$$\rightleftharpoonup{xx}$$
$$\longleftharp{xx}$$,
$$\longrightharp{xx}$$,
Область синтетической биологии млекопитающих быстро прогрессировала: от разработки простых частей восприятия и ответа в культивируемых клеточных линиях до оптимизации сложных сетей генов для решения реальных проблем в диагностике и терапии1. Эти сложные схемы способны воспринимать биологические входы от профилей микроРНК до цитокинов и низкомолекулярных лекарств, а также реализовывать схемы логической обработки, включая транзисторы, полосовые фильтры, тумблеры и осцилляторы. Они также показали многообещающие результаты на животных моделях таких заболеваний, как рак, артрит, диабет и многих других 1,2,3,4,5. Однако по мере роста сложности схемы оптимизация уровней каждого из ее компонентов становится все более сложной задачей.
Одним из особенно полезных типов генетической схемы является классификатор клеток, который может быть запрограммирован на восприятие и реагирование на клеточные состояния. Селективная продукция белков или выходов РНК в определенных клеточных состояниях является мощным инструментом для направления и программирования дифференцировки клеток и органоидов, выявления и уничтожения больных клеток и/или нежелательных типов клеток, а также регулирования функции терапевтических клеток 1,2,3,4,5 . Однако создание схем в клетках млекопитающих, которые могут точно классифицировать клеточные состояния из нескольких клеточных видов РНК и / или белков, было очень сложной задачей.
Одним из наиболее трудоемких этапов разработки схемы классификации клеток является оптимизация относительных уровней экспрессии отдельных генов компонентов, таких как датчики и факторы обработки, в схеме. Чтобы ускорить оптимизацию схем и позволить строить более сложные схемы, в недавних работах использовалось математическое моделирование схем классификаторов ячеек и их компонентов для прогнозирования оптимальных составов и топологий 6,7. Несмотря на то, что до сих пор это показало мощные результаты, математический анализ ограничен необходимостью систематической характеристики поведения входа-вывода генов компонентов в схеме, что отнимает много времени. Кроме того, в сложных генетических схемах может возникнуть множество контекстно-зависимых проблем, в результате чего поведение полной схемы не поддается предсказаниям, основанным на характеристиках отдельных частей 8,9.
Для более быстрой разработки и тестирования сложных схем млекопитающих, таких как классификаторы состояния клеток, наша лаборатория разработала метод, называемый политрансфекцией10, эволюцию протоколов плазмидной котрансфекции. При совместной трансфекции несколько видов плазмидной ДНК комплексируются вместе с положительно заряженным липидным или полимерным реагентом, а затем доставляются в клетки коррелированным образом (рис. 1A). При политрансфекции плазмиды отдельно образуют комплекс с реагентом, так что ДНК из каждого трансфекционного комплекса доставляется в клетки декоррелированным образом (рис. 1B). Используя этот метод, клетки в трансфицированной популяции подвергаются воздействию многочисленных комбинаций соотношений двух или более полезных нагрузок ДНК, несущих различные компоненты схемы.
Для измерения соотношений компонентов цепи, доставляемых в каждую ячейку, каждый трансфекционный комплекс в политрансфекции содержит конститутивно экспрессируемый флуоресцентный репортер, который служит прокси для клеточного поглощения комплекса. ДНК-наполнитель, которая не содержит каких-либо элементов, активных в клетке млекопитающих, используется для настройки относительного количества флуоресцентного репортера и компонентов схемы, доставляемых в клетку в одном трансфекционном комплексе, и более подробно обсуждается в обсуждении. Примером ДНК-наполнителя, используемой в лаборатории Вайса, является плазмида, содержащая последовательность терминатора, но без промотора, кодирующей последовательности и т. д. Затем можно сравнить клетки с различными соотношениями компонентов цепи, чтобы найти оптимальные соотношения для функции генной цепи. Это, в свою очередь, дает полезные прогнозы для выбора промоторов и других элементов схемы для достижения оптимальных уровней экспрессии генов при объединении компонентов схемы в единый вектор для генетической интеграции (например, лентивирус, транспозон или посадочная площадка). Таким образом, вместо того, чтобы выбирать соотношения между компонентами схемы на основе интуиции или с помощью трудоемкого процесса проб и ошибок, политрансфекция оценивает широкий спектр стехиометрий между генетическими частями в реакции с одним горшком.
В нашей лаборатории политрансфекция позволила оптимизировать многие генетические схемы, включая классификаторы клеток, контроллеры обратной связи и прямой связи, а также бистабильные мотивы. Этот простой, но мощный метод значительно ускоряет циклы проектирования сложных генетических схем в клетках млекопитающих. С тех пор политрансфекция использовалась для характеристики нескольких генетических цепей, чтобы выявить их многомерные функции передачи ввода-вывода с высоким разрешением10, оптимизировать альтернативную топологию схемы для классификации состояния клетки 11 и ускорить различные опубликованные12,13 и текущие проекты.
Здесь мы описываем и изображаем рабочий процесс использования политрансфекции для быстрой оптимизации генетической цепи (рис. 2). Протокол показывает, как генерировать высококачественные данные политрансфекции и избежать нескольких распространенных ошибок в протоколе политрансфекции и анализе данных (рис. 3). Затем он демонстрирует, как использовать политрансфекцию для характеристики простых компонентов схемы и, в процессе, сравнивать результаты политрансфекции с совместной трансфекцией (рис. 4). Наконец, результаты политрансфекции показывают оптимизацию схемы классификатора рака (рис. 5).