Waiting
Login processing...

Trial ends in Request Full Access Tell Your Colleague About Jove
Click here for the English version

Biology

Une méthode pour évaluer les effets de la bactériocine sur le microbiota intestinal des souris

Published: July 25, 2017 doi: 10.3791/56053
* These authors contributed equally

Summary

On pense que les bactériocines jouent un rôle clé dans la définition de la diversité microbienne dans différentes niches écologiques. Ici, nous décrivons une procédure efficace pour évaluer comment les bactériocines affectent la composition de microbiota intestinal dans un modèle animal.

Abstract

Des questions très intriguantes se posent avec notre connaissance approfondie de la composition des microbiotes intestinaux et de la relation avec la santé, en particulier en ce qui concerne les facteurs qui contribuent au maintien de l'équilibre de la population. Cependant, il existe des méthodologies disponibles limitées pour évaluer ces facteurs. Les bactériocines sont des peptides antimicrobiens produits par de nombreuses bactéries qui peuvent conférer un avantage concurrentiel pour l'acquisition d'aliments et / ou l'établissement de niche. De nombreuses souches probiotiques de bactéries lactiques (LAB) ont un grand potentiel pour promouvoir la santé humaine et animale en empêchant la croissance de pathogènes. Ils peuvent également être utilisés pour l'immuno-modulation, car ils produisent des bactériocines. Cependant, l'activité antagoniste des bactériocines est normalement déterminée par des essais biologiques de laboratoire dans des conditions bien définies mais simplifiées par rapport à l'environnement intestinal complexe chez les humains et les animaux, où les bactéries sont confrontées à des influences multifactorielles de l'hôte et des centaines d'espèces microbiennes sHaring le même créneau. Ce travail décrit une procédure complète et efficace pour évaluer l'effet D'une variété de bactériocines avec différentes spécificités cibles dans un système murin. Les changements dans la composition de microbiota au cours du traitement par la bactériocine sont surveillés à l'aide du séquençage d'ADNr 16S de composition. Notre approche utilise à la fois les producteurs de bactériocines et leurs mutants isogènes non productifs de bactériocines, ce dernier permettant de distinguer les modifications liées à la bactériocine liées aux modifications du microbiota liées à la bactériocine. L'extraction de l'ADN fécale et les méthodes de séquençage de l'ADNr 16S sont cohérentes et, conjointement avec la bioinformatique, constituent une procédure puissante pour trouver des changements faibles dans les profils bactériens et pour établir des corrélations, en termes de concentration de cholestérol et de triglycérides, entre les populations bactériennes et les marqueurs de santé. Notre protocole est générique et peut donc être utilisé pour étudier d'autres composés ou nutriments susceptibles de modifier le micro hôteRobiota composition, soit lors de l'étude de la toxicité ou des effets bénéfiques.

Introduction

Les bactériocines sont des peptides antimicrobiens produits par une large gamme d'espèces bactériennes 1 , 2 . Ces composés et leurs producteurs, en particulier LAB, ont été explorés et exploités dans le monde entier pendant des décennies pour leurs applications potentielles dans la conservation des aliments et la médecine 3 . Plusieurs bactériocines sont connues pour tuer les pathogènes importants, y compris les espèces de Listeria, Enterococcus, Staphylococcus et Bacillus . Certaines bactériocines ont même la capacité de moduler la réponse immunitaire 4 . De nombreuses bactériocines ont des spectres relativement étroits, une propriété qui est très appréciée dans certaines applications. Par exemple, certaines bactériocines à spectre étroit peuvent être utilisées pour diriger une activité spécifique contre des groupes sélectionnés de bactéries problématiques, sans beaucoup de perturbation sur la flore commensale ou bénéfique partageant la même niche; Ceci est particulièrement essentiel dans l'environnement intestinal, Où de nombreux microbes bénéfiques prospèrent de manière interactive et dynamique 5 . Les bactériocines sont également très attrayantes pour une utilisation prophylactique ou probiotique, car elles peuvent supprimer la croissance des agents pathogènes, des pathobionts ou des bactéries opportunistes qui peuvent déséquilibrer l'homéostasie intestinale 6 , 7 .

En termes de nature et de propriétés physicochimiques, les bactériocines sont très diverses, car elles ont des structures différentes, des spécificités cibles, des modes d'action, etc. La plupart des bactériocines ont été étudiées très en détail dans des milieux in vitro , mais très peu ont été testés dans les aliments Les matrices 8 , 9 ou in vivo, telles que dans un intestin d'animal 6 , 10 . Les propriétés in vitro peuvent différer dans une grande mesure lorsqu'elles sont évaluées in vivo en raison de la complexité oF l'environnement intestinal et aussi à des effets involontaires putatifs sur les bactéries bénéfiques. La plupart des probiotiques sont LAB. Ils produisent une gamme d'autres métabolites, y compris les acides gras à chaîne courte, qui influent sur la physiologie de l'hôte, ainsi que pour démontrer les propriétés antimicrobiennes envers certaines bactéries. Par conséquent, dans le cas des souches probiotiques qui produisent des bactériocines, il est préférable d'établir des analyses réalistes, comme des animaux sains avec un microbiota normal.

Dans la présente étude, nous fournissons une stratégie qui permet d'évaluer l'effet de différentes souches productrices de bactériocines, dont les bactériocines ont des spectres inhibiteurs différents, sur des souris saines. Notre stratégie comprend l'alimentation de souris avec des mutants isogènes non bactériociniques, ce qui permet de différencier les effets médiés par la bactériocine des effets induits par la bactériocine. Le séquençage du 16S rDNA permet de suivre les changements dynamiques de la population bactérienne dans l'intestin. SubsUne analyse statistique équitable déchiffre les corrélations entre les espèces bactériennes et aussi entre les espèces bactériennes et les paramètres physiologiques mesurés ( p. Ex., Poids corporel, paramètres biochimiques sériques, etc. ). Nous croyons que le protocole présenté dans cette étude s'applique également à d'autres applications probiotiques ou prébiotiques au-delà de l'étude des bactériocines chez les animaux vivants.

Subscription Required. Please recommend JoVE to your librarian.

Protocol

Les soins et la manipulation doivent être effectués dans une unité spécialisée de soins des animaux. Les procédures décrites ici ont été approuvées par le Comité d'éthique correspondant de l'Université de Valence et les autorités locales, conformément aux principes de la protection des animaux de laboratoire obligatoire par le droit de l'Union européenne et 2010/63 / UE et le gouvernement espagnol RD 53/2013 sur la protection des animaux Utilisé à des fins scientifiques, afin de respecter le principe 3R dans l'expérimentation animale (remplacement, réduction, raffinement).

1. Cultures bactériennes congelées utilisées pour inoculer des souris

  1. Inoculer des souches individuelles de LAB dans 5 mL de milieu de perfusion cérébrale et coeur (BHI) et les cultiver pendant 20 à 24 h (nuit) à 30 ° C.
  2. Diluer chaque culture bactérienne pendant la nuit 100 fois dans BHI en transférant 2 ml de culture pendant une nuit à 200 ml de BHI. Cultivez-les à 30 ° C pendant 20 à 24 h.
    NOTE: Les souches utilisées dans cette étude sont listées dans le tableau 1.
  3. RécolteLls par centrifugation à 5 000 xg pendant 20 min à 4 ° C.
  4. Retirer le surnageant et laver les cellules deux fois en suspendant chaque pastille cellulaire dans 100 ml de solution salée tamponnée au phosphate glacée (PBS) et en recueillant les cellules comme à l'étape 1.3.
  5. Après le deuxième lavage, suspendre chaque pastille cellulaire dans 20 ml de glycérol à 15% glacé dans du PBS.
  6. Aliquotez la suspension de cellules dans des volumes de 1 ml dans des tubes, puis rangez-les à -80 ° C jusqu'à utilisation.
    REMARQUE: Les cellules doivent être utilisées dans un délai de 1 à 2 mois après ce point.
  7. Déterminer le numéro de cellule avant le stockage et avant l'administration de sorte que le nombre de cellules vivantes données à la souris soit connu.
    1. Pour le comptage des cellules, faites des dilutions séquentielles en dix fois dans une solution glacée de chlorure de sodium (NaCl) glacée à 0,9%. Répartir 100 μL de chaque dilution sur une plaque d'agar BHI. Incuber de nuit (20 à 24 h) à 30 ° C pour la croissance cellulaire et la formation de colonies, ce dernier pour déterminer les unités formant des colonies (cfu) / mL.
  8. Pour produire de l'eau potable contenant des bactéries, diluer les cellules de chaque culture bactérienne dans 100 ml d'eau potable stérile et filtrée, avec une UFC moyenne finale de 10 9 ml d'eau. Pour l'évaluation de la survie bactérienne, compter les cellules vivantes juste après la dilution et après 24 h une fois par semaine pendant les deux premières semaines de traitement bactérien.

2. Test de souris et conception expérimentale

Note: Des souris femelles jeunes adultes BALB / c exemptes de pathogènes spécifiques (SPF) (6 à 8 semaines) sont nécessaires pour cette expérience; Ici, un total de 100 animaux ont été achetés.

  1. Fournir aux souris un accès gratuit aux aliments et à l'eau granulés tout au long de l'expérience.
  2. Concevez l'expérience et calculez la puissance.
    1. Si chaque traitement a son propre contrôle, appliquez une conception de cas-témoins appariés (test t). Utilisez un essai préliminaire pour calculer l'erreur moyenne et standard des effets les plus importants à déterminer. Optimiser la puissance de l'analyse et le nombre d'animaux nécessaires par groupe en utilisant différentes méthodes et programmes disponibles gratuitement 11 .
    2. Pour tester les effets des souches de producteurs de bactériocines par rapport aux souches non productrices, utilisez 9 animaux par état expérimental.
      REMARQUE: Ce nombre a été déterminé en fonction de l'erreur standard expérimentale et a fourni une puissance satisfaisante (0,7 - 1,0) et un niveau de signification inférieur à 0,05.
      NOTE: Dans l'exemple donné, 11 groupes de souris ont été fabriqués, un par cage. Dix cages correspondaient aux traitements avec 5 souches productrices de bateriocines et les 5 souches 5 non-productrices isogènes correspondantes; La 11ème cage avait 10 souris et constituait le contrôle non traité.
  3. Après l'arrivée des souris dans les installations d'élevage, distribuez-les dans des cages et étiquettez les animaux pour permettre le suivi individuel. Acclimater les souris aux installations et aux conditions d'élevage pendant une semaine avant pEn cours de route.
  4. Préparez l'eau potable contenant des bactéries, comme décrit à l'étape 1.8, et placez les bouteilles d'eau potable dans les cages indépendantes correspondantes qui sont clairement identifiées de sorte que les souris dans chaque cage partagent la même bouteille d'eau.
    REMARQUE: Le groupe de contrôle doit être conservé dans une cage séparée, sans contact avec les bactéries testées.
  5. Préparez une nouvelle bouteille avec de l'eau potable fraîche (100 mL) tous les jours et ajoutez des suspensions bactériennes fraîchement décongelées. Faites ceci pendant 15 jours consécutifs.
  6. Suivez le traitement des bactéries avec une période de deux semaines, période pendant laquelle les souris boivent de l'eau sans bactéries ( figure 1 ).

3. Collecte d'échantillons

  1. Recueillir des échantillons de matières fécales.
    1. Préparez des cages autoclavées (vides) et des pinces stériles et écrivez des tubes stériles de 1,5 mL pour chaque souris.
    2. Recueillir des échantillons au même moment de la journée pour éviter les variations de la composition de microbiota au cours deLe cours d'une journée. Pour des résultats optimaux, collectez les échantillons frais séparément.
      REMARQUE: De préférence, rassemblez les excréments tôt le matin, lorsque les souris ont tendance à déféquer spontanément.
    3. Nettoyez une cage vide avec 70% d'alcool et placez une souris à l'intérieur. Laissez-le déféquer et collectez 2 à 4 boulettes fécales à l'aide de pinces stériles, en les plaçant dans des tubes de 1,5 mL.
      REMARQUE: Parfois, il suffit de maintenir la queue de la souris vers le haut; Les selles peuvent ensuite être collectées directement de l'anus dans un tube.
    4. Recueillir des échantillons fécales de chaque souris une fois par semaine durant l'expérience de quatre semaines ( Figure 1 ). Recueillir les premiers échantillons au premier jour (T0, temps zéro), juste avant l'exposition des souris aux bactéries. Recueillir les échantillons de matières fécales suivants aux jours 7, 14, 21 et 28.
    5. Réfrigérer les échantillons à 4 ° C jusqu'à leur transport au laboratoire, où ils sont congelés à -80 ° C. Planifiez d'avance et fournissez suffisamment de boîtes de stockage, en tant que grand nombre de feDes échantillons de cal seront recueillis au cours de l'expérience.
  2. Pesez toutes les souris toutes les semaines le jour de la collecte des matières fécales.
  3. Recueillir des échantillons de sang de la veine du visage de toutes les souris au 15 e jour, le dernier jour d'administration de bactéries, et déterminer les taux de triglycérides, de cholestérol total, de lipoprotéines de haute densité (HDL) et de lipoprotéines de basse densité (LDL) sérum sanguin.
    NOTE: Le personnel expérimenté devrait collecter le sang pour réduire le stress chez les animaux.

4. Activité de comptage LAB et Bacteriocin

  1. Pesez une pastille fécale de chaque échantillon dans un tube de 1,5 ml et ajoutez un volume adéquat de 0,9% de NaCl glacé pour obtenir une solution à 10% (p / v). Utilisez des micropères stériles pour des tubes de 1,5 mL pour homogénéiser la suspension fécale et préparer des dilutions en série à dix fois dans du NaCl 0,9% glacé.
  2. Comptez le nombre total de cellules LAB.
    1. Transférer les cellules diluées (100 μL) à 4 mL de Ma préchaufféeN Rogosa Sharpe (MRS) gélose molle (50 ° C, gomme 0,8%). Mélanger en vortex avant de verser les cellules sur une plaque de gélose MRS solide (1,5% d'agar).
    2. Sécher la plaque en enlevant le couvercle pendant 5 à 10 min dans le capot stérile avant d'incuber les cellules pendant 20 à 24 h à 30 ° C pour la croissance cellulaire et la formation de colonies.
  3. Comptez les cellules productrices de bactériocines.
    1. Transférer des cellules diluées (100 μL) du producteur de bactériocine à 4 mL d'agar MRS pré-humidifié (50 ° C, 0,8% d'agar), mélanger par vortexage et verser les cellules sur une plaque de gélose MRS (agar 1,5%); Cette couche est appelée la première couche.
    2. Transférer encore 4 ml d'agar MRS sans gélose (0.8% d'agar) sur la première couche pour intégrer toutes les cellules dans la gélose molle.
      NOTE: Cette couche est destinée à empêcher les cellules de se développer en tant que colonies à la surface des plaques d'agar. Les cellules qui poussent à la surface sont facilement déplacées lors du versement des cellules indicatrices sur le dessus (étape 4.3.4) etCompliquera donc l'interprétation des résultats. Cette couche est appelée deuxième couche.
    3. Sécher la plaque en enlevant le couvercle pendant 5 à 10 min dans le capot stérile avant d'incuber pendant 20 à 24 h à 30 ° C pour la croissance cellulaire et la formation de colonies.
    4. Pour identifier les colonies productrices de bactériocines, mélanger 40 μL d'une culture pendant une nuit d'une souche indicatrice appropriée, comme indiqué dans le tableau 1 , avec 4 mL d'agar doux préchauffé. Verser le mélange sur la plaque; Cette couche est appelée la troisième couche.
    5. Sécher la plaque en enlevant le couvercle pendant 5 à 10 min dans le capot stérile avant d'incuber pendant 20 à 24 h à 30 ° C pour la croissance cellulaire et la formation de colonies.
      NOTE: Les colonies productrices de bactériocines ont des zones claires (inhibition) autour des colonies ( figure 2 ).

5. Extraction d'ADN, amplification d'ADNr 16S et séquençage

REMARQUE: Étapes fOu l'extraction d'ADN sont décrits pour l'utilisation d'un kit commercial ( p. Ex. Kit Realpure "SSS").

  1. Suspendre 1 à 2 boulettes de souris fecales (~ 200 mg) dans 300 μL de solution de lyse.
  2. Transférer l'échantillon sur un microtube de 2 mL dans lequel environ 0,5 g de perles de verre (diamètre: 0,1 mm) ont déjà été placés.
  3. Ajouter 1 μL de mutanolysine à 10 U / μL et 2 μL de lysozyme à 20 mg / mL à chaque échantillon et incuber à 37 ° C pendant 40 à 60 min. Procédez avec l'un des protocoles standard pour l'extraction d'ADN à partir d'échantillons de matières fécales 12 .
  4. Appliquer deux cycles d'étapes de perlage, 1 minute chacun.
  5. Ajouter 2 μL de proteinase K et bien mélanger.
  6. Incuber pendant 20 min et vortex toutes les 5 min.
  7. Refroidir les échantillons à 37 ° C et ajouter 1 μL de RNase A 5 μg / mL à l'échantillon. Bien mélanger.
  8. Incuber à 37 ° C pendant 30 à 60 min.
  9. Refroidir les échantillons à température ambiante et ajouter 180 μLDe la solution de précipitation des protéines. Vortex vigoureusement à la vitesse maximale pour 20 à 30 s.
  10. Centrifuger à 16 000 xg pendant 5 min. S'il y a des particules flottant dans le surnageant, incuber les échantillons dans de la glace pendant 5 min, puis centrifuger à nouveau.
  11. Transférer le surnageant contenant l'ADN à un nouveau microtube contenant 1,5 ml contenant 300 μl d'isopropanol.
  12. Mélanger en inversant les tubes 20 à 30 fois et incuber pendant 1 h à -20 ° C. Alternativement, incuber les tubes pendant plus longtemps ( p. Ex., Pendant la nuit).
  13. Centrifuger à 16 000 xg pendant 2 min.
  14. Retirer le surnageant et sécher le tube sur du papier absorbant. Ajouter 300 μL d'éthanol à 70% pour laver le culot d'ADN.
  15. Centrifugez à 16 000 xg pendant 1 min, retirez le surnageant et laissez le culot sécher pendant environ 15 min.
  16. Une fois que la pastille est sèche, ajouter 100 μl d'eau stérile ou Tris (10 mM) / EDTA (1 mM) de tampon et remettre à nouveau en suspension la pastille.
  17. Pour éliminer tout inhibiteur possibleComposés pendant les étapes suivantes, nettoyer l'ADN. Mélanger l'ADN extrait avec 2 volumes (200 μL) de NTI tampon pour ajuster les conditions de liaison pour l'étape 5.15.
  18. Placez une membrane de silice contenant une colonne de nettoyage par PCR dans un tube de collecte (2 mL) et chargez l'échantillon.
  19. Centrifuger pendant 30 s à 11 000 x g. Jeter l'écoulement.
  20. Laver la membrane de silice avec 700 μL de tampon NT3 et répéter l'étape 5.16.
  21. Sécher la membrane de silice par centrifugation pendant 1 min à 11 000 xg pour éliminer tout tampon de lavage contenant de l'éthanol résiduel NT3.
  22. Transférer la colonne à un nouveau microtube de 1,5 ml et incuber pendant 2 à 5 minutes à 70 ° C pour l'élimination totale de l'éthanol.
  23. Ajouter 30 μL d'eau de qualité PCR et incuber pendant 5 min à 70 ° C. Eluir par centrifugation pendant 1 min à 11 000 x g.
  24. Quantifier l'ADN en utilisant un spectrophotomètre UV / Vis ou une méthode fluorométrique.
  25. Normaliser et regrouper les échantillons d'ADN des souris partageant la même cage à l'e Point de temps ch.
  26. Pour observer les variations individuelles pendant le temps, échantillons d'ADN séquentiels de trois souris sélectionnées au hasard du témoin et deux autres cages aléatoires aux jours 0, 14 et 28.

6. Amplification et séquençage des gènes ARS 16S

  1. Préparez une bibliothèque de gènes d'ARNr 16S amplifiés. Amplifier la région V3-V4 du gène bactérien 16S rRNA 5 en utilisant des amorces avant et inversées avec des adaptateurs de surplomb appropriés:
    5'-TCG TCG GCA GCG TCA GAT GTG TAT AAG AGA CAG CCT ACG GGN GGC WGC AG-3 '
    5'-GTC TCG TGG GCT CGG AGA TGT GTA TAA GAG ACA GGA CTA CHV GGG TAT CTA ATC C-3 '
  2. Vérifier les bandes amplifiées en utilisant une électrophorèse avec 1% de gel d'agarose.
  3. Nettoyer les produits de réaction en chaîne par polymérase (PCR) en utilisant des billes magnétiques pour la purification par amplicon.
  4. Procédez comme indiqué par le fabricant selon la plate-forme de séquençage massive utilisée> 6.

7. Analyse des données et statistiques

  1. Filtrage de qualité (généralement effectué dans les installations de séquençage).
    1. Filtrer les données de lecture brutes et dé-multiplex en utilisant le logiciel fourni avec l'équipement.
    2. Traitez les lectures en fin d'utilisation en utilisant le pipeline UPARSE 13 implémenté dans USEARCH 14 (version 7.0.1090). Fusionnez les extrémités appariées et appliquez un filtrage de qualité en utilisant une valeur maximale d'erreur attendue (maxee) de 1.0. Jeter des séquences inférieures à 150 nt. Déterminer les séquences pour éliminer les singletons.
    3. Cluster les séquences en unités taxonomiques opérationnelles (OTU) sur une identité de séquence de 97% et utiliser UCHIME 15 pour filtrer des séquences chimériques.
  2. Choix de l'OTU, affectation taxonomique et reconstruction phylogénétique, et analyses et visualisations de la diversité.
    1. Traiter les OTU en utilisant Quantitative Insights IntO Écologie microbienne (QIIME) 16 .
    2. Choisissez et alignez les OTU représentatives contre la base de données de base de Greengenes 17 en utilisant PyNAST 18 avec une identité minimale de 75% (par défaut).
    3. Assignez une taxonomie aux séquences alignées en utilisant le programme classificateur de base de données ribosomique (RDP) 19 avec une confiance de 0.8.
    4. Normaliser la table OTU au compte séquentiel de l'échantillon avec la profondeur de séquence la plus basse.
    5. Construire un arbre phylogène à partir de séquences alignées en utilisant Fast Tree 20 après l'étape de filtration afin d'éliminer les régions et les positions très variables qui présentent toutes les lacunes. Utilisez cet arbre pour calculer les diversités alpha et bêta et pour calculer les courbes de raréfaction et les indices de Shannon.
    6. Pour générer et visualiser des métriques de distance UniFrac non pondérées 21 , utilisez la principale analyse de coordonnées (PCoA).
      REMARQUE: pour sAnalyse statistique, différents logiciels peuvent être utilisés, tels que R 22 ou les outils statistiques mis en œuvre dans QIIME 16 .
    7. Pour la comparaison des indices de Shannon de la diversité entre les différents traitements, utiliser un ANCOVA, considérant le temps comme variable dépendante continue dans R.
    8. Comparez les distances entre les traitements dans PCoA dans QIIME en utilisant un test t de Student en deux faces et calculez les valeurs p non paramétriques avec 1000 permutations de Monte Carlo à l'aide de la correction Bonferroni.
    9. Analyser les corrélations entre l'abondance relative des OTU spécifiques et d'autres paramètres mesurés, tels que les taux sériques de cholestérol, HDL, LDL, etc. , en utilisant l'analyse de corrélation de Pearson. À cette fin, utilisez CoNet 23 avec la visualisation ultérieure des réseaux de corrélation à l'aide de Cytoscape 3.1.1 24 .

Subscription Required. Please recommend JoVE to your librarian.

Representative Results

La production de bactériocines a été considérée comme une caractéristique probiotique positive dans LAB, car il a été supposé empêcher la croissance de bactéries opportunistes et pathogènes. Le but de ce travail était de montrer la capacité des bactériocines à moduler les populations de microbiota intestinales dans un modèle de souris. À cette fin, une procédure a été développée pour comparer l'effet de l'absorption de souches productrices de bactériocines et de leurs souches isogènes non productrices. Le mode opératoire pour l'inoculation et l'extension temporelle du dosage sont présentés à la figure 1 . Les souris ont été regroupées en onze cages: un contrôle sans traitement, cinq cages traitées avec des souches de bactériocinémie et cinq cages traitées avec les mutants isogènes correspondants qui ont réduit ou pas la production de bactériocines. Le LAB testé par la bactériocine testé, ainsi que les comptes respectifs (cfu / mL) dans l'eau potable et le nombre d'excréments, sont résumés en figure 2 . Il n'y avait pas de différences significatives entre les traitements bactériociniques et les souches isogènes lorsque tous les échantillons et tous les groupes bactériens étaient considérés ensemble ( figure 3 ). Cependant, il y avait des différences probables lorsque des genres bactériens particuliers ont été étudiés indépendamment, comme le montre la figure 4 . En outre, l'analyse de corrélation de Pearson a révélé un lien significatif entre différents genres bactériens et une corrélation entre les genres bactériens et les triglycérides et le LDL dans le sérum, comme le montre le réseau construit dans CoNet à la figure 5 .

Figure 1
Figure 1: Schéma montrant le temps Conception du cours de l'expeRiment. Cliquez ici pour voir une version plus grande de ce chiffre.

Figure 2
Figure 2: Détection de la production de bactériocinémie dans LAB récupéré à partir de matières fécales par un protocole à trois couches (tel que décrit dans la procédure). Cliquez ici pour voir une version plus grande de ce chiffre.

figure 3
Figure 3: Comparaison de la composition des traitements bactériens. Un graphique PCoA a été généré en fonction des distances calculées dans une matrice UniFrac non pondérée. Différents points de temps du même échantillon ( et al. , 2016 12 . Cliquez ici pour voir une version plus grande de ce chiffre.

Figure 4
Figure 4: Changements dans l'abondance relative des groupes bactériologiques ciblés par LAB et Bacteriocine au niveau de genre pendant les périodes de traitement et de post-traitement. ChangementS dans l'abondance relative des genres dans les traitements, obtenus par rapport au temps 0, ont été comparés à ceux du groupe témoin (CON). Pour plus de clarté de l'illustration, seules quatre souches sont montrées: les souches de producteur de garvicine et de sakacine et les souches non productrices (voir la légende de la figure pour relier la couleur et le traitement). Les barres d'erreur représentent l'écart-type. Le degré d'importance est représenté comme suit: P <0.1 avec point (.); P <0,05 avec une étoile (*); P <0,01 avec deux étoiles (**). Adapté de Umu et al. , 2016 12 . Cliquez ici pour voir une version plus grande de ce chiffre.

Figure 5
Figure 5: Réseau de corrélations des abondances relatives des OTU au jour 14 et niveaux de sérum. Les corrélations étaientCalculé en utilisant la corrélation de Pearson dans CoNet. Seuls les significatifs (P <0.05) sont affichés sur le réseau. Les paramètres déterminés dans le sérum - cholestérol total ( Chol ), lipoprotéines de haute densité ( HDL ), lipoprotéines de basse densité ( LDL ) et triglycérides ( Trig - sont représentés par une couleur (gris), tandis que les OTU appartenant à différentes familles sont représentées par Différentes couleurs (voir la légende). Les corrélations positives sont affichées avec des bords verts et des corrélations négatives avec les bords rouges. Les OTU sur les noeuds sont représentés avec les nombres OTU ou le genre auquel ils appartiennent. Adapté de Umu et al. , 2016 12 . Cliquez ici pour voir une version plus grande de ce chiffre.

Inoculé dans l'eau potable L'acidité lactique compte dans les selles Souches d'indicateur
CFU / ml (log10) CFU / g (log10 moyen)
CONTRÔLE ---- 10 souris ND
Lactobacillus sakei B1500 (sakA +) 1.6 9 souris 8,53 ± 0,18 Enterococcus faecium P21 (LMG 2783)
Lactobacillus sakei B1501 (sakA -) 2.0 9 souris 8,22 ± 0,05
Pediocccus acidilactici B1502 (ped +) 26 9 souris 8,73 ± 0,12 Enterococcus faecium P21 (LMG 2783)
PediocccuS acidilactici B1503 (ped -) 25 9 souris 8,75 ± 0,09
Enterococcus faecium B1504 (L50 wt +) 6 9 souris 8,83 ± 0,14 Pediococcus damnosus (LMG 3397)
Enterococcus faecium B1505 (L50 guéri -) dix 9 souris 8,72 ± 0,14
Lactobacillus plantarum B1507 (planta +) 26 9 souris 9,14 ± 0,14 Lactobacillus spp. 965 (LMG 2003)
Lactobacillus plantarum B1508 (planta -) 23 9 souris 8,60 ± 0,18
Lactococcus garviae B1515 (GarML +) 17 9 souris 8,41 ± 0,08 Lactococcus lactis IL1403 (LMG2705)
Lactococcus garviae B1516 (GarML -) 17 9 souris 8,05 ± 0,18
Enterococcus faecium P21 (LMG 2783) pour SakA et PedPA-1, Pediococcus damnosus (LMG 3397) pour les entérocines, Lactobacillus spp. 965 (LMG 2003) pour les planaricines et Lactococcus lactis IL1403 (LMG2705) pour GarML.

Tableau 1: souches inoculées et les dénombrements dans les échantillons de matières fécales.

Subscription Required. Please recommend JoVE to your librarian.

Discussion

La procédure décrite ici a été utilisée pour déterminer si les changements dans le microbiote sont liés à la santé ou à l'âge. Différentes parties du protocole sont importantes, mais parmi celles-ci, l'échantillonnage des excréments, le choix du fragment d'ADN pour être séquencé et analysé, et l'analyse de l'extraction de l'ADN et de l'analyse bioinformatique pourraient certainement être les points les plus critiques. L'échantillonnage est crucial car, pour des raisons éthiques, les souris ne doivent pas être stressées et parce que l'on sait qu'elles modifient la proportion de bactéries dans l'intestin. Les échantillons doivent être traités le plus tôt possible ou devraient être congelés jusqu'à leur utilisation, car certaines bactéries sont très sensibles à la déshydratation et / ou à l'oxygène. La sélection du fragment d'ADN à séquencer à partir des gènes d'ARNr 16S amplifiées est un point crucial. Dans ce travail, les régions variables V3 - V4 ont été sélectionnées 25 . L'importance de la méthode d'extraction d'ADN ne doit pas être sous-estimée, car les cellules bactériennes présentes dans les échantillons ne sont pas toutes eqSensibles à différents protocoles de lyse, et les biais dans l'estimation des populations bactériennes peuvent résulter d'une lyse incomplète. Par conséquent, l'introduction d'une étape de battement de perles est nécessaire. Les souches isogènes peuvent être construites par knockdown génétique ou par la restauration du plasmide, bien que dans le cas des souches, les bactériocines codées par des chromosomes de transformation peuvent représenter un problème. Cette procédure peut être adaptée en utilisant différentes techniques de culture spécifiques, telles que les méthodes anaérobies 26 .

La procédure peut être modifiée dans la plupart des étapes, en fonction du type de modification des facteurs à étudier. La procédure d'inoculation pourrait être raccourcie, mais les changements dans les paramètres sériques peuvent nécessiter un certain temps de développement. Une limitation possible de la méthode pourrait être l'étude des souches bactériennes (nutriments ou composés) qui ne peuvent survivre plusieurs heures dans l'eau ou qui peuvent se grouper (ou précipiter pour les composés). Par conséquent, c'est un facteur qui doit Alors soyez pris en considération.

Jusqu'à présent, l'activité de bactériocine était généralement déterminée in vitro 27 , 28 , 29 ou dans des cultures mixtes 30 . Cette méthode a permis de surveiller in vivo les activités de cinq bactériocines à partir du microbiota à intestin entier de souris de laboratoire standard. De petites variations dans les populations pourraient être déterminées, ainsi que leur influence sur d'autres groupes bactériens ou facteurs physiologiques, comme les paramètres sériques 12 . Les bactériocines ont un spectre d'activité relativement étroit, ce qui inhibe la croissance de bactéries liées à la taxonomie. Cependant, ceux utilisés dans ce dosage sont parmi les plus efficaces, car certains d'entre eux sont actifs contre Staphylococcus aureus , Listeria monocytogenes 31 et même certaines souches d' Escherichia coli , comme dans le cas de la sakacine AAss = "xref"> 32. Lorsqu'ils ont été inoculés chez des souris, le LAB produisant des bactériocines n'a pas donné lieu à des changements remarquables dans la composition globale des microbiota, mais plutôt à un nombre réduit de taxons bactériens. Néanmoins, l'analyse du réseau de corrélation globale a révélé des compatibilités écologiques intéressantes et l'antagonisme entre différentes bactéries. Cette méthode pourrait être adaptée pour analyser l'effet des constituants alimentaires, des médicaments ou d'autres composés, bien que le résultat attendu soit délibérément restreint pour préserver des conditions saines.

Subscription Required. Please recommend JoVE to your librarian.

Disclosures

Les auteurs n'ont rien à dévoiler.

Acknowledgments

Les auteurs souhaitent remercier la mobilité coordonnée de chercheurs de l'EEE Grant NILS Science et Sustainability Coordination (référence 017-ABEL-CM-2013). CB et GP-M. Ont été soutenus par la subvention AGL2015-70487-P du ministère espagnol de l'Économie et de la Compétitivité. OCOU et DBD ont été soutenus par un programme de bourses stratégiques pour la recherche en sciences alimentaires de l'Université norvégienne des sciences de la vie (projet NMBU) (projet 1205051025). Nous souhaitons également remercier Inmaculada Noguera pour son aide aux soins et à l'échantillonnage des animaux et à Jésus Dehesa pour son aide pour assurer la disponibilité de matériel de laboratoire dans l'établissement d'élevage. Nous apprécions également le professeur Lars-Gustav Snipen pour ses conseils sur les statistiques.

Materials

Name Company Catalog Number Comments
Balb/c mice (female) Harlan Mice should be 6 - 8 weeks of age
Plastic Petri dish Thermo Scientific 101VR20
Brain-Heart-Infusion broth Conda 1400.00
European Bacteriological Agar Pronadisa 1800.00
Agarose D1 Low EEO Pronadisa 8010.00
1x TAE buffer Thermo Scientific 15558042
MRS broth Difco 288130
PBS tablets Sigma P4417-100TAB
scale Mettler Toledo PB602-S
sterile forceps Levantina de Laboratorios S.L. 260-3710014
Microcentrifuge Eppendorf 5424
Centrifuge Hermle Z383K
sodium chloride AppliChem Panreac 121659.1211
Realpure SSS Kit Real Life Science Solutions, Durviz, Spain RBME04 (300 ml)
Isopropanol AppliChem Panreac 131090.1611
Ethanol AppliChem Panreac 131086.1214
Qubit fluorometer Invitrogen
Qubit dsDNA HS Assay Kit Invitrogen Q32851
AMPure XP beads Beckman Coulter Genomics, USA A63881 (60 ml)
PerfeCta NGS library quantification kit Quanta BioSciences, Maryland, USA 733-2300
MiSeq v3 reagent kit Illumina, San Diego, California, USA MS-102-3003
Primers for 16S rRNA gene amplification Primers contain V3-V4 region of bacterial 16S rRNA gene and Illumina overhang adaptors:5’-TCG TCG GCA GCG TCA GAT GTG TAT AAG AGA CAG CCT ACG GGN GGC WGC AG-3’ and 5'-GTC TCG TGG GCT CGG AGA TGT GTA TAA GAG ACA GGA CTA CHV GGG TAT CTA ATC C-3’
Nextera XT Index kit FC-131-1002 Indices and Illumina sequencing adaptors
Micropestle for 1.5 mL tubes, Eppendorf / Sigma , Ref. Sigma Z317314-1PAK
Glass beads, 0.1 mm diameter Biospec Products 11079-101
NucleoSpin Gel and PCR Clean-up Kit Macherey-Nagel 740609.25
Omni Bead Ruptor 24 Omni International Inc. 19-040
mutanolysin Sigma M9901-10KU
lysozyme Roche 10837059001
proteinase K Roche 3115887001
RNase A Sigma R4875

DOWNLOAD MATERIALS LIST

References

  1. Papagianni, M. Ribosomally synthesized peptides with antimicrobial properties: biosynthesis, structure, function, and applications. Biotechnol Adv. 21 (6), 465-499 (2003).
  2. Gillor, O., Kirkup, B. C., Riley, M. A. Advances in Applied Microbiology. 54, Academic Press. 129-146 (2004).
  3. Dzung, B. D., Ingolf, F. N. Ribosomally Synthesized Antibacterial Peptides in Gram Positive Bacteria. Curr Drug Targets. 3 (2), 107-122 (2002).
  4. Dobson, A., Cotter, P. D., Ross, R. P., Hill, C. Bacteriocin Production: a Probiotic Trait? Appl Environ Microb. 78 (1), 1-6 (2012).
  5. Li, D., Wang, P., Wang, P., Hu, X., Chen, F. The gut microbiota: A treasure for human health. Biotechnol Adv. 34 (7), 1210-1224 (2016).
  6. Millette, M., et al. Capacity of Human Nisin- and Pediocin-Producing Lactic Acid Bacteria To Reduce Intestinal Colonization by Vancomycin-Resistant Enterococci. Appl Environ Microb. 74 (7), 1997-2003 (2008).
  7. Cotter, P. D., Ross, R. P., Hill, C. Bacteriocins [mdash] a viable alternative to antibiotics? Nat Rev Microb. 11 (2), 95-105 (2013).
  8. Leroy, F., Foulquié Moreno, M. R., De Vuyst, L. Enterococcus faecium RZS C5, an interesting bacteriocin producer to be used as a co-culture in food fermentation. Int J Food Microb. 88 (2-3), 235-240 (2003).
  9. Ananou, S., et al. Combined effect of enterocin AS-48 and high hydrostatic pressure to control food-borne pathogens inoculated in low acid fermented sausages. Meat Sci. 84 (4), 594-600 (2010).
  10. Riboulet-Bisson, E., et al. Effect of Lactobacillus salivarius Bacteriocin Abp118 on the Mouse and Pig Intestinal Microbiota. PLoS One. 7 (2), e31113 (2012).
  11. Charan, J., Kantharia, N. D. How to calculate sample size in animal studies? J Pharmacol Pharmacother. 4 (4), 303-306 (2013).
  12. Umu, ÖC. O., et al. The Potential of Class II Bacteriocins to Modify Gut Microbiota to Improve Host Health. PLoS One. 11 (10), e0164036 (2016).
  13. Edgar, R. C. UPARSE: highly accurate OTU sequences from microbial amplicon reads. Nat Meth. 10 (10), 996-998 (2013).
  14. Edgar, R. C. Search and clustering orders of magnitude faster than BLAST. Bioinformatics. 26 (19), 2460-2461 (2010).
  15. Edgar, R. C., Haas, B. J., Clemente, J. C., Quince, C., Knight, R. UCHIME improves sensitivity and speed of chimera detection. Bioinformatics. 27 (16), 2194-2200 (2011).
  16. Caporaso, J., et al. QIIME allows analysis of high-throughput community sequencing data. Nat Meth. 7 (5), 335-336 (2010).
  17. DeSantis, T. Z., et al. Greengenes, a Chimera-Checked 16S rRNA Gene Database and Workbench Compatible with ARB. Appl Environ Microb. 72 (7), 5069-5072 (2006).
  18. Caporaso, J. G., et al. PyNAST: a flexible tool for aligning sequences to a template alignment. Bioinformatics. 26 (2), 266-267 (2010).
  19. Wang, Q., Garrity, G. M., Tiedje, J. M., Cole, J. R. Naive Bayesian Classifier for Rapid Assignment of rRNA Sequences into the New Bacterial Taxonomy. Appl Environ Microb. 73 (16), 5261-5267 (2007).
  20. Price, M. N., Dehal, P. S., Arkin, A. P. FastTree 2 - Approximately Maximum-Likelihood Trees for Large Alignments. PLoS One. 5 (3), e9490 (2010).
  21. Lozupone, C., Knight, R. UniFrac: a New Phylogenetic Method for Comparing Microbial Communities. Appl Environ Microb. 71 (12), 8228-8235 (2005).
  22. R Core Team. R Foundation for Statistical Computing. , Vienna, Austria. Available from: http://www.R-project.org (2014).
  23. Faust, K., et al. Microbial co-occurrence relationships in the human microbiome. PLoS Comput Biol. 8 (7), e1002606 (2012).
  24. Shannon, P., et al. Cytoscape: A Software Environment for Integrated Models of Biomolecular Interaction Networks. Genome Res. 13 (11), 2498-2504 (2003).
  25. Klindworth, A., et al. Evaluation of general 16S ribosomal RNA gene PCR primers for classical and next-generation sequencing-based diversity studies. Nucleic Acids Res. 41 (1), e1 (2013).
  26. Edwards, A. N., Suárez, J. M., McBride, S. M. Culturing and Maintaining Clostridium difficile in an Anaerobic Environment. J Vis Exp. (79), e50787 (2013).
  27. Delves-Broughton, J., Blackburn, P., Evans, R. J., Hugenholtz, J. Applications of the bacteriocin, nisin. Antonie Van Leeuwenhoek. 69 (2), 193-202 (1996).
  28. Allende, A., et al. Growth and bacteriocin production by lactic acid bacteria in vegetable broth and their effectiveness at reducing Listeria monocytogenes in vitro and in fresh-cut lettuce. Food Microb. 24 (7-8), 759-766 (2007).
  29. Strompfová, V., Lauková, A. In vitro study on bacteriocin production of Enterococci associated with chickens. Anaerobe. 13 (5-6), 228-237 (2007).
  30. Caballero-Guerrero, B., Jiménez Díaz, R., Maldonado-Barragán, A., Ruiz-Barba, J. L. Coculture with specific bacteria enhances survival of Lactobacillus plantarum NC8, an autoinducer-regulated bacteriocin producer, in olive fermentations. Food Microb. 27 (3), 413-417 (2010).
  31. Drider, D., Fimland, G., Héchard, Y., McMullen, L. M., Prévost, H. The Continuing Story of Class IIa Bacteriocins. Microb. Mol Biol Rev. 70 (2), 564-582 (2006).
  32. Gao, Y., Jia, S., Gao, Q., Tan, Z. A novel bacteriocin with a broad inhibitory spectrum produced by Lactobacillus sake C2, isolated from traditional Chinese fermented cabbage. Food Control. 21 (1), 76-81 (2010).

Tags

Biologie cellulaire numéro 125 modèle de souris échantillons de matières fécales microbiota intestinal bactériocinase séquençage massif analyse bioinformatique populations bactériennes cholestérol triglycérides
Une méthode pour évaluer les effets de la bactériocine sur le microbiota intestinal des souris
Play Video
PDF DOI DOWNLOAD MATERIALS LIST

Cite this Article

Bäuerl, C., Umu, Ö. C. O.,More

Bäuerl, C., Umu, Ö. C. O., Hernandez, P. E., Diep, D. B., Pérez-Martínez, G. A Method to Assess Bacteriocin Effects on the Gut Microbiota of Mice. J. Vis. Exp. (125), e56053, doi:10.3791/56053 (2017).

Less
Copy Citation Download Citation Reprints and Permissions
View Video
Waiting X
Simple Hit Counter