Waiting
Login processing...

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

Environment

Характеристика водных биоплёнки с проточной цитометрии

doi: 10.3791/57655 Published: June 6, 2018

Summary

Проточная цитометрия в сочетании с визуального кластеризации предлагает простой в использовании и быстрый метод для изучения водных биопленки. Он может использоваться для определения характеристик биопленки, обнаружения изменений в структуре сообществ биопленки и абиотических частиц, встроенных в биопленки.

Abstract

Биоплёнки являются динамические консорциумов микроорганизмов, которые играют ключевую роль в пресноводных экосистемах. Путем изменения их структуры сообщества, биоплёнки быстро реагировать на экологические изменения и таким образом может использоваться как показатели качества воды. В настоящее время оценки биопленки основана главным образом на комплексный и функциональный конечных точек, например фотосинтетической или дыхательной деятельности, которые не предоставляют информацию о структуре сообщества биопленки. Проточной цитометрии и вычислительной визуализации предлагают альтернативных, конфиденциальные и easy-to-use метод для оценки состава сообщества, особенно в фотоавтотрофная части пресноводных биопленки. Он требует только основные пробоподготовки, после чего весь образец выполняется через проточный цитометр. Одноклеточных оптических и флуоресцентные информация используется для компьютерной визуализации и биологическая интерпретация. Его основные преимущества перед другими методами являются скорость анализа и высоким содержанием информации природы. Проточной цитометрии предоставляет информацию о нескольких сотовых и биопленки черты в одном измерении: размер частиц, плотность, содержание пигмента, абиотические содержание в биопленки и грубый таксономической информации. Однако он не представить информацию о составе биопленки на уровне видов. Мы видим большой потенциал в использовании метода для мониторинга окружающей среды водных экосистем и как оценку первоначальных биопленки шаг, который информирует вниз по течению подробные расследования дополнительные и более подробные методами.

Introduction

or Start trial to access full content. Learn more about your institution’s access to JoVE content here

Биоплёнки являются динамические консорциумов микроорганизмов, которые играют ключевую роль в пресноводных экосистемах, начиная от первичного производства, питательных и очистки воды для влияния на распределение микроорганизмов и их биоразнообразия в экосистеме 1. когда биоплёнки подвергаются к изменяющимся условиям окружающей среды или на раздражители, такие как химических веществ, их структуры сообщества быстро переходит к более терпимым видов2,3. Их высокая чувствительность превращается биопленки в привлекательные модели систем для экологического мониторинга4, однако ни один из нынешних методов идеально подходит для фактически проследить динамику биопленки сообщества в быстрый и легкий путь.

Часто используемый набор методов для описания биоплёнки состоит из измерения функциональных и структурных конечных точек. На уровне всего сообщества активность фотосинтеза и дыхания, а также активность внеклеточных ферментов содержит информацию о функционального состояния биопленки5,6,7,8 ,9. Накопление биомассы используется в качестве индикатора для общего роста биопленки. Структурные изменения в настоящее время измеряются, либо с помощью идентификации традиционных видов световой микроскопии или с нуклеотидом-методов (например, денатурации градиента гель-электрофорез (DGGE), автоматизированные рибосомных intergenic прокладку анализ (ARISA), метагеномики)10,,1112. Эти методы предоставляют информацию, но много времени для выполнения, или требуют специальных знаний или находятся в стадии разработки. Наконец новые методы для оценки внеклеточного полимерных веществ (EPS)13,14 и биопленки архитектура1, тогда как чувствительных, низкой пропускной способностью и еще не были разработаны к мониторинга целей.

Очевидно, что для полной характеристики пресноводных биопленки, это необходимо объединить несколько различных методов, которые обеспечивают понимание биопленки функции, состав и архитектуры. Для мониторинга окружающей среды, с другой стороны, метод быстрый и чувствительной, который способен обнаружить изменения в биопленки и включить основные биологические интерпретации сдвигов на уровне функциональных и структурных не требуется.

Мы разработали новый метод для определения характеристик микробных фототрофных компонента потока биоплёнки (перифитон), которая достаточно быстро для целей мониторинга и в то же время обеспечивает достаточную информацию о биопленки сообщества структура, позволяющая биологическая интерпретация15. Она основана на одной ячейки проточной цитометрии (FC) образцов биопленки и в сочетании с компьютерной визуализации и предоставляет информацию о оптические и флуоресцентные свойства биопленки на уровне одной ячейки.

Рабочий процесс после выборки биопленки состоит из подготовки проб в виде sonication, фиксация и размер-фильтрацию на основе образцов, следуют оценки выборки подачей cytometry. Полученные данные представить информацию о нескольких сотовых черты в одном измерении: размер частиц, плотность, содержание пигмента, абиотические содержание (например , частицы) биопленки. Этот набор данных не проанализированы через вычислительной визуализации с помощью визуальных стохастических соседа, встраивание (viSNE)16, который позволяет быстро и легко интерпретации данных. Хотя несколько недель требуются для настройки и оптимизации метода, после установки, он занимает всего несколько часов от сбора проб биопленки для интерпретации результатов.

Основные преимущества метода представленные над другими являются скорость анализа и высоким содержанием информации. Кроме того образцы можно хранить в течение нескольких недель после сбора без потери их оптических и флуоресценции свойства. Это может быть очень полезно, когда характеристика большое количество образцов не требуется, например большие выборки исследования или программы биомониторинга, но также может обеспечить значительное количество информации в небольших разведочных исследований.

Представленные протокол основывается на анализе потока гранулярных фототрофных биоплёнки (перифитон), собранных из разных мест потока. Многие действия протокола, например выбор мест для целей контроля зависит от целей исследования и поэтому не может быть предписано. Другие позволяют меньше свободы и требуют что внимательно следил за протокол, это стало ясно в протоколе подробно ниже.

Протокол начинается с выбора участков для мониторинга окружающей среды на основе биопленки. Следующий шаг заключается в настройке проточный цитометр (FC) таким образом, чтобы его размеры позволяют дискриминации между различными фототрофных организмы, живущие в биопленки в контролируемых условиях. Это осуществляется путем сбора образцов биопленки от сайтов, выявления флуоресцентные свойства различных видов в биопленки и Настройка потока цитометр с лазерами и фильтров, позволяющих измерение на соответствующие оптические длин волн. После установки, ФК биоплёнки может быть собраны из сайты периодически, оптические и флуоресцентные свойства единого частиц, присутствующих в биопленки, измеряется проточной цитометрии и данные анализируются визуального кластеризации. За лучшую интерпретацию результатов можно построить ФК справочной базы данных видов местных биопленки жизни и их фенотипы и использовать базу данных для выявления различных классификаций в ФК данных. Проверка возможна через флуоресценции-сортировка на основе выявленных кластеров одиночных клеток с помощью СУИМ и микроскопии основанные таксономической идентификации видов настоящего. На рисунке 1приводится схема протокола.

Subscription Required. Please recommend JoVE to your librarian.

Protocol

or Start trial to access full content. Learn more about your institution’s access to JoVE content here

1. Выбор экосистемы и биопленки выборки

  1. Выберите водной экосистемы интерес и найти участков отбора проб, где растут биопленки. Мелкие части потока с медленно среднего стока и каменистые русла биопленки вложения являются соответствующие17,18.
  2. Необязательно: Если сайт не имеет достаточно поверхности биопленки вложения, или уменьшить биоплёнки изменчивости в пределах сайта, место искусственных субстратов для биопленки вложения (например стекла слайды, керамическая плитка) на сайт, а убедившись, что они находятся в том же направлении, что касается потока воды и на аналогичных глубину и интенсивность света19.
  3. Для определения экологических условий на участке отбора проб, использование переносных инструментов для измерения интенсивности света, температуры воды, проводимость, кислорода и pH прямо над поверхности биопленки должна отбираться из. В течение выборки принимать неоднократные меры (3 – 5) для вычисления среднего значения.
  4. Дополнительно: Взять пробы воды с целью определения соответствующих параметров химии воды (растворенного органического углерода (Роу), K++Na, Ca2 +, мг2 +, Cl, F-, т42 -, PO42 - , Нет32 -,4SiO4 -).
  5. Использовать защитные перчатки, соберите сопоставимые камни (размер, форма и тип) от каждого сайта (или искусственных субстратов). Камни должны подвергаться аналогичные потока и условий освещения18.
  6. Фильтр достаточно поток воды с сайта через 0,22 мкм фильтры, так что она готова для всех собранных образцов (например, 15 мл на сэмпл).
  7. Использование мягкой зубной щеткой для удаления биопленки от субстрата в колбу (кисти до тех пор, пока все биопленки удаляется) с 15 мл отфильтрованных поток воды20.
  8. Исправьте образцы в 0.01% параформальдегида и 0,1% глютаральдегид21.

2. Определение параметров для оптимального потока гранулярных (FC)

  1. Передавать световой микроскоп проб (с использованием 40 X / 0,75 цели; если необходимо использовать цель масло 100 × 1.3) и идентификации видов в образцы22,23.
  2. Определены порядок отдельных видов из соответствующей культуры коллекций (например экспериментальной Альгология и культуры сбора водорослей в Университет Goettingen [EPSAG] или водорослей культуры коллекции в кельнском университете [CCAC] Если Мониторинг осуществляется в экосистем Центральной Европы).
  3. Растут моновидовые непрерывно в аналогичных экологических условиях (например, свет, температура, рН) в окружающую среду, которую биопленки образцы были взяты из. Оставаясь в пределах 1 ° C и 0,5 рН точку из проб окружающей среды рекомендуется.
  4. Разойтись отсоединить/клетки, вставьте пробирок 15мл одного вида образцов и положить трубы в центре на водяной бане и погружаться, так что поверхности жидкого образца на том же уровне, как на поверхность ванны. Sonicate образцы для 1 мин в 45 кГц24,25.
  5. Запишите спектры поглощения и флуоресценции одного вида с помощью пластины читателя. Пожалуйста, обратитесь к плита читателя выбора для инструкций. В этом примере 96-луночных плоское дно прозрачный полистирол пластины были загружены с 200 мкл пример тома и поглощения была измерена. (Используются параметры: режим сканирования () флуоресценции; шаг волны выбросов размер 10 Нм, выбросов сканирования номер 30, полоса пропускания 20 Нм, получить 100, 25 вспышек, 20 США интеграции время или (b) оптической плотности сканирования режим; 25 вспышек, пропускной способности 9 Нм).
  6. Настройка проточный цитометр с лазерами, дихроичных сплиттеры и фильтры, которые в сочетании охватывают все эти люминесцентные диапазонов, в которых различные виды имеют специфические свойства. Для Центральной Европы потоков, 405 нм, 488 нм и 638 Нм лазер принести полезные результаты.
  7. Отрегулируйте настройки напряжения photomultipliers (не применимо для всех потоков цитофлуориметрами) и диапазон измеряемых fluorescences включить по крайней мере 99% всех событий образцов.
  8. В качестве альтернативы если знания о видах в биопленке доступен, начните с шага 2.2. Если известны флуоресцентные свойства, начните с шага 2.6.

3. Дополнительно: Подготовка потока гранулярных справочной базы данных

Примечание: ФК не допускает таксономической идентификации клеток в биопленки. Справочной базы данных измерений ФК отдельных видов известно присутствовать в биопленки, выращенных в аналогичных условиях как биопленки, может помочь в интерпретации данных.

  1. Ссылка: один вид
    1. С помощью оптимизируемых параметров ФК в 2,5-7, измеряют оптические и флуоресцентные свойства отдельных видов (исправлено в низкотемпературном растворе глютаральдегида и параформальдегида и фильтруют через фильтры соответствующего размера для проточный цитометр).
    2. Нормализовать данные из одного вида в так же, как данные из биоплёнки (см. шаг 6.1.2).
  2. Ссылка: поврежденные и разрушающимися клеток
    Одним из наиболее важных показателей здоровья биопленки представляет собой долю поврежденных умирающих клеток биопленки. Для количественной оценки этих клеток, может быть подготовлен справочник распадаясь клетки.
    1. Возьмите 1 мл проб разреженных биоплёнки и центрифуги их при комнатной температуре на 8000 x g 10 минут в настольной центрифуги. Приостановить результате гранулы в 1 мл 90% этанола и хранить подвеска на ночь при 4 ° C. Повторите на следующий день.
    2. Используя оптимизированные настройки ФК, измеряют оптические и флуоресцентные свойства поврежденных и разрушающимися клеток (фиксированной и фильтрация).
  3. Ссылка: частицы
    Примечание: если вы заинтересованы в мониторинге микропластика частиц в биопленке, проверить ли они достаточно отличаются от биотических частиц в оптических и флуоресценции свойства для идентификации.
    1. Приостановить микропластика частицы согласно инструкциям производителя частицы и измерить их оптические и флуоресцентные свойства (с помощью параметров ФК от 2.7).
    2. Добавить микропластика частиц в образце биопленки и оставить на ночь при 4 ° C.
    3. Фильтр, подвеска и меру с теми же параметрами ФК как выше.

4. Образец подготовки и хранения

  1. После того, как был создан ФК и ФК справочной базы данных готова, можно исходить с оценкой свежие биопленки образцов, собранных согласно шаги 1.1 – 7. Чтобы отсоединить/разогнать биопленки, передача 15 мл образцов от колбы (см. шаг 1.7) в пробирок.
  2. Поместите каждую пробирку в центре на водяной бане и погрузите таким образом, чтобы поверхности жидкого образца на том же уровне, как на поверхность ванны. Sonicate образцы для 1 мин на 45 кГц.
  3. Исправьте образцы в 0.01% параформальдегида и 0,1% глутаровый (сток в nanopure воды). Хранить при 4 ° С до готовности для анализа.
  4. Важно: Использовать половину образцов для анализа проточной цитометрии и сохранить половину в хранилище для безопасности и проверки факультативных с сортировки активирован флуоресценции клеток и/или световой микроскопии (см. раздел 6).
    Обратите внимание,: хранится в холодильнике, фиксированной биопленки образцы должны держать их оптические и флуоресцентные свойства до трех недель.

5. Запуск образца через FC

  1. Если образцы хранились в холодильнике, sonicate их быстро или Пипетка несколько раз для разделения частиц. Фильтрации проб с 50 мкм фильтрами (размер фильтра зависит от ширины ФК капилляра) перед началом измерения.
  2. Загрузить отдельные образцы (1-2 мл, это зависит от проточный цитометр используется) в проточный цитометр и измеряют оптические и флуоресцентные свойства каждой частицы. Повторите измерение в три раза за каждый биологических репликации (три технических репликация).
  3. Экспорт данных из ФК в формате .csv.

6. Подготовка и данных корреляционный анализ

FC можно анализировать несколько параметров (например, сигнал площадь, высота, ширина) для каждой измеренной оптические свойства и диапазон флуоресценции. Запустить анализ корреляции на измеряемых переменных и хранить только те измерения, которые не соотносятся высоко. Это обычно удаляет все, но один параметр ФК (например, сигнал район), и может также удалить высоко коррелируют флуоресцентные измерения (обычно вытекающие из же лазер и соседних фильтры).

  1. Запустите CYT как набор инструментов в Matlab:
    1. Реплицирует импорта снижение ФК данных в формате CSV из всех образцов, которые должны быть проанализированы в CYT программного обеспечения16, включая все технические и биологические. (Нажмите кнопку +, *.csv файл фильтра, выберите файлы для импорта).
    2. Трансформировать флуоресцентные каналы всех образцов, используя преобразование гиперболический арксинус. Значение кофактор должен быть выбран; 150 работ для наиболее фототрофных биопленки и цитофлуориметрами потока, но оптимизация может быть необходимо для конкретных экспериментальных установок и гетеротрофных биопленки. (Справа-мыши/преобразование/введите кофактор 150)
    3. Для контроля качества визуально сравните (CYT) гистограммы отдельных образцов и отдельных каналов оптических и флуоресцентные чтобы убедиться, что есть без выбросов на уровне технического и биологического репликации. Нетипичные будет проявляться в значительно смещенные флуоресцентный/оптический распределения между реплицирует. (Выберите данные, выберите канал, участок)
      1. Альтернатива: запустить анализ главных компонент (СПС) на медианные значения флуоресцентные распределений и убедитесь, что технические и биологические реплицирует кластера вместе.
    4. Объединить технические реплицирует в каждом биологических реплицировать и подвыборки биологических реплицирует, так что каждый представлен такое же количество частиц (клетки, клетки фрагмент и абиотических частицы) и таким образом, чтобы общее количество частиц анализируемой Стохастические сосед Барнс-Хата встраивания (bh СНЭ) — около 150000 (за лучший визуализации результатов26). (Выбор данных, щелкните правой кнопкой мыши, слияния/подвыборки)
    5. Для сравнения между образцами важно выбрать только те образцы, которые необходимо сравнить. Выберите образцы и запустить bh СНЭ27. После того, как алгоритм является готовой, новые каналы, именованные bh-SNE1 и bh-SNE2 появляются. Это СНЭ координаты всех проанализированных частиц, которые могут быть использованы для визуализации данных в точечной (viSNE карту). (Выберите данные, выберите каналы, щелкните правой кнопкой мыши, bh СНЭ, да нормализованных данных)
    6. В viSNE карте частицы располагаются согласно подобия и группируются в кластеры, визуально разделяемые. Проверьте свойства оптических/флуоресцентный кластеры и Марка и имя тех, которые хорошо отделены и имеют различные оптические/флюоресценцию свойства с помощью инструментов рисования в CYT. (Выберите канал bh-SNE1, bh-SNE2)
    7. Необязательно: Если справочной базы данных видов Одноместный микробной (измеряется с один и тот же параметр проточной цитометрии и выросла в аналогичных условиях!), экспорт viSNE карт в Matlab и проецировать в справочную базу данных на карты. Таким образом особое кластеров может подключаться к конкретных видов/таксономических групп (скриптов, доступных для загрузки на https://github.com/anzezupanic/FC_analysis). (Сессии/сохранить)
    8. Устранение неполадок: Если анализ bh СНЭ не возвращает визуально отделимые кластеры, но один большой, слишком много частиц были использованы в СНЭ bh. Повторите попытку с меньшим количеством частиц на сэмпл. Если есть нет кластеры, но довольно редкой отдельных точек, увеличьте количество частиц используется.
  2. Опционально: Вместо того чтобы полагаться на bh СНЭ для кластеризации, другие методы кластеризации (например, иерархические, основанный на центроид или плотности на базе кластеризации) могут быть использованы на нормализованных данных и затем накладывается на viSNE карте (https://github.com/ anzezupanic/FC_analysis).
  3. После того, как были определены кластеры, подсчитать количество частиц в каждом кластере, принадлежащие каждой биологических репликации в каждом образце. Оценить различия между образцами, с помощью теста ANOVA и Тьюки с соответствующим (например, Холмс) коррекция для нескольких сравнения.

7. Дополнительно: Проверка интерпретации кластера с помощью сортировки активирован флуоресценции клеток

  1. После того, как были определены кластеры, используйте активированный флуоресценции клеток, сортируя (FACS) для сортировки их из образцов, при желании, условии, что СУИМ имеет аналогичные (или идентичных) конфигурацию лазеры и флуоресцентных фильтров.
  2. Для каждого кластера, выявленных CYT обеспечивает оптические и флуоресцентные ворота, определяющие кластер. Используйте эти ворота разобраться частицы в каждом кластере с СУИМ и затем определить сортировки клеток с использованием световой микроскопии.

Subscription Required. Please recommend JoVE to your librarian.

Representative Results

or Start trial to access full content. Learn more about your institution’s access to JoVE content here

С помощью процедуры, представленные здесь (рис. 1), были проанализированы образцы, взятые из нескольких сайтов местных потока в Швейцарии. На каждом сайте были приняты три аналогичных размеров камней (10-12 см), и биоплёнки были щеткой камни. Образцы были затем sonicated, фиксированные, фильтруют и позднее анализируемой проточной цитометрии. При установке проточный цитометр и справочной базы данных используется были такими же, как описано в предыдущем документе15: были использованы три лазеры (405, 488 и 638 Нм), семь дихроичных сплиттеры и десять фильтры, которые охвачены флуоресценции выбросов от 425 до > 755 нм и ведения базы данных, в том числе > 30 видов, охватывающих цианобактерий, зеленых водорослей, диатомовые водоросли и красные водоросли, которые были найдены в биопленки в швейцарский потока. Общее количество частиц, используемых для создания карт viSNE был примерно 150,000 (рис. 2A). Используя описанный подход, можно различить между различными сайтами (рис. 2B), классифицировать различные части viSNE карты в субпопуляцию клеток с грубой таксономической информации (рис. 3) и установить который подгруппы отличались между образцами (рис. 4).

Аналогичный подход был использован для количественного определения микропластика частиц в биопленки. Чистые образцы частиц микропластика аналогичного размера ячеек в пресноводных биоплёнки (ОК. 10 мкм), образцы биопленки, выращенных в лаборатории в наличие или отсутствие микропластика частиц (с помощью биопленки роста протоколы, описанные в ТЛИЛИ et al. 20115) были измеряется и сравнивается (рис. 5). Было установлено, что микропластика частиц с известных оптических и люминесцентных свойств могут быть надежно обнаружены в концентрациях выше 1000 ppm.

Figure 1
Рисунок 1: схема экспериментальный протокол. Сбор проб окружающей среды биоплёнки следуют идентификации видов биопленки, определение их оптических и люминесцентных свойств и монтаж проточный цитометр с соответствующим лазеры и фильтры для измерения этих Свойства. Для измерения потока гранулярных образцы являются sonicated, исправить и хранятся. Когда достаточно образцы были собраны что они измеряются проточной цитометрии, где для каждой измеренной ячейки, количество оптических и флуоресценции свойства получены и проанализированы с помощью визуальных кластеризации. При необходимости (Пунктирные стрелки), это позволяет построить базу ФК видов в контролируемых биопленки и использовать базу данных для интерпретации результатов. Это также можно использовать дополнительные методы проверки, например сортировки на основе флуоресценции клеток и таксономического анализа с использованием световой микроскопии пожалуйста, нажмите здесь, чтобы посмотреть большую версию этой фигуры.

Figure 2
Рисунок 2: сравнение экологических биоплёнки с помощью viSNE карт. (A) viSNE карты, полученные из слишком много клеток (300,000) имеют один большой кластер (вверху), слишком мало (10000) клетки не образуют кластеры на всех (внизу), хотя оптимальное количество клеток (ОК. 150 000) формы визуально четко отделяется кластеров (посередине). (B) подмножеств viSNE карты, которые принадлежат к шести различных образцов располагают различной плотности в разные части карты viSNE. Пожалуйста, нажмите здесь, чтобы посмотреть большую версию этой фигуры.

Figure 3
Рисунок 3: Кластеризация субпопуляций частиц в биопленки. (A) различных частей viSNE карты населены частиц с различными оптическими и флуоресценции свойства, которые дают подсказки биотических/абиотических происхождения частиц и таксономические группы биотических частиц (клетки) принадлежат (длины волн сверху вниз: 525 Нм, 695 нм, 660 нм). Для каждой длины волны цветовая шкала нормируется от высоких измерений флуоресценции (красный) низкая измеренная (синий). (B) проекция справочной базы данных (красные точки) на viSNE карте может помочь интерпретировать какие части карты населены которых таксонов и абиотических частиц: распадаясь клетки (вверху), диатомовые водоросли (средний), цианобактерий (внизу). (C) на основе информации в (A) и (B) и визуально отделимые кластеры viSNE карты, это можно назначить различные части карты, viSNE различные кластеры (SP1-11) и классифицировать кластеров соответственно. Пожалуйста, нажмите здесь, чтобы посмотреть большую версию этой фигуры.

Figure 4
Рисунок 4: статистический анализ образцов биопленки. (A) количественная оценка проводится путем подсчета числа частиц каждой субпопуляции, принадлежащих к различным биологическим реплицирует. A — F представляют шесть разных местах вдоль местной поток, из которого были взяты пробы биопленки. (B) ANOVA может использоваться для оценки статистической разницы между образцами, с соответствующими множественные сравнения коррекции (p < 0,05, попарно Тьюки HSD все сайты против сайта A). Пожалуйста, нажмите здесь, чтобы посмотреть большую версию этой фигуры.

Figure 5
Рисунок 5: отслеживание микропластика частиц с viSNE. (A) микропластика частицы, пресноводных биоплёнки (B) , (C) пресноводных биопленки, смешанного с микропластика частиц, флуоресценции (D) частиц, измеряется ФК на 695 нм. Цветовая шкала нормируется от высоких измерений флуоресценции (красный) для низких измерений флуоресценции (синий) на 695 нм. Соотношение между микропластика частиц и частиц биопленки составляет примерно 1:1. Пожалуйста, нажмите здесь, чтобы посмотреть большую версию этой фигуры.

Subscription Required. Please recommend JoVE to your librarian.

Discussion

or Start trial to access full content. Learn more about your institution’s access to JoVE content here

Протокол, в описанный выше относительно просто реализовать. Однако в то время как параметры представлены по умолчанию было показано, чтобы быть пригодным для всех фототрофных биопленки, испытаны до настоящего времени, оптимизация (как описано в протоколе) необходимо максимизировать информацию, полученную из метода. Действительно оптические и флуоресцентные свойства биоплёнки может варьироваться, в зависимости от условий окружающей среды (сезон, температура, химический состав воды)1. Таким образом важно принимать во внимание эту изменчивость при настройке ФК анализы. Один из способов сделать это, принимая репрезентативных выборок биопленок от участков отбора проб и/или принимая отдельных видов и выращивать их в различных условиях и меры их с помощью разных установок. Рост отдельных видов также полезно для построения базы флуоресцентных свойств, которые могут использоваться для интерпретации результатов ФК. Однако чтобы сделать это, важно, что один вид были измерены в аналогичных условиях тем, под которые биоплёнки собираются для выборки. Например база данных ФК измерений отдельных видов, растущих в 25 ° C будет сказать очень мало о составе биопленки, растет на 15 ° C. Это, однако, не абсолютно необходимо построить справочной базы данных для эффективного использования этого метода. Уже с использованием основной протокол FC, можно получить информацию о размере, детализации и присутствие различных пигмента в клетках в биопленки. Визуальные кластеризации позволяет классификации клеток в кластеры, которые похожи в измеренные свойства и определение которых изменилось свойство наиболее между выборками. Справочной базы данных, однако, становится важным при назначении таксономических самобытности различных групп. После того, как были обнаружены изменения в свойствах биопленки, это можно соотнести их с физико -химические измерения воды на участках отбора проб. Это позволяет определить, какие экологический фактор имеет сильные влияние на сообщество биопленки в контролируемых экосистеме.

Есть также некоторые ограничения метода. К примеру ФК не позволяют идентификация биопленки состава на уровне видов. Кроме того, при обнаружении изменений в свойствах биопленки, ФК нельзя приписать ответственность причины: переход к более терпимым видов или к более терпимым фенотипов (видов, остальные же). Другие, дополнительные методы, такие как метагеномики, необходимы для решения этого вопроса. Еще одним ограничением метода является, что только компонент фототрофных биопленки, богатые с пигменты с различными свойствами флуоресцентных, анализируется. Хотя это безусловно можно использовать метод для определения характеристик гетеротрофных биопленки, не ясно ли достаточно информации может быть получен с пятно свободный анализ. Из-за низкой естественной флюоресценции бактерий и грибков различные параметры должны быть использованы, и поэтому не представляется возможным оценить фототрофных и гетеротрофных компоненты биопленки вместе в одном ФК запуска. Скорее необходимо отделять образца и оценке одну часть с фототрофных и одна часть с параметром гетеротрофных. Наконец есть ограничения с использованием viSNE для визуализации биопленки. Наилучшие результаты достигаются с ОК. 150 000 клеток, отображаемого вместе. Это устанавливает ограничение на количество образцов, которые могут быть проанализированы и по сравнению с методом без вычислительно разбавления пробы слишком много. Например если один хочет сравнить 150 образцов, затем каждый образец будет только представлен около 1000 ячеек. Один из способов обхода этого ограничения является для анализа образцов, используя подход «перемещение окна», в котором перекрывающихся групп образцов могут быть проанализированы отдельно с помощью viSNE, а затем результаты объединены вместе, такое решение, однако, еще не выполнены.

Мы считаем, что цитометрии на основе оценки биоплёнки может эффективно применяться к мониторингу водных экосистем. Он может использоваться для сравнения рядов образцов или проб, взятых в разных местах, и, за исключением выборки, имеет потенциал для полной автоматизации. Этот метод можно рассматривать как первоначальный биопленки оценки шаг, который предоставляет информацию для вниз по течению подробные расследования с методами дополнительные и более подробные. Наконец она может распространяться на более конкретных приложений, таких как обнаружение абиотических загрязнения биопленки, как мы показали в случае микропластика.

Subscription Required. Please recommend JoVE to your librarian.

Disclosures

Авторы не имеют ничего сообщать.

Acknowledgments

Представленная работа была поддержана SNF Ambizione стипендий (PZ00P2_142533) и Velux исследовательский грант (Amplebig). Мы хотели бы поблагодарить Bettina Вагнера за помощь с экспериментальной работы.

Materials

Name Company Catalog Number Comments
Multimeter WTW MultiLine 3620 IDS For measuring temperature, pH, dissolved oxygen
Ultrasonic cleaner VWR International 97043-986 Tank dimesions: 15*14*10 cm
Flow cytometer Beckman Coulter Gallios Lasers: 405, 488 and 638 nm. Filters bands in Supplementary Table 11. Sgier et, Nat Comm, 2016. 
Plate reader Tecan Infinite M200 used for selecting appropriate setting of the FC
Cell sorter Beckman Coulter MoFlo Astrios Settings in Supplementary Table 12. Sgier et, Nat Comm, 2016. 
Fluorescence microscope Zeiss Axiovert 135 Zeiss EC Plan-Neofluar 40x/0.75 objective
SOFTWARE
Matlab MathWorks R2013a software for numerical computing
CYT Dana Pe'er Lab Version 1.1 free interactive visualization tool for analysis of cytometry data

DOWNLOAD MATERIALS LIST

References

  1. Battin, T. J., Besemer, K., Bengtsson, M. M., Romani, A. M., Packmann, A. I. The ecology and biogeochemistry of stream biofilms. Nat Rev Microbiol. 14, (4), 251-263 (2016).
  2. Rotter, S., Heilmeier, H., Altenburger, R., Schmitt-Jansen, M. Multiple stressors in periphyton - comparison of observed and predicted tolerance responses to high ionic loads and herbicide exposure. J Appl Ecol. 50, (6), 1459-1468 (2013).
  3. Tlili, A., et al. Pollution-induced community tolerance (PICT): towards an ecologically relevant risk assessment of chemicals in aquatic systems. Freshw Biol. 61, (12), 2141-2151 (2016).
  4. Lavoie, I., Lavoie, M., Fortin, C. A mine of information: Benthic algal communities as biomonitors of metal contamination from abandoned tailings. Science of the Total Environment. 425, 231-241 (2012).
  5. Tlili, A., Montuelle, B., Berard, A., Bouchez, A. Impact of chronic and acute pesticide exposures on periphyton communities. Sci Total Environ. 409, (11), 2102-2113 (2011).
  6. Dorigo, U., et al. Lotic biofilm community structure and pesticide tolerance along a contamination gradient in a vineyard area. Aquat Microb Ecol. 50, (1), 91-102 (2007).
  7. Pesce, S., et al. Evaluation of single and joint toxic effects of diuron and its main metabolites on natural phototrophic biofilms using a pollution-induced community tolerance (PICT) approach. Aquat Toxicol. 99, (4), 492-499 (2010).
  8. Ricart, M., et al. Effects of low concentrations of the phenylurea herbicide diuron on biofilm algae and bacteria. Chemosphere. 76, (10), 1392-1401 (2009).
  9. Martinez, A., Kominoski, J. S., Larranaga, A. Leaf-litter leachate concentration promotes heterotrophy in freshwater biofilms: Understanding consequences of water scarcity. Sci Total Environ. 1677-1684 (2017).
  10. Corcoll, N., et al. Comparison of four DNA extraction methods for comprehensive assessment of 16S rRNA bacterial diversity in marine biofilms using high-throughput sequencing. Fems Microbiol Lett. 364, (14), (2017).
  11. Welsh, A. K., McLean, R. J. Characterization of bacteria in mixed biofilm communities using denaturing gradient gel electrophoresis (DGGE). Curr Protoc Microbiol. Chapter 1, Unit 1E 1 (2007).
  12. Ranjard, L., et al. Characterization of bacterial and fungal soil communities by automated ribosomal intergenic spacer analysis fingerprints: Biological and methodological variability. Appl Environm Microbiol. 67, (10), 4479-4487 (2001).
  13. Stewart, T. J., Traber, J., Kroll, A., Behra, R., Sigg, L. Characterization of extracellular polymeric substances (EPS) from periphyton using liquid chromatography-organic carbon detection-organic nitrogen detection (LC-OCD-OND). Environ Sci Pollut R. 20, (5), 3214-3223 (2013).
  14. Kroll, A., et al. Mixed messages from benthic microbial communities exposed to nanoparticulate and ionic silver: 3D structure picks up nano-specific effects, while EPS and traditional endpoints indicate a concentration-dependent impact of silver ions. Environ Sci Pollut R. 23, (5), 4218-4234 (2016).
  15. Sgier, L., Freimann, R., Zupanic, A., Kroll, A. Flow cytometry combined with viSNE for the analysis of microbial biofilms and detection of microplastics. Nat Commun. 7, 11587 (2016).
  16. Amir el, A. D., et al. viSNE enables visualization of high dimensional single-cell data and reveals phenotypic heterogeneity of leukemia. Nat Biotechnol. 31, (6), 545-552 (2013).
  17. Mora-Gomez, J., Freixa, A., Perujo, N., Barral-Fraga, L. Limits of the biofilm concept and types of aquatic biofilms. Aquatic Biofilms: Ecology, Water Quality and Wastewater Treatment. 3-27 (2016).
  18. Matthaei, C. D., Guggelberger, C., Huber, H. Local disturbance history affects patchiness of benthic river algae. Freshw Biol. 48, (9), 1514-1526 (2003).
  19. Tlili, A., Hollender, J., Kienle, C., Behra, R. Micropollutant-induced tolerance of in situ periphyton: Establishing causality in wastewater-impacted streams. Water Res. 111, 185-194 (2017).
  20. Robinson, C. T., Rushforth, S. R. Effects of physical disturbance and canopy cover on attached diatom community structure in an idaho stream. Hydrobiologia. 154, 49-59 (1987).
  21. Pomati, F., Nizzetto, L. Assessing triclosan-induced ecological and trans-generational effects in natural phytoplankton communities: A trait-based field method. Ecotoxicology. 22, (5), 779-794 (2013).
  22. Hulliger, J. Methoden zur Untersuchung und Beurteilung der Fliessgewässer. Vol. Umwelt-Vollzug Nr. 0740, Bundesamt für Umwelt, Bern (2007).
  23. Tlili, A., et al. In situ spatio-temporal changes in pollution-induced community tolerance to zinc in autotrophic and heterotrophic biofilm communities. Ecotoxicology. 20, (8), 1823-1839 (2011).
  24. Foladori, P., Laura, B., Gianni, A., Giuliano, Z. Effects of sonication on bacteria viability in wastewater treatment plants evaluated by flow cytometry - Fecal indicators, wastewater and activated sludge. Water Res. 41, (1), 235-243 (2007).
  25. Buesing, N., Gessner, M. O. Comparison of detachment procedures for direct counts of bacteria associated with sediment particles, plant litter and epiphytic biofilms. Aquat Microb Ecol. 27, (1), 29-36 (2002).
  26. van der Maaten, L., Hinton, G. Visualizing Data using t-SNE. J Mach Learn Res. 9, 2579-2605 (2008).
  27. van der Maaten, L. Accelerating t-SNE using Tree-Based Algorithms. J Mach Learn Res. 15, 3221-3245 (2014).
Характеристика водных биоплёнки с проточной цитометрии
Play Video
PDF DOI DOWNLOAD MATERIALS LIST

Cite this Article

Sgier, L., Merbt, S. N., Tlili, A., Kroll, A., Zupanic, A. Characterization of Aquatic Biofilms with Flow Cytometry. J. Vis. Exp. (136), e57655, doi:10.3791/57655 (2018).More

Sgier, L., Merbt, S. N., Tlili, A., Kroll, A., Zupanic, A. Characterization of Aquatic Biofilms with Flow Cytometry. J. Vis. Exp. (136), e57655, doi:10.3791/57655 (2018).

Less
Copy Citation Download Citation Reprints and Permissions
View Video

Get cutting-edge science videos from JoVE sent straight to your inbox every month.

Waiting X
Simple Hit Counter