Summary

Flusso di lavoro basato sulla combinazione di tracciante isotopico esperimenti per studiare il metabolismo microbico di più fonti di nutrienti

Published: January 22, 2018
doi:

Summary

Questo protocollo descrive una procedura sperimentale per in modo completo e quantitativamente studiare il metabolismo di più fonti di nutrienti. Questo flusso di lavoro, basato su una combinazione di tracciante isotopico esperimenti e una procedura analitica, permette il destino dei nutrienti consumati e l’origine metabolica delle molecole sintetizzate da microrganismi deve essere determinato.

Abstract

Studi nel campo della microbiologia si basano sull’attuazione di una vasta gamma di metodologie. In particolare, lo sviluppo di metodi appropriati sostanzialmente contribuisce a fornire una vasta conoscenza del metabolismo dei microrganismi crescono in media chimicamente definite che contengono azoto unico e fonti di carbonio. Al contrario, la gestione attraverso il metabolismo di più fonti di nutrienti, nonostante la loro ampia presenza in ambienti naturali o industriali, rimane praticamente inesplorata. Questa situazione è dovuto principalmente alla mancanza di metodologie, che ostacola le indagini.

Segnaliamo una strategia sperimentale in modo completo e quantitativamente esplorare come metabolismo opera quando una sostanza nutriente è fornito come una miscela di molecole diverse, vale a dire, una risorsa complessa. Qui, descriviamo la sua applicazione per valutare il partizionamento di molteplici fonti di azoto attraverso la rete metabolica di lievito. Il flusso di lavoro combina le informazioni ottenute durante gli esperimenti di tracciante isotopo stabile utilizzando selezionati 13C – o 15N-etichettati substrati. In primo luogo è costituito da fermentazioni parallele e riproducibile sullo stesso supporto, che include una miscela di molecole contenenti N; Tuttavia, una fonte di azoto selezionato è etichettata ogni volta. Una combinazione di procedure analitiche (HPLC, GC-MS) è implementata per valutare i modelli di etichettatura di composti mirati e per quantificare il consumo e il recupero dei substrati in altri metaboliti. Un’analisi integrata del dataset completo fornisce una panoramica del destino di substrati consumati all’interno delle cellule. Questo approccio richiede un preciso protocollo per la raccolta di campioni – agevolato da un sistema di robot-assistita per il monitoraggio online delle fermentazioni – e il raggiungimento di numerose analisi che richiede tempo. Nonostante questi vincoli, essa ha consentito di comprendere, per la prima volta, il partizionamento di molteplici fonti di azoto in tutta la rete metabolica di lievito. Abbiamo determinato le origini metaboliche di molecole volatili e gli aminoacidi proteinogenici e delucidato la ridistribuzione di azoto da fonti più abbondanti verso altri N-composti.

Introduction

Intesa come opera di metabolismo microbico è una questione chiave per la progettazione di strategie efficienti per migliorare i processi di fermentazione e modulano la produzione di composti fermentativi. I progressi nella genomica e genomica funzionale in questi ultimi due decenni in gran parte contribuito ad estendere la conoscenza della topologia delle reti metaboliche in molti microrganismi. Accesso a queste informazioni hanno portato allo sviluppo di approcci che mirano per una panoramica completa della funzione cellulare1. Queste metodologie si basano spesso su un’interpretazione basata su modello di parametri misurabili. Questi dati sperimentali comprendono, da un lato, tassi di produzione e l’assorbimento di metabolita e, d’altra parte, esperimenti di informazioni quantitative intracellulare che sono ottenuti dal tracciante isotopico. Questi dati forniscono informazioni essenziali per la deduzione dell’attività in vivo di diversi percorsi in una rete metabolica definita2,3,4. Attualmente, le tecniche analitiche disponibili solo attivare la rilevazione accurata di modelli di molecole di etichettatura quando si utilizza un elemento singolo isotopo e possibilmente quando co-etichettatura con due elementi isotopici. Inoltre, sotto la maggior parte delle condizioni di crescita, la fonte di carbonio consiste solo di uno o due-composti. Di conseguenza, approcci basati su 13C-isotopica traccianti da substrati di carbonio sono stati ampiamente e correttamente applicati per sviluppare una comprensione completa del carbonio reti metaboliche operazioni5,6,7 ,8.

Al contrario, in molti ambienti naturali ed industriali, la risorsa di azoto disponibile che supporta la crescita microbica è spesso composto di una vasta gamma di molecole. Ad esempio, durante la fermentazione di vino o birra, azoto viene fornito come una miscela di 18 aminoacidi e ammonio alle concentrazioni variabili9. Questa matrice di composti N che sono accessibili per anabolismo rende queste condizioni supporti complessi notevolmente diversi da quelli comunemente utilizzati per gli studi fisiologici, in quanto quest’ultimo si ottiene utilizzando un’unica fonte di azoto, in genere di ammonio.

Nel complesso, interiorizzato azoto composti possono essere direttamente incorporati nelle proteine o catabolizzate. La struttura della rete del metabolismo dell’azoto in molti microrganismi, tra cui il lievito Saccharomyces cerevisiae, è molto complessa, secondo la diversità dei substrati. Schematicamente, questo sistema si basa sulla combinazione del nucleo centrale del metabolismo dell’azoto che catalizza l’interconversione di glutamina, glutammato e α-chetoglutarato10,11, con transaminasi e deaminasi. Attraverso questa rete, sono riuniti gruppi amminici da ammonio o altri aminoacidi e acidi α-cheto rilasciato. Questi intermedi sono anche sintetizzati attraverso il carbonio centrale metabolismo (CCM)12,13. Questo gran numero di reazioni ramificate e intermedi, coinvolti nel catabolismo di fonti esogene di azoto sia l’anabolismo degli amminoacidi proteinogenici, soddisfa i requisiti anabolizzanti delle cellule. L’attività attraverso questi diversi percorsi interconnessi comporta anche l’escrezione dei metaboliti. In particolare, α-chetoacidi possono essere reindirizzati attraverso il pathway di Ehrlich per la produzione di alcoli superiori e loro acetato estere derivati14, che contribuiscono in maniera essenziale ai profili sensoriali dei prodotti. Successivamente, come funziona il metabolismo dell’azoto svolge un ruolo chiave nella produzione di biomassa e la formazione di molecole volatili (aroma).

Le reazioni, enzimi e geni coinvolti nel metabolismo dell’azoto sono ampiamente descritti nella letteratura. Tuttavia, il problema della distribuzione delle molteplici fonti di azoto attraverso una rete metabolica non è ancora stato risolto. Ci sono due ragioni principali che spiegano questa mancanza di informazioni. In primo luogo, alla luce della complessità importante della rete di metabolismo dell’azoto, una grande quantità di dati quantitativi è richiesta per una completa comprensione del suo funzionamento che non era disponibile fino ad ora. Secondo, molti vincoli sperimentali e le limitazioni dei metodi analitici ha impedito l’attuazione di approcci che sono stati precedentemente utilizzati per la delucidazione della funzione CCM.

Per superare questi problemi, abbiamo scelto di sviluppare un approccio di livello di sistema che si basa sulla riconciliazione dei dati da una serie di esperimenti di tracciante isotopico. Il flusso di lavoro comprende:
-Una serie di fermentazioni effettuate nelle stesse condizioni ambientali, mentre una diversa fonte di nutrienti selezionata (substrato) è etichettata ogni volta.
-Una combinazione di procedure analitiche (HPLC, GC-MS) per una determinazione accurata, nelle diverse fasi della fermentazione, la concentrazione residua di substrato con etichetta e la concentrazione e l’arricchimento isotopico di composti che sono derivati da il catabolismo della molecola con etichetta, compresa la biomassa derivata.
-Un calcolo del saldo massa ed isotopico per ciascuno consumati con etichetta molecola e un’ulteriore analisi integrata del set di dati per ottenere una panoramica globale della gestione delle molteplici fonti di nutrienti da parte dei microrganismi attraverso la determinazione dei coefficienti di flusso .

Per applicare questa metodologia, si deve prestare attenzione al comportamento riproducibile del ceppo/microrganismo tra culture. Inoltre, si devono prelevare campioni da diverse culture durante lo stesso progresso di fermentazione ben definito. Nel lavoro sperimentale segnalato in questo manoscritto, un sistema robot-assistita è utilizzato per il monitoraggio online delle fermentazioni per rappresentare questi vincoli.

Inoltre, è fondamentale scegliere un set di substrati con etichettate (composto, natura e posizione di etichettatura) che è opportuno affrontare il problema scientifico dello studio. Qui, arginina, glutamina e 15N-labeled ammonio sono stati selezionati come le tre fonti principali azoto trovate in succo d’uva. Questo ha permesso di valutare il modello di ridistribuzione di azoto dai composti consumati per gli aminoacidi proteinogenici. Abbiamo anche il compito di indagare sulla sorte della spina dorsale del carbonio di aminoacidi consumati e il loro contributo alla produzione di molecole volatili. Per soddisfare questo obiettivo, uniformemente 13C-etichetta leucina, isoleucina, treonina e valina sono stati inclusi nello studio come gli aminoacidi che sono derivati da importanti intermedi del pathway di Ehrlich.

Nel complesso, abbiamo esplorato quantitativamente come lievito gestisce una risorsa complessa azoto ridistribuendo le fonti di azoto esogene per soddisfare le proprie esigenze anabolizzanti per tutta la fermentazione mentre inoltre rimuovono l’eccesso di precursori di carbonio come molecole volatili. La procedura sperimentale riferita in questa carta può essere applicata per studiare altre fonti di nutrienti più utilizzati da qualsiasi altro microrganismo. Sembra essere un approccio adeguato per l’analisi dell’impatto del background genetico o condizioni ambientali sul comportamento metabolico dei microrganismi.

Protocol

1. fermentazione e campionamento Preparazione dei media e fermentatoriNota: Tutte le fermentazioni vengono svolte in parallelo, utilizzando lo stesso sforzo e nello stesso chimicamente definite mezzo sintetico (SM, composizione indicati nella tabella 1), che include una miscela di ammonio e gli aminoacidi come fonti di azoto15. Per ogni fermentazione, un composto unico azoto viene fornito esclusivamente in un uniformemente con etichetta 13</sup…

Representative Results

Figura 3 presenta un diagramma schematico del flusso di lavoro che è stato implementato per studiare la gestione da lievito delle molteplici sorgenti di azoto che si trovano durante la fermentazione del vino.Per i diversi punti di campionamento, le caratteristiche di parametri – crescita biologica, modelli di consumo di azoto e il profilo di aminoacidi proteinogenici – Visualizza un’elevata riproducibilità tra fermentazioni (Fig…

Discussion

Quantificare il partizionamento di composti attraverso reti metaboliche mediante esperimenti di tracciante isotopico è un promettente approccio per capire il funzionamento del metabolismo microbico. Questa metodologia, mentre applicato con successo con uno o due substrati con etichettati, attualmente non può essere implementata per studiare il metabolismo di varie fonti utilizzando multipli con etichettati elementali isotopi (cioè, più di due substrati). Infatti, le tecniche analitiche disponibili consentono…

Disclosures

The authors have nothing to disclose.

Acknowledgements

Grazie a Jean-Roch Mouret, Sylvie Dequin e Jean-Marie Sabalyrolles per aver contribuito alla concezione del sistema robot-assistita fermentazione e Martine Pradal, Nicolas Bouvier e Pascale Brial per il loro supporto tecnico. Finanziamento per questo progetto è stato fornito dal Ministère de l’Education Nationale, de la Recherche et de la Technologie.

Materials

D-Glucose PanReac 141341.0416
D-Fructose PanReac 142728.0416
DL-Malic acid Sigma Aldrich M0875
Citric acid monohydrate Sigma Aldrich C7129
Potassium phosphate monobasic Sigma Aldrich P5379
Potassium sulfate Sigma Aldrich P0772
Magnesium sulfate heptahydrate Sigma Aldrich 230391
Calcium chloride dihydrate Sigma Aldrich C7902
Sodium chloride Sigma Aldrich S9625
Ammonium chloride Sigma Aldrich A4514
Sodium hydroxide Sigma Aldrich 71690
Manganese sulfate monohydrate Sigma Aldrich M7634
Zinc sulfate heptahydrate Sigma Aldrich Z4750
Copper (II) sulfate pentahydrate Sigma Aldrich C7631
Potassium iodine Sigma Aldrich P4286
Cobalt (II) chloride hexahydrate Sigma Aldrich C3169
Boric acid Sigma Aldrich B7660
Ammonium heptamolybdate Sigma Aldrich A7302
Myo-inositol Sigma Aldrich I5125
D-Pantothenic acid hemicalcium salt Sigma Aldrich 21210
Thiamine, hydrochloride Sigma Aldrich T4625
Nicotinic acid Sigma Aldrich N4126
Pyridoxine Sigma Aldrich P5669
Biotine Sigma Aldrich B4501
Ergostérol Sigma Aldrich E6510
Tween 80 Sigma Aldrich P1754
Ethanol absolute VWR Chemicals 101074F
Iron (III) chloride hexahydrate Sigma Aldrich 236489
L-Aspartic acid Sigma Aldrich A9256
L-Glutamic acid Sigma Aldrich G1251
L-Alanine Sigma Aldrich A7627
L-Arginine Sigma Aldrich A5006
L-Cysteine Sigma Aldrich C7352
L-Glutamine Sigma Aldrich G3126
Glycine Sigma Aldrich G7126
L-Histidine Sigma Aldrich H8000
L-Isoleucine Sigma Aldrich I2752
L-Leucine Sigma Aldrich L8000
L-Lysine Sigma Aldrich L5501
L-Methionine Sigma Aldrich M9625
L-Phenylalanine Sigma Aldrich P2126
L-Proline Sigma Aldrich P0380
L-Serine Sigma Aldrich S4500
L-Threonine Sigma Aldrich T8625
L-Tryptophane Sigma Aldrich T0254
L-Tyrosine Sigma Aldrich T3754
L-Valine Sigma Aldrich V0500
13C5-L-Valine Eurisotop CLM-2249-H-0.25
13C6-L-Leucine Eurisotop CLM-2262-H-0.25
15N-Ammonium chloride Eurisotop NLM-467-1
ALPHA-15N-L-Glutamine Eurisotop NLM-1016-1
U-15N4-L-Arginine Eurisotop NLM-396-PK
Ethyl acetate Sigma Aldrich 270989
Ethyl propanoate Sigma Aldrich 112305
Ethyl 2-methylpropanoate Sigma Aldrich 246085
Ethyl butanoate Sigma Aldrich E15701
Ethyl 2-methylbutanoate Sigma Aldrich 306886
Ethyl 3-methylbutanoate Sigma Aldrich 8.08541.0250
Ethyl hexanoate Sigma Aldrich 148962
Ethyl octanoate Sigma Aldrich W244910
Ethyl decanoate Sigma Aldrich W243205
Ethyl dodecanoate Sigma Aldrich W244112
Ethyl lactate Sigma Aldrich W244015
Diethyl succinate Sigma Aldrich W237701
2-methylpropyl acetate Sigma Aldrich W217514
2-methylbutyl acetate Sigma Aldrich W364401
3-methyl butyl acetate Sigma Aldrich 287725
2-phenylethyl acetate Sigma Aldrich 290580
2-methylpropanol Sigma Aldrich 294829
2-methylbutanol Sigma Aldrich 133051
3-methylbutanol Sigma Aldrich 309435
Hexanol Sigma Aldrich 128570
2-phenylethanol Sigma Aldrich 77861
Propanoic acid Sigma Aldrich 94425
Butanoic acid Sigma Aldrich 19215
2-methylpropanoic acid Sigma Aldrich 58360
2-methylbutanoic acid Sigma Aldrich 193070
3-methylbutanoic acid Sigma Aldrich W310212
Hexanoic acid Sigma Aldrich 153745
Octanoic acid Sigma Aldrich W279900
Decanoic acid Sigma Aldrich W236403
Dodecanoic acid Sigma Aldrich L556
Fermentor 1L Legallais AT1357 Fermenter handmade for fermentation
Disposable vacuum filtration system Dominique Deutscher 029311
Fermenters (250 ml) Legallais AT1352 Fermenter handmade for fermentation
Sterile tubes Sarstedt 62.554.502
Fermentation locks Legallais AT1356 Fermetation locks handmade for fermentation
BactoYeast Extract Becton, Dickinson and Company 212750
BactoPeptone Becton, Dickinson and Company 211677
Incubator shaker Infors HT
Particle Counter Beckman Coulter 6605697 Multisizer 3 Coulter Counter
Centrifuge Jouan GR412
Plate Butler Robotic system Lab Services BV PF0X-MA Automatic instrument
Plate Butler Software Lab Services BV Robot monitor software
RobView In-house developed calculation software
My SQL International source database
Cimarec i Telesystem Multipoint Stirrers Thermo Fisher Scientific 50088009 String Drive 60
BenchBlotter platform rocker Dutscher 60903
Ammonia enzymatic kit R-Biopharm AG 5390
Spectrophotometer cuvettes VWR 634-0678
Spectrophotometer UviLine 9400 Secomam
Amino acids standards physiological – acidics and neutrals Sigma Aldrich A6407
Amino acids standards physiological – basics Sigma Aldrich A6282
Citrate lithium buffers – Ultra ninhydrin reagent Biochrom BC80-6000-06
Sulfosalycilic acid Sigma Aldrich S2130
Norleucine Sigma Aldrich N1398
Biochrom 30 AAA Biochrom
EZChrom Elite Biochrom Instrument control and Data analysis software
Ultropac 8 resin Lithium Biochrom BC80-6002-47 Lithium High Resolution Physiological Column
Filter Millex GV Merck Millipore SLGVX13NL Millex GV 13mm (pore size 0.22 µm)
Membrane filter PALL VWR 514-4157 Supor-450 47mm 0.45µm
Vacuum pump Millivac Mini Millipore XF5423050
Aluminium smooth weigh dish 70mm VWR 611-1380
Precision balance Mettler Specifications AE163
Dimethyl sulfoxid dried Merck 1029310161 (max. 0.025% H2O) SeccoSolv
Combustion oven Legallais
Pierce BCA protein assay kit Interchim UP40840A
Formic acid Fluka 94318
Hydrogen peroxide Sigma Aldrich H1009
Hydrochloric Acid Fuming 37% Emsure Merck 1003171000 Grade ACS,ISO,Reag. Ph Eur
Lithium acetate buffer Biochrom 80-2038-10
Commercial solution of hydrolyzed amino acids Sigma Aldrich AAS18
L-Methionine sulfone Sigma Aldrich M0876
L-Cysteic acid monohydrate Sigma Aldrich 30170
Pyrex glass culture tubes Sigma Aldrich Z653586
Pyridine Acros Organics 131780500 99% Extrapure
Ethyl chloroformate Sigma Aldrich 23131
Dichloromethane Sigma Aldrich 32222
Vials Sigma Aldrich 854165
Microinserts for 1.5ml vials Sigma Aldrich SU860066
GC/MS Agilent Technologies 5890 GC/5973 MS
Chemstation Agilent Technologies Instrument control and data analysis software
Methanol Sigma Aldrich 34860 Chromasolv, for HPLC
Acetonitrile Sigma Aldrich 34998 ChromasolvPlus, for HPLC
N,N-Dimethylformamide dimethyl acetal Sigma Aldrich 394963
BSTFA Sigma Aldrich 33024
DB-17MS column Agilent Technologies 122-4731 30m*0.25mm*0.15µm
Sodium sulfate, anhydrous Sigma Aldrich 238597
Technical nitrogen Air products 14629
Zebron ZB-WAX column Phenomenex 7HG-G007-11 30m*0.25mm*0.25µm
Helium BIP Air products 26699
Glass Pasteur pipettes VWR 612-1702

References

  1. Osterlund, T., Nookaew, I., Nielsen, J. Fifteen years of large scale metabolic modeling of yeast: developments and impacts. Biotechnol Adv. 30, 979-988 (2012).
  2. Gombert, A. K., Moreirados Santos, M., Christensen, B., Nielsen, J. Network identification and flux quantification in the central metabolism of Saccharomyces cerevisiae under different conditions of glucose repression. J Bacteriol. 183, 1441-1451 (2001).
  3. Wiechert, W. 13C metabolic flux analysis. Metab Eng. 3, 195-206 (2001).
  4. Fischer, E., Zamboni, N., Sauer, U. High-throughput metabolic flux analysis based on gas chromatography-mass spectrometry derived 13C constraints. Anal Biochem. 325, 308-316 (2004).
  5. Rantanen, A., Rousu, J., Jouhten, P., Zamboni, N., Maaheimo, H., Ukkonen, E. An analytic and systematic framework for estimating metabolic flux ratios from 13C tracer experiments. BMC Bioinformatics. 9, 266 (2008).
  6. Zamboni, N. 13C metabolic flux analysis in complex systems. Curr Opin Biotechnol. 22, 103-108 (2011).
  7. Kruger, N. J., Ratcliffe, R. G. Insights into plant metabolic networks from steady-state metabolic flux analysis. Biochimie. 91, 697-702 (2009).
  8. Quek, L. -. E., Dietmair, S., Krömer, J. O., Nielsen, L. K. Metabolic flux analysis in mammalian cell culture. Metab Eng. 12, 161-171 (2010).
  9. Perpete, P., Santos, G., Bodart, E., Collin, S. Uptake of amino acids during beer production: The concept of a critical time value. J Am Soc Brew Chem. 63, 23-27 (2005).
  10. Magasanik, B., Kaiser, C. A. Nitrogen regulation in Saccharomyces cerevisiae. Gene. 290, 1-18 (2002).
  11. Ljungdahl, P. O., Daignan-Fornier, B. Regulation of amino acid, nucleotide, and phosphate metabolism in Saccharomyces cerevisiae. Genetics. 190, 885-929 (2012).
  12. Cooper, T. G., Strathern, J. N., Jones, E. W., Broach, J. R. Nitrogen metabolism in Saccharomyces cerevisiae. The molecular biology of the yeast Saccharomyces: Metabolism and gene expression. , 39-99 (1982).
  13. Jones, E. W., Fink, G. R., Strathern, J. N., Jones, E. W., Broach, J. R. Regulation of amino acid and nucleotide biosynthesis in yeast. The molecular biology of the yeast Saccharomyces: Metabolism and gene expression. , 182-299 (1982).
  14. Hazelwood, L. A., Daran, J. -. M., van Maris, A. J. A., Pronk, J. T., Dickinson, J. R. The Ehrlich pathway for fusel alcohol production: a century of research on Saccharomyces cerevisiae metabolism. Appl Environ Microbiol. 74, 2259-2266 (2008).
  15. Bely, M., Sablayrolles, J. M., Barre, P. Automatic detection of assimilable nitrogen deficiencies during alcoholic fermentation in oenological conditions. J Ferment Bioeng. 70, 246-252 (1990).
  16. Forster, J., Famili, I., Fu, P., Palsson, B. O., Nielsen, J. Genome-scale reconstruction of the Saccharomyces cerevisiae metabolic network. Genome Res. 13, 244-253 (2003).
  17. Millard, P., Letisse, F., Sokol, S., Portais, J. C. IsoCor: correcting MS data in isotope labeling experiments. Bioinformatics. 28, 1294-1296 (2012).

Play Video

Cite This Article
Bloem, A., Rollero, S., Seguinot, P., Crépin, L., Perez, M., Picou, C., Camarasa, C. Workflow Based on the Combination of Isotopic Tracer Experiments to Investigate Microbial Metabolism of Multiple Nutrient Sources. J. Vis. Exp. (131), e56393, doi:10.3791/56393 (2018).

View Video