Summary
Aqui, apresentamos um protocolo para a detecção e quantificação de Plasmodium falciparum em infectados aquosas glóbulos vermelhos usando um espectrômetro infravermelho de reflexão total atenuada e análise multivariada de dados.
Abstract
Vamos demonstrar um método de quantificação e detecção de parasitas em aquosas células vermelhas do sangue (hemácias) usando uma simples bancada espectrômetro atenuadas Total reflexão Fourier Transform Infrared (ATR-FTIR) em conjunto com a análise de dados multivariada ( MVDA). 3 7 por p. falciparum foram cultivadas para parasitas de palco 10% parasitemia anel e usado para spike hemácias do doador fresco isolado para criar uma diluição de série entre 0 – 1%. 10 µ l de cada amostra foram colocadas no centro da janela de diamante ATR para adquirir o espectro. Os dados da amostra foi tratados para melhorar a relação sinal / ruído e remover a contribuição da água, e então aplicou-se a segunda derivada para resolver características espectrais. Os dados foram então analisados usando dois tipos de MVDA: primeiro Principal componente análise (PCA) para determinar quaisquer valores atípicos e regressão de mínimos quadrados parciais (PLS-R) para construir o modelo de quantificação.
Introduction
Malária está entre as doenças mais devastadoras do nosso tempo; mais de metade da população vive em risco em regiões endêmicas e encargos desproporcionalmente o pobre1,2,3,4. Uma grande parte da questão é a portadores assintomáticos e primeiros pacientes de palco que atuam como reservatórios para mosquitos vetores5, causando picos de infecção durante a época chuvosa e permitindo que persistem nas comunidades. A malária é causada por parasitas de Plasmodium cinco, é o mais mortal do que por p. falciparum , que faz com que a forma mais grave da doença2.
Atualmente, técnicas para o diagnóstico da malária são menos do que perfeito. Microscopia óptica, o atual padrão-ouro, pode somente detectar parasitas 62-88 / µ l dependendo do método usado6. Além disso, devido à intensidade e alta habilidade necessária, em muitas regiões microscopia diagnósticos errados > 50% dos casos, especialmente aqueles com baixa parasitemia níveis2, que pode ser directamente atribuída à falta de recursos na área e resultados em o uso indevido de drogas contra a malária. Outros 2 principais métodos de diagnóstico são testes de diagnóstico rápido (RDTs), que utilizam anticorpos para a detecção e ensaios de reação em cadeia da polimerase (PCR), que discriminam e quantificar parasitas de DNA. Atualmente, o RDTs só são capazes de detectar por p. falciparum e p. vivax de pelo menos 100 parasitas / µ l de sangue, resultando em formas mais raras da doença a ser tratada. 7 , 8 em contraste, os ensaios PCR discriminar e quantificar as diferentes espécies de Plasmodium em uma sensibilidade de 0,0004-5 parasitas / µ l de sangue. No entanto, isso requer habilidade técnica, os equipamentos e reagentes caros e, portanto, não é adequado para o campo de aplicação.
Uma técnica altamente sensível, confiável e acessível é essencial para melhorar os tempos de diagnóstico e melhorando os resultados dos pacientes e possibilitando a eliminação da doença. Atenuada espectroscopia de Total reflexão Fourier transform (ATR-FTIR) oferece uma solução para este problema em potencial. Trabalhos anteriores mostraram que era possível detectar e quantificar por p. falciparum em metanol fixada filmes de sangue atingir os limites de detecção de < 1 parasita / µ l de sangue (< 0,0002% parasitemia)9, que é comparável aos métodos PCR. Estudos recentes têm mostrado que é possível detectar e quantificar parasitas em amostras aquosas e, assim, eliminar a etapa de fixação. No entanto, fatores tais como o vapor de água, ruído espectral e tratamento de dados precisam ser tomadas em consideração para obter melhores resultados10.
Este protocolo tem como objetivo mostrar novos usuários como adquirir espectros de FTIR-ATR e preparar um modelo de regressão para a detecção de p. falciparum de amostras aquosas glóbulos vermelhos (RBC)10.
Subscription Required. Please recommend JoVE to your librarian.
Protocol
Por favor, consultar apropriado folhas de dados de segurança Material (MSDS) e buscam a formação adequada do nível de biossegurança 2 (BSL-2). Todas as etapas de cultivo devem ser feitas em um gabinete de BSL-2 usando uma técnica asséptica, ou seja, há um risco de exposição à radiação UV prejudicial de medidas de descontaminação, ferimentos de agulha e exposição potencial biológica e infecção, se a cultura de parasita entra em todos os ferimentos. Além disso, o sangue das ações de bancos de sangue é somente selecionados para certas doenças e o potencial de propagação de doenças de sangue é um risco potencial. Procure ajuda médica imediata na ocorrência de lesões.
1. preparação e medição de 7 3 séries de diluições de parasita Plasmodium falciparum
Nota: Plasmodium SP. cultura é altamente sensível. Usar reagentes frescos/prescrita e alimentar os parasitas regularmente, alterando os meios de comunicação. Alimentar as culturas abaixo de 5% parasitemia cada segundo dia; alimentação de culturas entre 6-10% parasitemia uma ou duas vezes por dia; e alimentar de culturas entre 11-20% até 4 vezes por dia. Parasitas que estão começando a passar fome perderá sua forma e começam a se contrair. Nesse caso, alimentar e diluir imediatamente alterando os meios de comunicação e adicionar estoque RBCs. coletar o sangue do doador em tubos de colheita de sangue contendo heparina como anticoagulante e medida dentro as primeiras 6 horas.
- Cultura um total de 30 mL de 3-7 estirpe parasitas Plasmodium falciparum de acordo com o protocolo padrão até a parasitemia atinge 10% anéis.
-
Sincronização de parasitas
- 11 h após shizogeny no ciclo de vida do parasita, Ressuspender a cultura e transferir para um tubo cônico de 50 mL com uma pipeta automática.
- Centrifugar a cultura de 300 – 400 x g e condições padrão de laboratório (25° C e 100 kPa) por 5 min.
- Retire o sobrenadante por desenhá-lo com uma pipeta ou com uma pipeta Pasteur anexada a um vácuo sem perturbar o sedimento. Descarte resíduos de mídia em uma solução 10%.
- Lentamente, adicionar 12 – 15 mL de solução a 4% sorbitol ao pellet usando uma pipeta automática e misturar a cultura por tampando e inversão do tubo até que a cultura é homogênea.
- Incube a cultura a 37 ° C por 15 min.
- Centrifugar a cultura de 300 – 400 x g e condições padrão de laboratório por 5 min.
- Remova o sobrenadante conforme descrito na etapa 1.2.3.
- Adicionar 10 a 15 mL de soro fisiológico a 0,9% para a pelota e misturar a solução por tampando e inversão do tubo até que a cultura é homogênea.
- Repita as etapas 1.2.6–1.2.8 mais duas vezes para lavar todos os vestígios de sorbitol.
-
Preparação da série de diluição de parasitemia
- Lave o estoque RBCs como em passos 1.2.6–1.2.9.
- Centrifugar a cultura em condições de laboratório padrão, estoque hemácias em 300 – 400 x g durante 5 min e descartar o sobrenadante como na etapa 1.2.3.
- Rotular microcentrifuga tubos como 0%, 0,010%, 0,025%, 0.075%, 0,100%, 0,250%, 0.750% e 1.000% e adicionar 0 µ l, 1 µ l, 2,5 µ l, 7,5 µ l, 10 µ l, 25 µ l, 75 µ l e 100 µ l de cultura respectivamente, usando uma pipeta de µ l de 0.2-20.
- Adicione 100 µ l µ l 99, 97,5 µ l, 92,5 µ l, 80 µ l, 75 µ l, 0 e 25 µ l de estoque hemácias ao tubos rotulados 0%, 0,010%, 0,025%, 0.075%, 0,100%, 0,250%, 0.750% e 1.000%, respectivamente.
- Centrifugue o fresco dador de sangue colhida em tubos anticoagulantes em 1.200 x g e condições padrão de laboratório para 10 min.
- Remova o plasma por desenhá-lo com uma pipeta e descartando conforme descrito na etapa 1.2.3.
- Adicionar 900 µ l de hemácias isoladas em cada tubo microcentrifuga e homogeneizar por inversão x 10.
-
Aquisição de espectral
- Usando o programa de aquisição espectral que acompanha, clique em "Configuração do instrumento" e definir os parâmetros de coleta de dados para o seguinte: 128 varreduras para plano de fundo; 32 varreduras para amostra; e resolução de 8/cm sobre o intervalo de amostra máxima do instrumento.
- Regule a temperatura do espectrómetro ATR-FTIR por recomendação do fabricante ou durante a noite.
- Limpe o cristal esfregando suavemente em movimentos circulares usando algodão livre lenços umedecido com água ultrapura. Em seguida, seque cuidadosamente usando outra limpeza livre de fiapos.
- Tome uma medida de fundo do ar, clicando em "Medição de fundo". Cada 20 min, limpe o cristal como na etapa 1.4.3 e repita essa medição.
- Abra a visualização ao vivo clicando em "Visualizar". Observe uma linha de base plana, horizontal que indica que o cristal está limpo.
- Pipete 10 µ l de água desionizada directamente para o meio do cristal e clique em "Amostra de medida". Repita esta medição de água após cada amostra quinta.
- Seque o cristal usando uma limpeza livre de fiapos e suaves movimentos circulares.
- Pipete 10 µ l de amostra e clique em "Amostra de medida".
- Limpe o cristal entre as amostras como na etapa 1.4.3.
- Repita até 3 repetições são adquiridas, certificando-se de embaralhar a ordem de ambas as amostras e as repetições.
2. análise de dados multivariada (MVDA)
Nota: Tratamento de dados deve ser feito ao longo de todo o conjunto de dados a fim de evitar o ruído e a adição de picos de origem não biológica. Em contraste, analisar sobre as regiões biologicamente relevantes: 2980-2800/cm e 1750-850/cm.
-
Tratamento de dados
Nota: Dois software, por exemplo, Matlab (doravante referido como software 1) e The Unscrambler X (doravante referido como software 2) são utilizados como exemplos para MVDA. 1 o software tem a capacidade de executar MVDA sem a adição de uma interface de usuário gráfica (GUI). No entanto, é aconselhável comprar um GUI (Tabela de materiais). As instruções a seguir quando se referindo ao software 1 assumirá que é em conjunto com a caixa de ferramentas GUI disponível comercialmente, e o script de tratamento de dados de exemplo foi anexado.- Abra o software de análise de dados multivariada apropriado, clique em "Importar dados" e selecione o tipo de arquivo para análise.
- Em software 1, entrada "Análise" na janela de comando para abrir o GUI. Botão direito do mouse na caixa de X para encontrar "Importar dados".
- Em 2 de software, clique na guia "Arquivo" para encontrar a "Importação".
- Importar os espectros de amostra, a água e a linha de base como conjuntos de dados na área de trabalho selecionando todos os espectros em cada conjunto separadamente e clicando em "Abrir" e dar a cada conjunto um nome curto, por exemplo, 'wat' para conjunto de dados de espectros de água.
- Selecione a nova tabela/matriz, clicando em "nova matriz/vetor" e gerar um vetor n × 1, onde n é o número de amostras. A parasitemia de cada amostra de entrada e dê o vetor o nome 'Parasitemia'.
- Em software 1, clique em "Nova variável" na janela de comando.
- Em 2 de software, clique no ícone "Nova matriz".
- Plotar os dados clicando no "plotar dados ícone". Inspecione os espectros para efeitos de vapor de água clicando em "Zoom" e zoom em 1800-1400/cm; mais claramente observado como picos curtos, afiados, estreitos ao longo das encostas de Amida eu e Amida bandas II.
- Em casos extremo de vapor de água, abra a guia Editar/pre-process de dados e selecione "Smoothing". Reduzir o ruído e/ou contribuições de vapor de água forte, alisando os espectros de amostra e água usando até 25 pontos de suavização ou usar um método de correção de vapor de água.
- Correta não horizontais linha de base usando o algoritmo de correção de base, se for o caso, sob a guia de edição/pre-process dados mesmo na etapa 2.1.4.
- Média água espectros e copie as linhas em uma matriz de m × n equivalente para o conjunto de dados de amostra e reduzi-la a intensidade de 70%, multiplicando-o por 0,7.
- Em software 1, fazê-lo na janela de comando inserindo o seguinte script "AverageWater=mean(WaterDataset)". Em seguida, copiar e colar as linhas para coincidir com o conjunto de dados de amostra. Para reduzir a intensidade, a entrada "AverageWater70 = AverageWater * 0.70".
- Subtrai os espectros de água média de cada espectro da amostra.
- Em software 1, fazê-lo na janela de comando inserindo o seguinte script "WaterCorrectedData = SampleDataset-AverageWater70".
- Abra a guia Editar/pre-process dados para aplicar uma segunda função de derivativos e em seguida normalizar os dados, selecionando a função única normal variada (SNV) e dados do centro.
- Em software 1, fazê-lo de uma só vez. Primeiro, selecione "Derivativos" e entrados 25 pontos de suavização, ordem polinomial de 3 e derivado ordem na amostra definida usando uma função de Savitzky-Golay e 25 pontos de suavização. Em seguida, selecione "SNV" e "Quer dizer centro". Clique em "Okey/aplicar".
- Abra a guia Editar/pre-process de dados e na "Coluna variáveis", selecione 2.980 – 2.800/cm e 1.750 – 850/cm, certificando-se que apenas suas caixas estão marcadas.
- Abra o software de análise de dados multivariada apropriado, clique em "Importar dados" e selecione o tipo de arquivo para análise.
-
Análise de dados
- Análise de componentes principais (PCA)
- Clique em "análise | Decomposição"e selecione PCA.
- Em 1 de software, clique em "Construir o modelo".
- Em software 2, os PCA métodos de entrada. -No presente trabalho, 7 - o número ideal de componentes principais (PCs) de entrada e um máximo de 100 iterações e selecione a validação cruzada para o método de validação. Clique em "Executar".
- Observe o limite de confiança de 95%, o anel tracejado, sobre a trama de escores entre PC1 e PC2.
- Marca os espectros de amostra com pontuações que ocorrem fora do limite como outliers potenciais usando a "ferramenta de espectros selecione".
- Se os espectros marcados tem alto Hotellings T2 valores e altos resíduos Q excluem-los de uma análise mais aprofundada.
- Clique em "análise | Decomposição"e selecione PCA.
- Regressão de mínimos quadrados parciais (PLS-R)
- Clique em "análise | Regressão"e selecione"PLS-R".
- Em software 1, clique direito Y bloco e selecione o vetor "Parasitemia | Construa o modelo".
- Em software 2, os PLS-R métodos de entrada. Selecione o vetor "Parasitemia" como a referência de"Y" e o conjunto de dados de amostra como "X conjunto dados" e selecione a validação cruzada como o método de validação. Clique em "Executar".
- Analise o modelo de regressão. Valores de2 R acima de 0,80 e raiz quadrada erro de validação cruzada (RMSECV) valores de menos de 0,1% parasitemia são modelos aceitáveis.
- Analisar o vetor de regressão e identificar as bandas biológicas.
- Clique em "análise | Regressão"e selecione"PLS-R".
- Análise de componentes principais (PCA)
Subscription Required. Please recommend JoVE to your librarian.
Representative Results
Plotagem de mínimos quadrados parciais (PLS-R) e seu vetor de regressão associado, Figura 1a e 1b respectivamente, mostram que o sinal dos parasitas são bastante distintas de hemácias que podem ser usados para formar uma regressão linear do modelo a ser usado para o Previsão de parasitas em futuros conjuntos de dados.
Um modelo robusto, linear de PLS-R foi gerado com um valor de R-quadrado de 0,87 e uma média de raiz quadrado de erro de validação cruzada (RMSECV) de 0,13% parasitemia, Figura 1a. Aumento dos níveis de parasitemia é principalmente associado com bandas de ácido nucleico, especialmente 1042, 1083 e 1226/cm, que são atribuídos para o ν(C=O) de ribose do RNA grupo, νs(PO-4) e νum(PO4 -), respectivamente e formar a maior parte negativa do vetor de regressão. Isto é porque hemácias têm um núcleo e, portanto, os ácidos nucleicos são fortes indicadores para os parasitas. Além disso, a banda de 1226/cm indica que a estrutura tem uma forma de B-DNA, que destaca a importância de medir o estado aquoso12. Em contraste, parasitas consomem componentes RBC, principalmente hemoglobina, e, portanto, uma proteína mais elevada a proporção de lipídios é esperada em hemácias não infectadas como indicado por bandas de lipídios no 2913, 2879 e 1397 cm-1 e 1631 e 1555 cm-1 de Amida eu e Amida II modos de12,13.
As bandas distintas mostram claramente que os sinais são verdadeiras bandas biológicas ao invés de diferenciação com base em bandas espúrias de origem não biológica, tais como vapor de água, que apresentam como bandas estreitas e intensas. Especificamente, a presença de bandas de DNA, tabela 1, pode ser atribuída diretamente para o parasita11,12,13. Em geral, o vetor de regressão pode ser interpretado de uma forma semelhante a cargas elevadas em PCA. Bandas devem correlacionar bem com bandas e turnos dos espectros de original.
Figura 1: Enredo de regressão PLS-R, (a), de hemácias cravado entre 0 – 1% parasitemia e coeficiente de regressão associado, (b). O enredo de regressão demonstra a capacidade do modelo para prever a parasitemia em cada amostra, com o conhecido parasitemia no eixo x e a parasitemia previsto no eixo y. O coeficiente de regressão descreve a contribuição de cada banda a capacidade preditiva do modelo, quanto mais intensa a banda é que mais contribui para o modelo e, portanto, como o parasita altera a composição química do sangue. Reproduzido e modificado de Martin, M. et al . 10 com a permissão da Real Sociedade de química. Clique aqui para ver uma versão maior desta figura.
| Banda de coeficiente de regressão (cm-1) | Assignment25-27 |
| 2929 | ΝaCH2 de lípidos, parasita |
| 2913 | ΝaCH2 de células de sangue de lipídios, vermelho |
| 2879 | ΝsCH3 de células de sangue de lipídios, vermelho |
| 2861 | ΝsCH2 de lípidos, parasita |
| 1707 | B/A-DNA-DNA base par vibração νC = O & νC = N, parasita |
| 1652 | Amida de proteínas α-hélice, parasita |
| 1631 | Amida de células do sangue proteínas, vermelho folha β-plissado |
| 1584 | ΝC = N de imidazoles em ácidos nucleicos, parasita |
| 1555 | Amida II de células do sangue proteínas, vermelho |
| 1530 | Amida II, parasita |
| 1423 | B-DNA desoxirribose, parasita |
| 1397 | Ν(COO-) de células de sangue de lipídios, vermelho |
| 1226 | ΝaPO4-B-DNA, parasita |
| 1184 | B-DNA desoxirribose, parasita |
| 1083 | ΝaPO4-de DNA, parasita |
| 1042 | ΝC = O da ribose do RNA, parasita |
Tabela 1: as atribuições das bandas de coeficiente de regressão do PLS-R em espectros de malária cravado hemácias. Em PLSR, o valor de parasitemia associado com um espectro é calculado multiplicando-se o espectro pré-processado pelo vetor de regressão. Portanto, o vetor de regressão retrata a importância e a direção das bandas IR da regressão. Porque espectros foram pré-processados usando a derivada de segunda ordem, bandas negativas estão associadas uma parasitemia superior enquanto bandas positivas estão associadas a uma baixa parasitemia. Reproduzido e modificado de Martin, M. et al . 10 com a permissão da Real Sociedade de química.
Subscription Required. Please recommend JoVE to your librarian.
Discussion
PLS-R modelo é um método multivariado supervisionado que encontra uma relação linear, Y = bX + E, entre as variáveis preditivas X (aqui, a absorvância a cada número de onda) e uma variável Y contínua (aqui, o nível de parasitemia). Em suma, o modelo combina as variáveis em X para criar um novo conjunto de variáveis latentes (LVs) que captam a variação no X correlacionada com Y e calcula um vetor de regressão (b) que multiplicado por um novo resulta de espectro na estimativa do valor y. A força do modelo pode ser tomada a partir de dois valores: o valor de2 R e o valor médio quadrático da erro de cruzar validação (RMSECV). O anterior descreve a linearidade do modelo e assim a robustez (quanto mais perto é a 1 melhor) e dados para os modelos com um R2 valor menor que 0,8 devem ser revistos cuidadosamente para outliers e dados ruidosos. O valor RMSECV descreve o erro em que a previsão pode ser feita. É sempre melhor tentar minimizar este número tanto quanto possível, certificando-se de excluir outliers, tratando cuidadosamente os dados e certificando-se que lá é réplicas biológicas tantos quanto possível.
Assim, é imperativo que os dados de boa qualidade são adquiridos para a construção do modelo. Preparação da série de diluição é crítica; especificamente, certificando-se que cada amostra de RBC é tão homogénea quanto possível. Usando a pipeta para elaborar e ejetar as hemácias algumas vezes enquanto rodando ou suavemente, passando rapidamente a extremidade do tubo microcentrifuga 5 – 10 vezes, inconsistências serão evitadas. Em uma veia similar, também é fundamental para limpar o cristal entre cada amostra para evitar a contaminação. Usar água ultra pura e toalhetes livre de fiapos para limpar o cristal e verificar que a linha de base é plana garante que não se encontram que contaminará a próxima medição de amostra.
O número de amostras biológicas necessárias para um modelo que é aplicável no campo é pelo menos 30 por condição que é validado com um conjunto de dados de um número semelhante. Este volume considerável levaria uma quantidade significativa para gerar e, portanto, esta é a limitação da técnica. No entanto, como mais amostras são analisadas corretamente eles podem ser adicionados para o modelo preditivo e fortalecê-la. Assim, uma vez estabelecido, o modelo pode tornar-se mais preciso e pode justificar o esforço necessário para configurá-lo.
Dependendo do ambiente e a instrumentação em que as medidas são tomadas, várias outras questões podem surgir. Se a trajetória não é completamente fechada no instrumento, ou seja, as articulações não são herméticas ou janela ATR é intercambiável com outros compartimentos da amostra, etanol e vapor de água podem contaminar os espectros. Etanol aparece como uma forte banda acentuada em torno de 1.070/cm 14. Isto pode ser evitado, medindo-se em um espaço livre de etanol e desinfecção o instrumento, apenas, uma vez que todas as medições são tomadas. Vapor de água é causada por alterações na atmosfera e aparece como pequenos picos positivos e negativos afiados em torno de 1400 – 1.800 /cm e 3.200 – 3.600/cm. Isso pode ser resolvido aumentando a frequência das medições de fundo e purgar o instrumento com nitrogênio. No caso de purga é indisponível e o vapor de água ainda é bastante forte, suavização de algoritmos e compensação de vapor de água pode ser adicionado para pré-processamento de dados para removê-los.
Esta técnica tem muita promessa para futuros diagnósticos e os resultados dos pacientes. Em primeiro lugar, o método geral é muito simples de implementar em que a amostra só precisa ser pipetada para o cristal ATR e então ele pode ser medido diretamente e ser a entrada para o modelo, reduzindo o potencial de erro do usuário. Isso eliminaria a necessidade de microscopista luz altamente qualificada, que, atualmente, em algumas regiões da África estão faltando2. Devido a simplicidade, a necessidade de equipamentos e reagentes caros também é eliminada e, portanto, o diagnóstico seria virtualmente livre de custos para os pacientes, que é a principal limitação para o PCR. Esta combinação conduziria ao maior número de pacientes chegando para diagnóstico mais cedo e, assim, melhorar os resultados dos pacientes. A técnica tem o potencial de sensibilidade extremamente alta que iria superar a baixa sensibilidade de RDTs e seria capaz de detectar os portadores assintomáticos mais cedo e, portanto, podem ser usados como uma técnica de triagem. Além disso, a técnica tem potencial para ser usado para outras doenças, sangue carregado ou não, onde alguns microlitros ou microgramas podem ser aplicadas para o cristal.
No entanto, no modelo de exemplo, há muitas coisas que precisam ser resolvidos antes que pode ser aplicado no campo. Validação cruzada é um devido ao baixo número de repetições biológicas e que não é o ideal; Prefiro ter uma validação separada conjunto para testar o modelo em vez disso é muito melhor. Além disso, o RMSECV é muito alto aqui, fazendo os níveis mais baixos de quantificação confiável. Aumento do número de repetições vai melhorar esse valor e deve ser feito antes de empregar esse método no campo. Isto é corroborado no laboratório ensaios9, onde RMSECV foi muito menor por causa do maior tamanho de amostra. Além disso, aumentar a gama de intervalo e pontos também melhora esse valor também. Para continuar a melhorar a capacidade de diagnóstica, estirpes selvagens de p. falciparum devem ser usadas, como o 7 3 por p. falciparum é um laboratório cepa e pode apresentar uma composição química diferente devido às variações no fenótipo.
Subscription Required. Please recommend JoVE to your librarian.
Disclosures
Os autores não têm nada para divulgar.
Acknowledgments
Financiamento para os autores foi fornecido pelo Conselho australiano de pesquisa (futuro Fellowship FT120100926 a BRW), nacional de saúde e médico pesquisa Conselho da Austrália (programa grant e bolsa de pesquisa sênior para JGB; Bolsas de carreira precoce JSR; Infraestrutura para pesquisa institutos de concessão de regime de apoio ao Instituto Burnet), e a infra-estrutura operacional de governo de Victorian estado apoiar Grant ao Instituto de Burnet. Reconhecemos o Sr. Finlay Shanks para apoio instrumental.
Materials
| Name | Company | Catalog Number | Comments |
| Donor blood | - | - | Must be collected by a trained medical practitioner |
| Stock blood | Australian Red Cross` | - | |
| 3D7 Plasmodium falciparum | The Burnet Institute | - | Laboratory strain wild type equivalent |
| RPMI-1640 media with L-hepes without Sodium Bicarbonate | Sigma Aldrich | R6504 | |
| Albumax (Gibco) | Thermofisher | E003000PJ | Aliquot into 50 mL falcon tubes and store in freezer |
| Sodium Bicarbonate | Sigma Aldrich | S5761 | |
| Giemsa Stain | Sigma Aldrich | 48900 | |
| Sorbitol | Sigma Aldrich | S1876 | Must be filtered before use in culture |
| Blood collection tubes (Vacutainers) | Becton, Dickonson and Company | 367671 | |
| Immersion Oil | Thermofisher | M3004 | |
| 50 mL culture dishes | Falcon | 353025 | |
| 25mL pipette tips | Falcon | 357515 | |
| 10mL pipette tips | Falcon | 357530 | |
| Microscope Slides | Sigma Aldrich | S8902 | |
| Centrifuge tubes 50 mL | Sigma Aldrich | T2318 | |
| Automated pipette controller | Integra-biosciences | 155 015 | |
| Sorvall Legend X1R Centrifuge | Thermofisher | 75004260 | |
| Forma™ 310 Direct Heat CO2 Incubators | Thermofisher | 310TS | |
| Nikon Eclipse E-100 Binocular Microscope | Nikon Instruments | E100_2CE-MRTK-1 | When purchasing ensure that the 100x lens is an oil immersion lens |
| Bruker Alpha Ft-IR Spectrometer with ATR Quick Snap Attachment | Bruker | 9308-3700 | Be sure to request "Eco-ATR" attachment when purchasing |
| Matlab | Mathworks Inc | Multivariate data analysis software | |
| The Unscrambler X | CAMO | Multivariate data analysis software | |
| PLS-Toolbox | Mathworks, Inc. | GUI for Matlab |
References
- Hommel, M., Gilles, H. Chapter 20. Topley & Wilson's Microbiology and Microbial Infections. Vol. 5 Parasitology. Collier, L., Balows, A., Sussman, M. , Arnold. Great Britain. 361 (1998).
- World Health Organization. World Malaria Report 2016. , (2016).
- Rogers, W. Chapter 105. Manual of Clinical Microbiology. Murray, P., Baron, E., Pflaller, M., Tenover, F., Yolken, R. , American Society for Microbioogy, USA. 1355 (1999).
- White, N. J. Chapter 9. Manson's Tropical Infectious Diseases. 23, Elsevier, USA. 532-600 (2014).
- Lindblade, K. A., Steinhardt, L., Samuels, A., Kachur, S. P., Slutsker, L. The silent threat: asymptomatic parasitemia and malaria transmission. Expert Rev Anti Infect Ther. 11 (6), 623-639 (2013).
- Hanscheid, T., Grobusch, M. How useful is PCR in the diagnosis of malaria. Trends Parasitol. 18 (9), 395-398 (2002).
- Joanny, F., Löhr, S. J., Engleitner, T., Lell, B., Mordmüller, B. Limit of blank and limit of detection of Plasmodium falciparum thick blood smear microscopy in a routine setting in Central Africa. Malar J. 13 (1), 234-241 (2014).
- World Health Organisation. Malaria Rapid Diagnostic Test Performance: results of WHO product testing of malaria RDTs: round 6 (2014-2015). , (2014).
- Khoshmanesh, A., et al. Detection and quantification of early-stage malaria parasites in laboratory infected erythrocytes by attenuated total reflectance infrared spectroscopy and multivariate analysis. Anal Chem. 86, 4379-4386 (2014).
- Martin, M., et al. The effect of common anticoagulants in detection and quantification of malaria parasitemia in human red blood cells by ATR-FTIR spectroscopy. Anal. 142 (8), 1192-1199 (2017).
- Fabian, H., Mäntele, W. Handbook of Vibrational Spectroscopy. , John Wiley & Sons, Ltd. (2006).
- Whelan, D., et al. Monitoring the reversible B to A-like transition of DNA in eukaryotic cells using Fourier transform infrared spectroscoptMonitoring the reversible B to A-like transition of DNA in eukaryotic cells using Fourier transform infrared spectroscopy. Nucleic Acid Res. 39 (13), 5439-5448 (2011).
- Wood, B. The importance of hydration and DNA conformation in interpreting infrared spectra of cells and tissues. Chem Soc Rev. 45, 1980-1998 (1980).
- Plyler, E. K. Infrared spectra of methanol, ethanol, and rn-propanol. J Res Natl Bur Stand. 48 (4), (1952).
