonstramos como aumentar rapidamente a atividade neuronal e rastrear alterações de metabólitos no cérebro ativo. O método descrito, que fornece todas as informações necessárias, pode ser usado para analisar outros tecidos vivos de Drosophila .

Introdução

O cérebro apresenta elevadas necessidades energéticas devido ao alto custo de restauração de gradientes iônicos em neurônios causados pela geração e transmissão de sinais elétricos neuronais, bem como pela transmissão sináptica 1,2. Há muito se pensa que essa alta demanda energética é atendida pela oxidação contínua da glicose para produzir ATP3. Transportadores específicos na barreira hematoencefálica transferem a glicose no sangue para o cérebro. Níveis glicêmicos constantes garantem que o cérebro receba um suprimento constante de glicose4. Curiosamente, crescentes evidências experimentais sugerem que moléculas derivadas do metabolismo da glicose, como o lactato e o piruvato, desempenham um papel importante na produção de energia das células cerebrais 5,6. No entanto, ainda há algum debate sobre a importância dessas moléculas para a produção de energia e quais células do cérebro as produzem ou utilizam 7,8. A falta de ferramentas moleculares apropriadas com a alta resolução temporal e espacial necessárias para esta tarefa é uma questão significativa que tem impedido que esta controvérsia seja completamente resolvida.

O desenvolvimento e a aplicação de vários sensores metabólicos fluorescentes projetados resultaram em um aumento notável em nossa compreensão de onde e como os metabólitos são produzidos e usados, bem como como os fluxos metabólicos ocorrem durante a atividade neuronal basal e alta9. Sensores metabólicos codificados geneticamente, baseados na microscopia de transferência de energia por ressonância de Förster (FRET), como ATeam (ATP), FLII12Pglu700μδ6 (glicose), lacônico (lactato) e pirônico (piruvato), têm contribuído para o entendimento do metabolismo energético cerebral 10,11,12,13. No entanto, devido aos altos custos e equipamentos sofisticados necessários para a realização de experimentos em animais vivos ou tecidos, os resultados em modelos de vertebrados ainda são primariamente limitados a culturas de células (células gliais e neurônios).

O uso emergente do modelo de Drosophila para expressar esses sensores revelou que as principais características metabólicas são conservadas em todas as espécies e sua função pode ser facilmente abordada com esta ferramenta. Mais importante, o modelo de Drosophila lançou luz sobre como a glicose e o lactato/piruvato são transportados e metabolizados no cérebro das moscas, a ligação entre o consumo de monocarboxilato e a formação da memória, e a notável demonstração de como aumentos na atividade neural e fluxo metabólico se sobrepõem 14,15,16,17. O método apresentado aqui para medir os níveis de monocarboxilato, glicose e ATP usando sensores FRET codificados geneticamente expressos no cérebro da larva permite que os pesquisadores aprendam mais sobre como o cérebro de Drosophila usa energia, que pode ser aplicada aos cérebros de outros animais.

Mostramos que este método é eficaz na detecção de lactato e glicose em células gliais e neurônios, e que um transportador monocarboxilato (Chaski) está envolvido na importação de lactato para as células gliais. Também demonstramos um método simples para estudar as alterações dos metabólitos durante o aumento da atividade neuronal, que pode ser facilmente induzido pela aplicação em banho de um antagonista do receptorGABA A . Finalmente, mostramos que esta metodologia pode ser usada para medir o transporte de monocarboxilato e glicose em outros tecidos metabolicamente significativos, como corpos adiposos.

Acesso restrito. Inicie sessão ou comece um teste para visualizar este conteúdo.

Protocolo

1. Manutenção de cepas volantes e sincronização larval

  1. Para a realização desses experimentos, utilizaram-se culturas de moscas criadas a 25 °C em alimento padrão de Drosophila composto por 10% de levedura, 8% de glicose, 5% de farinha de trigo, 1,1% de ágar, 0,6% de ácido propiônico e 1,5% de metilparabeno.
  2. Para seguir este protocolo, use as seguintes linhas: w1118 (fundo de controle experimental), OK6-GAL4 (driver para neurônios motores), repo-GAL4 (driver para todas as células gliais), CG-GAL4 (driver para corpos gordos), UAS-Pyronic (sensor de piruvato), UAS-FLII12Pglu700μδ6 (sensor de glicose), UAS-Laconic (sensor de lactato), UAS-GCaMP6f (sensor de cálcio), UAS-AT1.03NL (sensor ATP) e UAS-Chk RNAi GD1829. Todas as linhagens que expressam sensores ou RNAi estão no background genético w1118 .
  3. Para obter larvas errantes sincronizadas de terceiro ínstar, colocar 300 moscas (3-5 dias de idade, 100 machos, 200 fêmeas virgens) do cruzamento genético desejado na câmara de oviposição, que contém uma placa de Petri de 60 mm coberta com agarose a 1% em solução salina tamponada com fosfato (PBS). Coloque uma gota de levedura líquida/cremosa (1,5 cm de diâmetro) no centro da placa para incentivar as moscas a botar ovos (Figura 1).
  4. Manter as moscas a 25 °C durante 3 dias, substituindo a placa de Petri de agarose por uma fresca e levedura recém-dissolvida duas vezes por dia.
  5. Deixe as moscas botarem ovos por 4 h no quarto dia antes de trocar a placa de Petri. Remova esta placa. Em seguida, por 3 h, deixe as moscas depositarem ovos em uma nova placa de agarose com levedura recém-dissolvida. Use essas larvas nos experimentos.
  6. Após 3 h, retire a placa que contém os ovos e coloque-a em uma incubadora de 25 °C por 24 h.
  7. Recolher 50 a 100 larvas recém-eclodidas desta placa (0 h após a eclosão das larvas) e colocá-las num frasco de plástico contendo alimento padrão. Para permitir que as larvas se alimentem corretamente, certifique-se de que o alimento esteja moído e macio. Use as larvas 96 h após a transferência.

2. Faça as tampas de vidro com poli-L-lisina

  1. Realizar esta etapa 1 h antes da dissecção larval. Em uma placa de cultura celular de 6 poços, coloque lamínulas de vidro de 25 mm (o diâmetro das tampas a serem usadas depende da câmara de registro disponível no microscópio).
  2. Coloque uma gota (300 μL) de poli-L-lisina no centro de cada lamínula durante 30 minutos à temperatura ambiente.
  3. Lavar cada lamínula 3x com água destilada e, em seguida, 2x com uma solução salina desprovida de Ca2+ (a mesma solução utilizada para dissecar as larvas, ver passo 3.2). Instale as tampas na câmara de gravação e preencha-a com solução salina livre de Ca2+.
    NOTA: Embora o cérebro da larva possa aderir diretamente às lamínulas de vidro, a adesão é fraca, e o cérebro ocasionalmente se move ou desloca durante o experimento devido ao fluxo contínuo de solução salina. A adição da etapa de poli-L-lisina reduz o risco de movimentos ou mesmo perda cerebral como resultado das lavagens.

3. Dissecção do cordão nervoso ventral (VNC) e corpos gordurosos (corpos estranhos)

  1. Reúna as larvas errantes de terceiro ínstar do cruzamento genético desejado (a partir do passo 1.7) e lave-as completamente 3x com água destilada.
  2. Colocar as larvas em uma placa de dissecção de vidro contendo 750 μL de solução salina gelada nominalmente zero de Ca2+ composta por NaCl 128 mM, KCl 2 mM, MgCl2 mM, trealose 5 mM, HEPES 5 mM e sacarose 35 mM (pH = 6,7, medido com um medidor de pH e ajustado com NaOH 1 M e HCl 37% v/v).
    NOTA: Ajustar o pH para 6,7 é crítico porque, como observado anteriormente, o transporte de monocarboxilato é altamente dependente do pH da solução. Além disso, 6,7 corresponde ao pH na hemolinfa de uma larva de terceiro ínstar17,18.
  3. Coloque a larva sob um estereomicroscópio e faça um corte transversal na parte de trás do abdômen com um par de pinças.
  4. Empurre a mandíbula com a pinça enquanto vira as larvas do avesso.
  5. Observe o cordão nervoso ventral (VNC) próximo à mandíbula. Remova cuidadosamente os discos imaginários e os tecidos cérebro-caudais remanescentes.
  6. Separe o VNC com o cérebro central e lobos ópticos do resto do tecido, cortando os nervos. Transferir a CNV, pegando-a com pinça dos nervos restantes e colocando-a na câmara de gravação contendo a solução de registro livre de Ca2+ (mesma solução do passo 3.2). Os VNCs aderirão imediatamente às tampas.
  7. Para evitar a interferência dos nervos remanescentes, fixe-os na parte inferior da lamínula usando pinça (os nervos também serão fluorescentes dependendo da linha de driver utilizada) (Figura 2).
  8. Para realizar experimentos em corpos gordurosos (corpos estranhos) medindo o transporte de glicose ou monocarboxilato em outro conjunto de experimentos, proceder ao isolamento dos tecidos seguindo as etapas 3.1-3.4. Uma vez que as larvas estão viradas do avesso, observe que o corpo estranho é um tecido branco, bilateral e plano.
  9. Colocar os corpos estranhos isolados que expressam os sensores FRET (obtidos a partir de um cruzamento genético utilizando os condutores apropriados) na câmara de registo que contém a solução de registo sem Ca2+.
    OBS: O CORPO ESTRANHO é altamente hidrofóbico (tende a flutuar na superfície da solução) e extremamente vulnerável à manipulação com pinças, devendo ser manuseado com cuidado. Qualquer manuseio áspero desse tecido resultará em células mortas mais tarde (com uma diminuição da fluorescência dos sensores).
  10. Coloque a câmara de registro contendo VNCs/FBs no palco do microscópio.

4. Imagem de células vivas

  1. Para obter imagens dos sensores que expressam tecidos, use um microscópio de fluorescência vertical acoplado a um sistema de divisão de emissão e uma câmera CCD. Ligue o sistema de iluminação do microscópio 30 minutos antes de iniciar qualquer experimento.
    NOTA: Aqui usamos um microscópio de fluorescência Spinning Disk equipado com uma objetiva de imersão em água de 20x/0,5 para observar VNCs e FBs. A Figura 2 também mostra o uso de uma objetiva de imersão em água de 40x/0,8.
  2. Para visualizar a fluorescência GCaMP6f, defina os comprimentos de onda de excitação e emissão em 488 nm e 540 nm, respectivamente. Para sensores Laconic/Pyronic/ATP/glucose, defina o comprimento de onda de excitação em 440 nm e os comprimentos de onda de emissão em 488 nm (mTFP, CFP) e 540 nm (Vênus, YFP).
  3. Adquira imagens de 512 x 512 pixels a cada 2 s para GCaMP6f e a cada 10-30 s para sensores Laconic/Pyronic/ATP/glicose. Determinar a exposição ótima à fonte de luz observando a qualidade da imagem obtida. Para seguir este protocolo, certifique-se de que as imagens sejam de exposição de 300 ms para os sensores Laconic e Pyronic e de 100-150 ms para os sensores de glicose e ATP .
    NOTA: A exposição pode variar dependendo do uso de um microscópio de fluorescência confocal ou normal.
  4. Uma vez instalada a câmara de registro no estágio do microscópio, coloque cuidadosamente a objetiva de imersão em água e certifique-se de que a objetiva permaneça submersa durante todo o experimento. Manter a temperatura ambiente a 25 °C.
  5. Conectar a câmara de registro a um sistema de perfusão e manter os tecidos banhados na solução de registro contendo NaCl 128 mM, KCl 2 mM, CaCl2 1,5 mM, MgCl2 4 mM, trealose 5 mM, HEPES 5 mM e sacarose 35 mM, pH 6,7 (medido com um medidor de pH e ajustado com NaOH e HCl).
  6. Manter um fluxo constante de 3 mL/min de solução de registro através do tecido usando gravidade, acoplado a uma bomba peristáltica de baixo fluxo para extrair o líquido da câmara, mantendo o volume constante. Para atingir o fluxo necessário, posicione os tubos contendo solução (tubos plásticos de 50 mL) 25 cm acima do estágio do microscópio.
    NOTA: Este fluxo impulsionado pela gravidade é usado para evitar o movimento do tecido causado por bombas peristálticas, permitindo uma análise de imagem mais precisa mais tarde.
  7. Antes de qualquer estimulação, mantenha a solução de gravação fluindo por 5-10 min para obter uma linha de base estável de fluorescência dos sensores. Altere a duração conforme necessário para obter essa linha de base.
  8. Substitua a solução fluida pela solução de estimulação durante 5 minutos para estimular os VNC/FB (com glicose, piruvato ou lactato na concentração descrita para cada experimento dissolvido em solução salina; ver cada figura).
    NOTA: A duração da estimulação pode ser variada de acordo com as necessidades do experimento (por exemplo, pulsos de glicose podem ser aumentados para 10 min para atingir um platô nos neurônios, como relatado anteriormente16).
  9. Para manter a osmolaridade na solução de estimulação, retifique a concentração de sacarose (um carboidrato não metabolizável pelo cérebro de Drosophila ) de acordo com a concentração do monocarboxilato ou glicose adicionada.
  10. Troque as soluções usando um sistema simples de válvulas. Tenha cuidado para não mover o estágio do microscópio.
  11. Expor o VNC a 80 μM de picrotoxina (PTX, fluxo contínuo) para estimular a atividade neuronal. Esse procedimento aumenta a frequência de oscilações de Ca2+ , tornando possível observar mudanças em moléculas metabolicamente relevantes (por exemplo, ATP intracelular).
  12. No final de qualquer experimento, lavar cuidadosamente todo o sistema de fluxo, incluindo os tubos e a câmara de registro, por pelo menos 10 min com a solução salina e outros 10 min com água destilada para eliminar qualquer vestígio das soluções utilizadas.

5. Processamento de imagens e análise de dados

  1. Para processar as imagens obtidas, prossiga com os passos mostrados na Figura 3.
  2. Importe a imagem (Laconic) para o software ImageJ. A imagem tem duas visões da amostra: a esquerda é o sinal mTFP e a da direita é o sinal de Vênus. Selecione uma região que inclua as células a serem analisadas e separe essas imagens (mTFP e Vênus) em uma nova janela. Certifique-se de que essas imagens contenham exatamente a mesma área.
  3. Abra o plugin de registro e corrija a pequena deriva do tecido que normalmente é observada no experimento com a função corpo rígido. Execute isso em ambas as imagens (mTFP e Vênus).
  4. Selecione pelo menos 10 regiões de interesse (ROIs) no citosol das 10 células correspondentes no sinal mTFP (488 nm) e transfira as seleções para a imagem de Vênus (540 nm).
  5. Selecione duas ou três ROIs próximas às células analisadas, mas sem sinal discernível (sempre dentro da VNC ou do tecido analisado, ver Figura 3). Estes são os ROIs de fundo.
  6. Com as ROIs selecionadas em ambas as imagens, obtenha-se o valor médio de cinza de cada sinal usando a medida da função. Transfira os dados para uma folha de dados e subtraia o valor médio de fundo para cada sinal.
  7. Determine a razão de fluorescência mTFP sobre Vênus (para Lacônico e Pirônico). Este valor é calculado de forma diferente dos outros sensores FRET descritos aqui (onde a razão é geralmente YFP/CFP) porque quando ligados aos seus respectivos substratos, tanto o Laconic quanto o Pyronic reduzem suas eficiências de FET.
  8. Normalize os dados dividindo cada valor registrado pela linha de base. Em uma folha de dados separada, calcule a linha de base tomando o valor médio da razão mTFP/Vênus durante os 2 min que antecedem o estímulo.
  9. Para as medições de glicose e ATP usando sensores baseados em FRET, calcule a razão YFP/CFP e normalize os dados conforme descrito na etapa 5.8.

Acesso restrito. Inicie sessão ou comece um teste para visualizar este conteúdo.

Resultados

Por até 1 h, esse procedimento permite a fácil medição de alterações intracelulares na fluorescência de sensores de monocarboxilato e glicose. Como mostrado na Figura 4, sensores lacônicos tanto nas células gliais quanto nos neurônios motores respondem a 1 mM de lactato em uma taxa semelhante no início do pulso, mas os neurônios motores atingem um aumento maior em relação à linha de base durante o pulso de 5 min, como demonstrado anteriormente17. Essa concentração de ...

Acesso restrito. Inicie sessão ou comece um teste para visualizar este conteúdo.

Discussão

O uso do modelo de Drosophila para o estudo do metabolismo cerebral é relativamente novo26, e tem sido demonstrado que ele compartilha mais características com o metabolismo de mamíferos do que o esperado, o que tem sido estudado principalmente in vitro em culturas de neurônios primários ou fatias cerebrais. Drosophila se destaca em experimentos in vivo graças à bateria de ferramentas genéticas e sensores codificados geneticamente disponíveis que permitem aos pe...

Acesso restrito. Inicie sessão ou comece um teste para visualizar este conteúdo.

Divulgações

Os autores declaram não ter interesses concorrentes ou financeiros.

Agradecimentos

Agradecemos a todos os membros do Sierralta Lab. Este trabalho foi apoiado pela FONDECYT-Iniciación 11200477 (para AGG) e FONDECYT Regular 1210586 (para JS). UAS-FLII12Pglu700μδ6 (sensor de glicose) foi gentilmente doado por Pierre-Yves Plaçais e Thomas Preat, CNRS-Paris.

Acesso restrito. Inicie sessão ou comece um teste para visualizar este conteúdo.

Materiais

Lista de materiais utilizados neste artigo
NomeEmpresaNúmero de catálogoComentários
AgaroseSigmaA9539
CaCl2SigmaC3881
CCD Camera ORCA-R2Hamamatsu-Cell-R
Software
Bloomington Drosophila Stock Center7011Driver de corpo gordo
Dumont # 5 FórcepsFine Science Tools11252-30
Sistema de divisão de emissão DV2Lamínulas fotométricasde
vidro (25 mm de diâmetro)Marienfeld111650Alemanha
GlicoseSigmaG8270
GraphPad Prisma GraphPadSoftwareVersão 8,0,2
HEPESSigmaH3375
Software ImageJNational Institues of HealthVersão 1,53t
KClSigmaP9541
LUMPlanFl 40x/0.8 objetiva de imersão em água
SigmaH5501
MgCl2SigmaM1028
NaClSigmaS7653
OK6-GAL4Bloomington Drosophila Stock CenterDriver de neurônio motor
PicrotoxinaSigmaP1675SCUIDADO-Fatal se ingerido
Poly-L-lisinaSigmaP4707
Ácido propiônicoSigmaP1386
Repo-GAL4Bloomington Drosophila Stock Center7415Driver de célula glial (todos)
Lactato de SódioSigma71718
Piruvato de SódioSigmaP2256
Microscópio de fluorescência de disco giratório BX61WIOlympus-Sucrose
SigmaS0389
TrealoseUS BiologicalT8270
UAS-AT1.03NL Centro de Estoque de Drosophila de Kyoto117012Sensor ATP
UAS-Chk RNAi GD1829Centro de Recursos de Drosophila de Vienav37139Linha Chk RNAi
UAS-FLII12Pglu700md6 Bloomington Drosophila Stock Center93452Sensor de glicose
UAS-GCaMP6f Bloomington Drosophila Stock Center42747Sensor de cálcio
UAS-LaconicSierralta Lab-Sensordelactato
UAS-PyronicPierre Yves Placais/Thomas Preat-CNRS-Paris
UMPlanFl 20x/0.5 objetiva de imersão em águaOlympus-
Olympus-CG-GAL4 Olympus-Metilparabeno

Referências

  1. Vergara, R. C., et al. The energy homeostasis principle: neuronal energy regulation drives local network dynamics generating behavior. Frontiers in Computational Neuroscience. 13 (49), 1-18 (2019).
  2. Pulido, C., Ryan, T. A. Synaptic vesicle pools are a major hidden resting metabolic burden of nerve terminals. Science Advances. 7 (49), 1-9 (2021).
  3. Benton, D., Parker, P. Y., Donohoe, R. T. The supply of glucose to the brain and cognitive functioning. Journal of Biosocial Science. 28 (4), 463-479 (1996).
  4. Mergenthaler, P., Lindauer, U., Dienel, G. A., Meisel, A. Sugar for the brain: the role of glucose in physiological and pathological brain function. Trends in Neurosciences. 36 (10), 587-597 (2013).
  5. Boumezbeur, F., et al. The contribution of blood lactate to brain energy metabolism in humans measured by dynamic 13C nuclear magnetic resonance spectroscopy. The Journal of Neuroscience. 30 (42), 13983-13991 (2010).
  6. Baltan, S. Can lactate serve as an energy substrate for axons in good times and in bad, in sickness and in health. Metabolic Brain Disease. 30 (1), 25-30 (2015).
  7. Barros, L. F., Weber, B. CrossTalk proposal: an important astrocyte-to-neuron lactate shuttle couples neuronal activity to glucose utilization in the brain. The Journal of Physiology. 596 (3), 347-350 (2018).
  8. Yellen, G. Fueling thought: Management of glycolysis and oxidative phosphorylation in neuronal metabolism. The Journal of Cell Biology. 217 (7), 2235-2246 (2018).
  9. Koveal, D., Diaz-Garcia, C. M., Yellen, G. Fluorescent biosensors for neuronal metabolism and the challenges of quantitation. Current Opinion in Neurobiology. 63, 111-121 (2020).
  10. Imamura, H., et al. Visualization of ATP levels inside single living cells with fluorescence resonance energy transfer-based genetically encoded indicators. Proceedings of the National Academy of Sciences of the United States of America. 106 (37), 15651-15656 (2009).
  11. Takanaga, H., Chaudhuri, B., Frommer, W. B. GLUT1 and GLUT9 as major contributors to glucose influx in HepG2 cells identified by a high sensitivity intramolecular FRET glucose sensor. Biochimica et Biophysica Acta. 1778 (4), 1091-1099 (2008).
  12. San Martin, A., et al. A genetically encoded FRET lactate sensor and its use to detect the Warburg effect in single cancer cells. PloS One. 8 (2), 1-13 (2013).
  13. San Martin, A., et al. Imaging mitochondrial flux in single cells with a FRET sensor for pyruvate. PloS One. 9 (1), 1-9 (2014).
  14. Placais, P. Y., et al. Upregulated energy metabolism in the Drosophila mushroom body is the trigger for long-term memory. Nature Communications. 8, 1-14 (2017).
  15. Mann, K., Deny, S., Ganguli, S., Clandinin, T. R. Coupling of activity, metabolism and behaviour across the Drosophila brain. Nature. 593 (7858), 244-248 (2021).
  16. Volkenhoff, A., Hirrlinger, J., Kappel, J. M., Klambt, C., Schirmeier, S. Live imaging using a FRET glucose sensor reveals glucose delivery to all cell types in the Drosophila brain. Journal of Insect Physiology. 106 (1), 55-64 (2018).
  17. Gonzalez-Gutierrez, A., Ibacache, A., Esparza, A., Barros, L. F., Sierralta, J. Neuronal lactate levels depend on glia-derived lactate during high brain activity in Drosophila. Glia. 68 (6), 1213-1227 (2020).
  18. Geistlinger, K., Schmidt, J. D. R., Beitz, E. Human monocarboxylate transporters accept and relay protons via the bound substrate for selectivity and activity at physiological pH. PNAS Nexus. 2 (2), 1-8 (2023).
  19. Pasco, M. Y., Leopold, P. High sugar-induced insulin resistance in Drosophila relies on the lipocalin Neural Lazarillo. PloS One. 7 (5), 1-8 (2012).
  20. McMullen, E., Weiler, A., Becker, H. M., Schirmeier, S. Plasticity of carbohydrate transport at the blood-brain barrier. Frontiers in Behavioral Neuroscience. 14, 1-15 (2020).
  21. Delgado, M. G., et al. Chaski, a novel Drosophila lactate/pyruvate transporter required in glia cells for survival under nutritional stress. Scientific Reports. 8 (1), 1-13 (2018).
  22. Stilwell, G. E., Saraswati, S., Littleton, J. T., Chouinard, S. W. Development of a Drosophila seizure model for in vivo high-throughput drug screening. European Journal of Neuroscience. 24 (8), 2211-2222 (2006).
  23. Lerchundi, R., Huang, N., Rose, C. R. Quantitative imaging of changes in astrocytic and neuronal adenosine triphosphate using two different variants of Ateam. Frontiers in Cellular Neuroscience. 14 (80), 1-13 (2020).
  24. Baeza-Lehnert, F., et al. Non-canonical control of neuronal Energy Status by the Na(+) Pump. Cell Metabolism. 29 (3), 668-680 (2019).
  25. Mattila, J., Hietakangas, V. Regulation of carbohydrate energy metabolism in Drosophilamelanogaster. Genetics. 207 (4), 1231-1253 (2017).
  26. De Backer, J., Grunwald, I. A role for glia in cellular and systemic metabolism: insights from the fly. Current Opinion in Insect Science. 53 (100947), 1-8 (2022).
  27. Loganathan, S., Ball, H., Manzo, E., Zarnescu, D. Measuring glucose uptake in Drosophila models of TDP-43 proteinopathy. Journal of Visualized Experiments. (174), e62936(2021).
  28. Dienel, G., Rothman, D. L. In vivo calibration of genetically encoded metabolite biosensors must account for metabolite metabolism during calibration and cellular volume. Journal of Neurochemistry. , (2023).
  29. Gandara, L., Durrieu, L., Behrensen, C., Wappner, P. A genetic toolkit for the analysis of metabolic changes in Drosophila provides new insights into metabolic responses to stress and malignant transformation. Scientific Reports. 9, 1-11 (2019).
  30. Gandara, L., Durrieu, L., Wappner, P. Metabolic FRET sensors in intact organs: Applying spectral unmixing to acquire reliable signals. BioRxiv. , (2023).

Acesso restrito. Inicie sessão ou comece um teste para visualizar este conteúdo.

Reimpressões e permissões

Solicitar permissão para reutilizar o texto ou as figuras deste artigo JoVE

Solicitar permissão

Etiquetas

Transporte de MonocarboxilatosC lulas GliaisAtividade NeuronalTransporte de LactatoMetabolismo da GlicoseSensores FRETImagem Ex VivoRastreamento de Metab litos

Artigos relacionados