Waiting
Login processing...

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

Genetics

Pantallas genéticas basadas en CRISPR en células de mamíferos

Published: September 4, 2019 doi: 10.3791/59780
* These authors contributed equally

Summary

La tecnología CRISPR-Cas9 proporciona un método eficiente para editar con precisión el genoma de mamíferos en cualquier tipo de célula y representa un medio novedoso para realizar pantallas genéticas en todo el genoma. Aquí se proporciona un protocolo detallado que analiza los pasos necesarios para el buen rendimiento de las pantallas CRISPR-Cas9 agrupadas para todo el genoma.

Abstract

La edición del genoma utilizando el sistema CRISPR-Cas ha avanzado enormemente la capacidad de editar con precisión los genomas de varios organismos. En el contexto de las células de los mamíferos, esta tecnología representa un medio novedoso para realizar pantallas genéticas en todo el genoma para estudios genómicos funcionales. Las bibliotecas de ARN guía (sgRNA) dirigidas a todos los marcos de lectura abiertos permiten la generación fácil de miles de perturbaciones genéticas en un solo grupo de células que se pueden analizar para fenotipos específicos para implicar la función génica y los procesos celulares en un manera imparcial y sistemática. Las pantallas CRISPR-Cas proporcionan a los investigadores un método simple, eficiente y económico para descubrir los planos genéticos de los fenotipos celulares. Además, el análisis diferencial de las pantallas realizadas en varias líneas celulares y de diferentes tipos de cáncer puede identificar genes que son esenciales desde el punto de vista contextual en las células tumorales, revelando objetivos potenciales para terapias específicas contra el cáncer. Realizar pantallas de todo el genoma en células humanas puede ser desalentador, ya que esto implica el manejo de decenas de millones de células y requiere el análisis de grandes conjuntos de datos. Los detalles de estas pantallas, como la caracterización de líneas celulares, las consideraciones de la biblioteca CRISPR y la comprensión de las limitaciones y capacidades de la tecnología CRISPR durante el análisis, a menudo se pasan por alto. Aquí se proporciona un protocolo detallado para el rendimiento exitoso de las pantallas basadas en CRISPR-Cas9 en todo el genoma agrupado.

Introduction

CRISPR-Cas, abreviatura de repeticiones palindrómicas cortas interespaciadas y nucleasas asociadas a CRISPR, consiste en una única proteína de nucleasa (por ejemplo, Cas9) en complejo con un ARN guía sintético (sgRNA). Este complejo de ribonucleoproteínas se dirige a la enzima Cas9 para inducir roturas de ADN de doble cadena en un locus genómico específico1. Los cortes de doble cadena se pueden reparar mediante reparación dirigida por homología (HDR) o, más comúnmente, a través de unión final no homóloga (NHEJ), un mecanismo de reparación propenso a errores que da como resultado la inserción y/o deleciones (INDELS) que con frecuencia interrumpen la función génica 1. La eficiencia y simplicidad de CRISPR permite un nivel de segmentación genómica hasta ahora inalcanzable que supera con creces las tecnologías de edición del genoma anteriores [es decir, nucleasas de dedos de zinc (ZNF) o nucleasas de efectos similares a los activadores de transcripción ( TALENS), ambos sufren de mayor complejidad de diseño, menor eficiencia de transfección y limitaciones en la edición de genes multiplex2].

La aplicación básica de investigación de la edición del genoma basado en ARN de una sola guía de CRISPR ha permitido a los científicos interrogar de manera eficiente y económica las funciones de los genes individuales y la topología de las redes de interacción genética. La capacidad de realizar pantallas funcionales de todo el genoma se ha visto muy mejorada por el uso del sistema CRISPR-Cas, particularmente en comparación con tecnologías de perturbación genética anteriores, como la interferencia del ARN (ARN) y la mutagénesis de las trampas genéticas. En particular, el ARNi sufre de altos efectos fuera del objetivo y derribos incompletos, lo que resulta en una menor sensibilidad y especificidad en comparación con CRISPR3,4,5, mientras que los métodos de captura genética sólo son factibles en haploides células para pantallas de pérdida de funciones, limitando el alcance de los modelos de celda que se pueden interrogar6. La capacidad de CRISPR para generar un knock-out genético completo proporciona un sistema biológicamente más robusto para interrogar fenotipos mutantes, con bajo ruido, efectos mínimos fuera del objetivo y actividad constante a través de los reactivos5. Las bibliotecas de sgRNA CRISPR-Cas9 que se dirigen a todo el genoma humano están ahora ampliamente disponibles, permitiendo la generación simultánea de miles de noqueos genéticos en un solo experimento3,7,8,9 .

Hemos desarrollado bibliotecas lentivirales de sgRNA únicas para todo el genoma CRISPR-Cas9 llamadas las bibliotecas Toronto Knock-out (TKO) (disponibles a través de Addgene) que son compactas y están optimizadas para secuencias para facilitar pantallas genómicas funcionales de alta resolución. La última biblioteca, TKOv3, se dirige a 18.000 genes de codificación de proteínas humanas con 71.090 guías optimizadas para la eficiencia de edición utilizando datos empíricos10. Además, TKOv3 está disponible como una biblioteca de un componente (LCV2::TKOv3, Addgene ID #90294) que expresa Cas9 y sgRNAs en un solo vector, aliviando la necesidad de generar células estables de expresión de Cas9, lo que permite el desconexión del genoma en una amplia gama de tipos de células de mamíferos. TKOv3 también está disponible en un vector sin Cas9 (pLCKO2::TKOv3, Addgene ID 125517) y se puede utilizar en celdas que expresan Cas911.

Una población celular editada por CRISPR-Cas9 en todo el genoma puede estar expuesta a diferentes condiciones de crecimiento, con la abundancia de sgRNA a lo largo del tiempo cuantificada por la secuenciación de próxima generación, proporcionando una lectura para evaluar la deserción o el enriquecimiento de células con Perturbaciones. Las bibliotecas CRISPR knock-out se pueden aprovechar para identificar genes que, tras la perturbación, causan defectos de aptitud celular, sensibilidad moderada a los medicamentos (por ejemplo, genes sensibles o resistentes), regulan la expresión de proteínas (por ejemplo, reportero), o son necesarios para un determinado función de la vía y estado celular12,13,14. Por ejemplo, las pantallas de aptitud diferencial en una línea celular cancerosa pueden identificar tanto el agotamiento o la reducción de oncogenes como el enriquecimiento o un aumento de los genes supresores tumorales3,14,15. Del mismo modo, el uso de dosis intermedias de fármacos terapéuticos puede revelar tanto la resistencia a los fármacos como los genes de sensibilización16,17.

Aquí se proporciona un protocolo de cribado detallado para la detección de la pérdida de función CRISPR-Cas9 a escala del genoma utilizando las bibliotecas Knock-out de Toronto (TKOv1 o v3) en células de mamíferos desde la generación de bibliotecas, el rendimiento de cribado hasta el análisis de datos. Aunque este protocolo se ha optimizado para su detección con las bibliotecas Knock-out de Toronto, se puede aplicar y convertirse en escalable para todas las bibliotecas agrupadas de SgRNA de CRISPR.

Subscription Required. Please recommend JoVE to your librarian.

Protocol

Los experimentos descritos a continuación deben seguir las directrices de la Oficina de Seguridad y Salud Ambiental del instituto.

1. Amplificación de plásmido de plásmido de biblioteca lentiviral CRISPR sgRNA agrupada

  1. Diluir la biblioteca de ADN de plásmido CRISPR sgRNA ya hecha a 50 ng/L en TE (por ejemplo, TKOv3).
  2. Electroportar la biblioteca utilizando células electrocompetentes. Configure un total de cuatro reacciones de electroporación como se describe a continuación.
    1. Añadir 2 l de biblioteca de tko de 50 ng/L a 25 l de células electrocompetentes desaligadas a las cubetas preenfriadas (1,0 mm) en hielo.
    2. Electroporato utilizando ajustes óptimos sugeridos por el protocolo del fabricante. Dentro de 10 s del pulso, añadir 975 s de medio de recuperación (o medio SOC) a la cubeta.
    3. Transfiera las células electroporadas a un tubo de cultivo y agregue 1 ml de medio de recuperación. Incubar tubos en una incubadora de agitación a 250 rpm durante 1 h a 37oC.
  3. Configure una placa de dilución para iterar la biblioteca y estimar la eficiencia de la transformación.
    1. Piscina de los 8 ml de células recuperadas y mezcle bien. Transfiera 10 l de las células agrupadas a 990 s de medio de recuperación para una dilución de 800 veces y mezcle bien.
    2. Placa de 20 ml de la dilución en una placa de agar precalentada de 10 cm LB + carbenicilina (100 g/L). Esto da como resultado una dilución de 40.000 veces de los transformadores que se utilizarán para calcular la eficiencia de transformación.
    3. Placa 400 l de células recuperadas en cada placa a través de un total de 20 placas de agar precalentadas de 15 cm LB + carenicilina. Incubar las placas durante 14-16 h a 30oC.
      NOTA: El crecimiento a esta temperatura más baja minimiza la recombinación entre repeticiones de terminales largos (LTR)18.
    4. Para calcular la eficiencia de transformación, cuente el número de colonias en la placa de dilución de 40.000 veces (paso 1.3.2). Multiplicar el número de colonias contadas por 40.000 para obtener el número total de colonias en todas las placas. Proceda si el número total de colonias representa una cobertura de biblioteca equivalente a un mínimo de 200x colonias por sgRNA (la más óptima es 500-1000x).
      1. Por ejemplo, el número mínimo de colonia para la biblioteca TKOv3 (71.090 sgRNA) es 1,4 x 107,lo que equivale a 200 colonias por sgRNA. Si la representación de colonias es insuficiente, aumente el número de electroporaciones en el paso 1.2 en función del número de colonias en la placa de dilución para lograr la cobertura mínima de la biblioteca.
  4. Cosecha las colonias como se describe a continuación
    1. A cada placa de 15 cm, agregue 7 ml de lb + carbenicilina (100 g/l) medio, luego raspe las colonias con un esparcidor celular. Con una pipeta de 10 ml, transfiera las células raspadas a un matraz o botella cónico estéril de 1 L.
    2. Enjuagar una vez más la placa con 5 ml de medio de carbenicilina LB + y transferir la solución al frasco.
    3. Repita el procedimiento para que todas las placas a las células de la piscina de 20 placas en una botella estéril.
  5. Mezclar las células recogidas con una barra de agitación durante 1 h a temperatura ambiente (RT) para romper los grumos celulares. Transfiera las células a botellas de centrífuga prepesadas y centrífuga a 7.000 x g a bacterias pellets y, a continuación, deseche los medios.
  6. Pesar el pellet de celda húmeda y restar el peso de la botella de centrífuga para determinar el peso final del pellet húmedo. Purifica el ADN plásmido usando un kit de purificación de plásmido a escala maxi o mega escala dependiendo de la cantidad de pellet bacteriano que cada columna pueda procesar.

2. Producción de lentivirus de la biblioteca CRISPR sgRNA a gran escala

NOTA: Todos los pasos de esta sección del protocolo se realizan en una instalación BSL2+ en un gabinete de bioseguridad Clase II, Tipo A2.

  1. Calcular el número de placas de 15 cm necesarias para la producción de virus en función de la estimación de que 18 ml de virus se cosechan típicamente a partir de una placa de 15 cm.
  2. Preparar las células para la transfección mediante la sembración de células de envasado HEK-293T en medios de crecimiento con bajo contenido de antibióticos (DMEM + 10% FBS + opcional: 0,1x pluma/estreptococo) a 8 x 106 células por placa de 15 cm en 20 ml de medios. Incubar células durante la noche a 37oC, 5%CO2. Asegúrese de que las células chapadas sean de 70%–80% de confluente y se propaguen uniformemente en el momento de la transfección.
  3. Al día siguiente, preparar tres mezclas de plásmidos de transfección como se describe en la Tabla 1 para placas de 15 cm. Calcular la cantidad de plásmido necesario para una transfección y hacer una mezcla de plásmidos para el número de placas, más uno para ser transinfectados.
  4. Preparar un reactivo de transfección a base de lípidos para cada transfección como se describe en la Tabla 2. Aliquot redujo los medios séricos en tubos de microcentrífuga individuales de 1,5 ml para el número de placas que se van a transpirar. Agregue el reactivo de transfección, mezcle suavemente e incubar durante 5 min a RT.
  5. Después de 5 min de incubación, agregue la cantidad de ADN necesaria para un transfección al reactivo de transfección para una proporción de 3:1 de reactivo de transfección a g de complejo de ADN. Mezclar suavemente e incubar durante 30 min a RT.
    NOTA: Las transfecciones posteriores se pueden preparar en conjuntos de cinco o menos, con intervalos de 5 minutos para optimizar el tiempo y evitar la sobreincubación.
  6. Después de 30 minutos de incubación, transfiera cuidadosamente cada mezcla de transfección a cada placa de células de embalaje. Agregue toda la mezcla usando una punta de pipeta de 1 ml con gota en un movimiento circular en zigzag sin molestar a la monocapa de la celda. Incubar células a 37oC durante 18 h a 5% co2.
  7. Preparar medios de cosecha viral: 500 mL de medio DMEM + 32 ml de stock de BSA (20 g/100 ml, disuelto en DMEM, filtro esterilizado con filtro de 0,22 m) + 5 ml de pluma/estreptococo de 100x.
  8. Después de 18 h, retire los medios (utilice el manejo adecuado de los residuos de lentivirus, como la incubación en hipoclorito de sodio al 1% durante 30 minutos antes de su eliminación). Reemplace suavemente con 18 ml de medios de cosecha virales en cada placa. Incubar células a 37oC durante 18 h a 5% co2.
  9. Después de las 24 horas, compruebe si las células de envasado son morfológicas anormales y fusionadas como una indicación de una buena producción de virus. Luego, cosecha el lentivirus recogiendo todo el sobrenadante y transfiriéndolo a un tubo de centrífuga cónica estéril.
  10. Gire el medio que contiene el virus a 300 x g durante 5 min y pelete las células de embalaje. Alíspe el sobrenadante en un tubo de polipropileno estéril sin molestar el pellet.
  11. Almacene el virus a 4 oC durante períodos cortos (menos de 1 semana) o inmediatamente a -80 oC para el almacenamiento a largo plazo. El virus a gran escala de Aliquot se prepara para volúmenes de un solo uso para el almacenamiento a largo plazo para evitar la congelación/descongelación.

3. Caracterización de la línea celular para el cribado

  1. Seleccione la línea de celda deseada.
    1. Mida y registre el tiempo aproximado de duplicación de las celdas.
    2. Determinar la densidad óptima de chapado celular para el cultivo de células cada 3-4 duplicaciones celulares en un recipiente de cultivo de tejido de elección (por ejemplo, placas de cultivo de tejido de 15 cm).
  2. Determine la concentración de puromicina que se utilizará en la línea celular deseada para la selección de bibliotecas de tko que contengan marcador de resistencia a la puromicina de la siguiente manera:
    1. Células de semilla en una placa de 12 pocillos a la densidad necesaria para alcanzar la confluencia después de 72 h, luego incubar durante la noche (37 oC, 5% CO2).
    2. Al día siguiente, cambie a un medio que contenga un rango de dilución de concentraciones de puromicina de 0 g/ml a 10 g/ml, en incrementos de 0,5 g/ml. Incubar las células durante 48 h.
    3. Después de 48 h, mida la viabilidad celular contando celularmente o manchando alamarBlue.
    4. Determinar la concentración más baja que mata el 100% de las células en 48 h. Utilice esta concentración para seleccionar las poblaciones de células transducidas de la biblioteca CRISPR en los pasos 4.6 y 5.2.6.
      NOTA: Para líneas celulares con tiempos de duplicación más largos, se pueden tolerar incubaciones más largas con puromicina. En estas situaciones, determine la curva de muerte para el tiempo de incubación necesario para las duplicaciones de celdas <3. Minimice el tiempo de selección para evitar la deserción de genes esenciales antes del inicio del cribado.
  3. Compruebe la sensibilidad de las células al bromuro de hexadictrina (hasta 8 g/ml) realizando una curva de respuesta a la dosis en el mismo método que se utiliza para medir la sensibilidad a la puromicina (paso 3.2). Si se observa toxicidad con <8 g/ml de bromuro de hexadimetrina, no lo use.

4. Valoración funcional de la biblioteca de lentivirus CRISPR agrupada para la determinación del MOI

  1. Descongelar una nueva alícuota de lentivirus de la biblioteca CRISPR sgRNA agrupado (por ejemplo, LCV2::TKOv3) y mantener en hielo.
  2. Diseñar una serie de volúmenes de virus para probar entre el rango de 0-2 mL (es decir, 0 mL, 0,25 ml, 0,5 ml, 1 ml y 2 ml).
  3. Cosecha células diana y células de semilla en placas de 15 cm a la densidad necesaria para alcanzar la confluencia en 72 h.
  4. Para que se pruebe cada volumen de virus, prepare placas duplicadas. Agregue las células, el virus, el bromuro de hexadimetrina (8 g/ml) y los medios a un volumen final de 20 ml. Mezclar bien las placas, las placas de la coltura se nivelan en la incubadora y se incuban durante 24 h (37 oC, 5% CO2).
  5. Después de las 24 h, eliminar el virus que contiene los medios y desechar (utilizar las precauciones de bioseguridad para la manipulación de residuos de lentivirus). Opcionalmente, lave suavemente la placa con PBS caliente para eliminar el virus extraño.
  6. Para cada condición del virus, reemplace con 20 ml de medios que contengan puromicina utilizando la concentración determinada a matar células en la sección 3, a una placa de réplica. Al otro plato, añadir 20 ml de medios frescos sin puromicina. Incubar durante 48 h (37oC, 5% CO2).
  7. Después de 48 h, compruebe que todas las células no infectadas (condición del virus 0 ml) tratadas con puromicina estén muertas. Cosecha todas las placas individualmente y dispersa las células mediante pipeteo suave repetido.
  8. Cuente las células de todas las placas y calcule el MOI para cada volumen de virus comparando el recuento celular con la selección de puromicina con el recuento celular sin puromicina (es decir, +/- puromicina).
  9. Gráfico de resultados para determinar el volumen del virus que conduce a 30%-40% de supervivencia celular con selección de puromicina en comparación con sin puromicina. Utilice este volumen de virus para lograr un MOI de 0.3–0.4 durante la pantalla bajo las mismas condiciones de cultivo de tejido.

5. Infección primaria de la pantalla, selección y passaging celular

  1. Seleccione la cobertura de la biblioteca CRISPR sgRNA que se mantendrá en toda la pantalla (mínimo recomendado de 200 veces).
    1. Sobre la base de la cobertura de la biblioteca, determine el número de células necesarias para mantener esta cobertura por sgRNA y el número de células necesarias para la infección en MOI 0.3(Tabla 3).
    2. Determine el número de placas necesarias para configurar la infección (Tabla 4).
  2. Infectar las celdas con la biblioteca CRISPR
    1. Cosecha las células y la semilla del número de celda requerido para cada placa de 15 cm.
    2. Añadir bromuro de hexadimetrina (8 g/ml) a todas las placas.
    3. Agregue el virus al volumen requerido para MOI 0.3 al cribado y las placas Control 2. Para el Control 1, no agregue virus y reemplace ese volumen con medios.
    4. Mezcle bien las placas inclinando. Coloque las placas en la incubadora, asegurándose de que estén niveladas.
      NOTA: Las infecciones por lotes se pueden hacer combinando una mezcla maestra de virus, medios de comunicación y bromuro de hexadimetrina a las células en suspensión antes del enchapado.
    5. Retire los medios y sustitúyalos por medios frescos que contengan puromicina en la concentración determinada en el paso 3.2.4 hasta el cribado y controle 1 placas 24 h después de la infección por virus. Añadir medios frescos sin puromicina a la placa de control 2. Incubar células durante 48 h (37oC, 5% CO2).
    6. 48 h después de la adición de puromicina, asegúrese de que todas las células no infectadas están muertas (control 1) para confirmar la actividad de la puromicina, luego cosecha las células infectadas.
  3. Cosecha de población celular infectada y paso celular
    1. Cosecha las células seleccionadas con puromicina de todas las placas de cribado en un recipiente estéril. Recoja las celdas de cada placa de control por separado. Disperse las células mediante pipeteo suave y repetido.
    2. Cuente las células de las células de detección agrupadas, controle 1, y controle 2 por separado y calcule el número de celdas por 1 mL.
    3. Calcule el MOI y la cobertura de plegado logradas de la siguiente manera:
      Equation 1
      Equation 2
    4. Recoger tres réplicas de pellets celulares de las células agrupadas en la cobertura de la biblioteca seleccionada para la extracción de ADN genómico. Centrifugar las células a 500 x g durante 5 min. Etiquetar los tubos y congelar los gránulos celulares a -80 oC (se trata de muestras de referencia T0).
    5. Divida el grupo de celdas infectadas en tres grupos de réplica (por ejemplo, replicar A, replicar B, replicar C), mientras mantiene la cobertura de la biblioteca dentro de cada réplica. Células de semilla sin la misma densidad de semilla que normalmente se utilizaría al expandirlas. Utilice el mismo número de celdas para cada placa de réplica y el mismo número total de celdas entre réplicas.
    6. Continúe pasando células y cosechar tres réplicas de pellets celulares de cada réplica de células infectadas en conjunto como arriba, cada 3-8 días dependiendo de la línea celular, para hasta 15-20 duplicaciones celulares. En cada paso, cosechar las células de todas las placas de cada grupo de réplica entre sí (es decir, todas las células de las placas de réplica A se remezclan, todas las células de las placas de réplica B se remezclan entre sí, etc.).
    7. Etiquete cada pellet con un tiempo (T) y replique la designación. Esto corresponde al número de días después de T0 se recoge el pellet (por ejemplo, T3_A, T3_B, T3_C, etc.).
  4. Para las pantallas de drogas de selección negativa, permita que las células se recuperen durante al menos un pasaje después de T0 antes del tratamiento. En T3 o T6, divida las células de cada grupo de réplica (A, B, C) en poblaciones de tratamiento y control de medicamentos, utilizando la misma densidad de semilla utilizada en el paso 5.3.5.
    1. Agrupado por separado el número de celdas necesarias para la cobertura de la biblioteca para cada réplica en el grupo de tratamiento de medicamentos. Añadir el fármaco a concentraciones intermedias (IC20-IC50). Sembrar las células e incubar (37oC, 5% CO2)hasta el siguiente pasaje.
    2. Agrupa por separado el número de celdas necesarias para la cobertura de la biblioteca para cada réplica en el grupo de control del vehículo. Añadir el control del vehículo utilizando el mismo volumen que la droga (<0.5% v/v). Sembrar las células e incubar (37oC, 5% CO2)hasta el siguiente pasaje.
    3. Continúe enpaso las células y cosechar los pellets celulares para ADN genómico cada 3 días como se describe en el paso 5.3.5, mientras se refresca la droga o el vehículo en cada pasaje.
  5. Para las pantallas de selección positiva o resistencia a fármacos, divida cada grupo de réplica según el número de celdas necesarias para la cobertura de la biblioteca. Agregue concentraciones de fármacos IC90 a cada réplica. En IC90,la mayoría de las células serán asesinadas. Permitir que las poblaciones resistentes crezcan y recojan pellets celulares (1-2 x 107 células) para la extracción genómica de ADN.

6. Preparación y secuenciación de muestras CRISPR

  1. Purificación de ADN genómico
    1. Incubar los gránulos de células congeladas durante 5-10 min a RT para descongelar.
    2. Añadir 1,4 ml de PBS a un tubo centrífugo de 50 ml que contenga un pellet celular. Vórtice durante 20 s para resuspender las células y descansar durante 1 min. Si es necesario, pipetee 15x con P1000 para romper los grumos de células restantes. Si transfiere células de un tubo de 15 ml o 1,5 ml, resuspenda las celdas con 1 ml de PBS, luego transfiera las células a un tubo de 50 ml y enjuague el tubo original con 400 ml de PBS.
    3. Añadir 5 ml de solución de nuclei lisis a las células resuspendidas. Con una pipeta de 10 ml, mezcle la muestra pipeteando hacia arriba y hacia abajo 5 veces.
    4. Añadir 32 l de RNase A (20 mg/ml; para obtener una concentración final de 100 g/ml) al lisado nuclear y mezclar la muestra invirtiendo el tubo 5x. Incubar la mezcla a 37oC durante 15 min y dejar que la muestra se enfríe durante 10 min a RT.
    5. Añadir 1,67 ml de solución de precipitación de proteínas al lisado y al vórtice vigorosamente durante 20 s. Los pequeños grumos de proteínas pueden ser visibles después de la mezcla.
    6. Centrífuga a 4.500 x g durante 10 min a RT.
    7. Con una pipeta de 10 ml, transfiera el sobrenadante a un tubo centrífugo de 50 ml que contenga 5 ml de isopropanol. Mezcle suavemente la solución 10 veces por inversión hasta que se observe el ADN.
      NOTA: El ADN se puede observar como hebras blancas, similares a hilos que forman una masa visible.
    8. Centrífuga a 4.500 x g durante 5 min a RT para peletizar el ADN.
    9. Con una pipeta de 10 ml, retire cuidadosamente el sobrenadante y evite desalojar el pellet de ADN. Añadir 5 ml de 70% de etanol a RT al ADN. Gire suavemente el tubo para lavar el pellet de ADN y los lados del tubo centrífugo.
    10. Centrífuga a 4.500 x g durante 5 min a RT.
    11. Con una pipeta de 10 ml, retire cuidadosamente el 70% de etanol y evite desalojar el pellet de ADN. ADN genómico secado al aire durante 10 min a RT.
    12. Añadir 400 sl de solución TE al tubo y dejar que el ADN se disuelva incubando a 65 oC durante 1 h. Mezclar el ADN moviendo suavemente el tubo cada 15 minutos. Si el ADN no se disuelve por completo, incubar el tubo a 65 oC durante 1 h adicional mientras mueve suavemente el tubo cada 15 minutos, y déjelo a 4 oC durante la noche.
    13. Centrifugar a 4.500 x g durante 1 min a RT y transferir ADN genómico a un tubo de unión baja de 1,5 ml.
    14. Cuantificar y medir la pureza del ADN genómico tanto en el espectrofotómetro (para el contenido total de ácido nucleico) como en el fluorómetro (para contenido de ADN de doble cadena).
  2. Opcionalmente, precipita el ADN genómico si hay problemas con la amplificación de PCR aguas abajo del sgRNA de la siguiente manera.
    1. Transfiera el ADN genómico de 400 l a un tubo de microcentrífuga de 1,5 ml.
    2. Añadir 18 ml de 5 M de NaCl (concentración final de 0,2 M) y 900 ml de etanol al 95%.
    3. Invierta el tubo 10x hasta que se mezcle completamente, luego centrifugar a 16.000 x g durante 10 min a RT.
    4. Retire con cuidado el sobrenadante y evite desalojar el pellet de ADN. Lave el pellet de ADN con 500 ml de etanol al 70%. Gire suavemente el tubo para lavar el pellet de ADN.
    5. Centrífuga a 16.000 x g durante 5 min a RT.
    6. Retire con cuidado el sobrenadante y evite desalojar el pellet de ADN. ADN genómico secado al aire durante 10 min a RT.
    7. Añadir 300 s de TE para disolver el ADN como se describe en los pasos 6.1.12.
    8. Cuantifique y mida la pureza del ADN genómico como se describe en el paso 6.1.14.
  3. Preparación de la biblioteca de secuenciación CRISPR
    1. Configurar la PCR 1 como se describe en la Tabla 5 utilizando un total de 100 g de ADN genómico. Añadir 3,5 g de ADN genómico por reacción de 50 s y configurar reacciones idénticas de 50 l para lograr la cobertura deseada. En el Cuadro 6 se enumeran ejemplos de secuencias de imprimación para la amplificación de bibliotecas de secuenciación LCV2::TKOv3. En la Tabla 7 se enumeran ejemplos de secuencias de imprimación para la amplificación de bibliotecas de secuenciación pLCKO2::TKOv3.
    2. Amplificar las reacciones de PCR 1 en un termociclador utilizando el programa descrito en la Tabla 8.
    3. Compruebe la amplificación de PCR 1 ejecutando 2 ml del producto PCR en un gel de agarosa del 1%. PCR 1 produce un producto de 600 bp.
    4. Agrupa todas las reacciones individuales de 50 l para cada muestra de ADN genómico y mezcla por vórtice.
    5. Configure una reacción PCR 2 (50 l) para cada muestra, tal como se describe en la Tabla 9, utilizando 5 l del producto PCR 1 agrupado como plantilla. Utilice combinaciones de imprimación de índice únicas para cada muestra individual para permitir la agrupación de muestras de biblioteca de secuenciación.
    6. Amplificar la reacción PCR 2 en un termociclador utilizando el programa descrito en la Tabla 10.
    7. Limpie el equipo de gel de agarosa para purificar los productos amplificados con 0,1 N HCl durante 10 minutos antes de lanzar un gel. Preparar un gel de agarosa del 2% que contenga manchas de ADN para purificar productos amplificados PCR 2.
    8. Ejecute el producto PCR 2 en el gel de agarosa del 2% a baja tensión (1,0–1,5 h de funcionamiento). PCR 2 produce un producto de 200 bp.
    9. Visualice los productos PCR en un transiluminador de luz azul. Exbobe la banda de 200 bp y purifica el ADN de la rodaja de gel de agarosa usando un kit de extracción de gel. Cuantifique y mida la pureza de la biblioteca de secuenciación tanto en el espectrofotómetro como en el fluorómetro.
      NOTA: Una concentración típica de la biblioteca de secuenciación purificada por gel oscila entre 5-10 ng/L y un rendimiento total de 150–300 ng.
  4. Secuenciación de alto rendimiento
    1. Secuenciar las bibliotecas de secuenciación CRISPR en secuenciadores de próxima generación.
    2. Muestras de referencia de secuencia T0 a mayor profundidad de lectura de 400 a 500 veces la cobertura de la biblioteca. Secuenciar muestras experimentales de puntos de tiempo para pantallas desplegables a una profundidad de lectura mínima de 200 veces. Para las pantallas de selección positivas fuertes, un mínimo de profundidad de lectura de 50 veces la cobertura es suficiente para la identificación de los sgRNA enriquecidos.
      NOTA: Es fundamental secuenciar la muestra T0 para determinar la representación de la biblioteca para una pantalla determinada y servir como referencia para los cambios de pliegue sgRNA determinante a lo largo del tiempo.

7. Análisis de datos

  1. Alinee la secuencia utilizando programas como Bowtie para asignar lecturas de secuencia a la biblioteca de referencia utilizando los siguientes parámetros: -v2 (permitiendo dos discrepancias) y -m1 (descartando cualquier lectura que se asigne a más de una secuencia de la biblioteca).
  2. Normalice el número de lecturas asignadas de forma única para cada sgRNA para una muestra determinada a 10 millones de lecturas por muestra de la siguiente manera:
    Equation 3107
  3. Calcule el cambio de plegado log2 de cada sgRNA para cada réplica en cada punto de tiempo (Tn) en comparación con la muestra T0 (Tn/T0). Agregue un pseudorecuento de 0,5 lecturas a todos los recuentos de lectura para evitar discontinuidades de ceros. Excluya los sgRNAs con <30 lecturas sin procesar en la muestra T0 del cálculo de cambio silnlegado y el análisis descendente.
  4. Analizar los cambios de pliegue con el algoritmo de Análisis Bayesiano de La Esencialidad Genética (BAGEL) , utilizando los conjuntos de entrenamiento esenciales y no esenciales definidos anteriormente19 para las pantallas de esencialidad genética ( Tabla Suplementaria S1) o DrugZ para pantallas de drogas20.
  5. Calcule la precisión y la recuperación para la evaluación del rendimiento de la pantalla utilizando puntuaciones BF. Utilice el conjunto esencial del paso 7.4 como lista positiva verdadera para la función precision_recall_curve de la biblioteca Scikit-learn para Python, junto con el subconjunto de puntuación BF anterior. Alternativamente, realice lo mismo utilizando el paquete PRROC en R.
  6. Calcule el cambio de pliegue medio de todas las guías para cada gen. Generar gráficas de densidad para los genes esenciales y no esenciales (ver paso 7.4) en R o software equivalente. En R, si x.ess es un vector que contiene los valores de cambio de plegado de tronco de genes esenciales y x.nonEss contienen genes no esenciales, trace utilizando el siguiente comando:
    plot( density( x.ess ), xlab-"mean logFC",col-"red",lwd-2 )
    lines( density( x.nonEss ), col-"blue",lwd-2 )
    NOTA: Para los detalles de la versión de Python y los paquetes utilizados, consulte scikit-learn v0.19.1: (publicado por Pedregosa et al.21).

Subscription Required. Please recommend JoVE to your librarian.

Representative Results

Descripción general del flujo de trabajo de cribado CRISPR a escala del genoma

La Figura 1 ilustra una visión general del flujo de trabajo de cribado CRISPR agrupado, comenzando con la infección de las células diana con lentivirus de la biblioteca CRISPR a un MOI bajo para garantizar eventos de integración única y una representación adecuada de la biblioteca (normalmente de 200 a 1000 -fold). Después de la infección, las células se tratan con el antibiótico puromicina para seleccionar las células transducidas. Después de la selección, se recoge un pellet de células T0 de línea base para evaluar la distribución de la biblioteca al inicio del cribado. Las células restantes, compuestas por una población heterogénea de perturbaciones genéticas, se pasan en la representación bibliotecaria deseada cada 3-4 días durante 15-20 duplicaciones para permitir la edición genética y los efectos resultantes para manifestarse. Los análisis con tratamientos farmacológicos se suelen agregar en T3 o T6 después de que las células se hayan recuperado de la infección por virus y la selección de puromicina. Las células se cosechan en la representación bibliotecaria deseada en cada pasaje para el ADN genómico, para determinar la abundancia de guía mediante la secuenciación de próxima generación en los momentos de tiempo deseados.

Se recomienda recopilar varias muestras en caso de que se produzcan errores en los pasos de preparación de la biblioteca de secuenciación descendente. Las pantallas agrupadas suelen ser ensayos basados en la viabilidad que están diseñados para la selección positiva o negativa de sgRNAs esenciales. Las pantallas positivas identifican genes que muestran resistencia o aumentan la supervivencia bajo una presión de selección específica (por ejemplo, fármacos o línea celular mutante). En este caso, la mayoría de las células morirán a partir de la selección, y las células que quedan se enriquecerán para los sgRNAs dirigidos a genes que son resistentes para el medicamento o la condición que se está probando. Las pantallas de selección negativas o las pantallas de "desconexión" identifican los golpes genéticos con una mayor sensibilidad o pérdida de supervivencia bajo la presión de selección de pantalla. Para identificar perturbaciones que tienen un efecto fenotípico como un defecto de crecimiento, la abundancia de guías en cada punto de tiempo se cuantifica mediante la secuenciación de próxima generación y se compara con T0 para evaluar la deserción o el enriquecimiento de guías a lo largo de la pantalla. Mediante el uso de plataformas de análisis, se miden los cambios de log-fold para las guías, y algoritmos como el BAGEL se pueden aplicar para permitir la clasificación de los golpes genéticos.

Amplificación de la biblioteca y mantenimiento de la representación de la biblioteca en pantallas CRISPR agrupadas

La Figura 2 ilustra la distribución esperada de guías después de la amplificación de la biblioteca de plásmidos. La biblioteca TKOv3 consta de 71.090 sgRNA con cuatro sgRNA por gen, dirigidos a 18.000 genes de codificación de proteínas10. Una biblioteca ideal debe tener cada sgRNA representado en cantidades similares. Por lo tanto, se recomienda confirmar la distribución de guías en la biblioteca amplificada mediante la secuenciación de próxima generación. Aquí se muestra una biblioteca amplificada con una distribución muy ajustada de los sgRNAs, confirmando que >95% de todos los sgRNAs están dentro de un rango de distribución de 4 veces(Figura 2). Una distribución más amplia de los sgRNA indicará que la abundancia de guías de biblioteca no están representadas por igual y puede contribuir al ruido en las pantallas agrupadas.

Evaluación del rendimiento de la pantalla

La Figura 3 ilustra que la calidad del rendimiento de una pantalla puede evaluarse evaluando la distribución de cambio de plegado de todos los sgRNA con una lista de referencia estándar de oro de genes esenciales (684 genes) y no esenciales (926 genes) y visualizarse como curvas de recuperación de precisión10. Mediante los conjuntos de referencia estándar de oro, las puntuaciones de Factor de Bayes (BF) se calculan para el punto final de la pantalla y se trazan curvas de recuperación de precisión. Las puntuaciones BF se calculan analizando el cambio de log-fold para todas las guías dirigidas a un gen utilizando un marco bayesiano (el algoritmo BAGEL descrito anteriormente19)para comparar distribuciones de conjuntos de guías esenciales y no esenciales conocidos. Las tasas de detección falsas (FDR) se derivan empíricamente utilizando los mismos conjuntos de referencia estándar de oro. Una pantalla de alto rendimiento debe recuperar un alto número de genes esenciales en un umbral de BF >6 y FDR <5%, como lo demuestra un "codo" agudo en la mayoría de las curvas y una línea recta al punto terminal como se muestra en la línea azul en la Figura 3A. También debe examinarse la deserción de guías dirigidas a genes esenciales y no esenciales(Figura 3B). Las guías dirigidas a los genes no esenciales de referencia deben mostrar una distribución en gran medida simétrica de los cambios de plegado en el registro centrados en cero, como se muestra en la línea discontinua de la Figura 3B. La distribución de cambio de plegado de las guías dirigidas a genes esenciales muestra un fuerte cambio negativo en relación con la distribución de guías dirigidas a genes no esenciales, como lo muestra la línea sólida en la Figura 3B.

Genes esenciales

Una de las aplicaciones básicas de las pantallas desplegables del genoma agrupado es identificar genes esenciales. Los genes esenciales, una subcategoría de genes de fitness, son genes cuya perturbación causa letalidad celular, también considerada sin holgadamente como genes de proliferación. En el contexto de la biología del cáncer, es posible identificar elementos esenciales específicos del contexto para identificar las dependencias de una línea celular tumoral determinada. Figura 4, muestra el rango genético de genes esenciales utilizando puntuaciones de Factor Bayes, derivado del algoritmo BAGEL. Bayes Factor (BF) representa una medida de confianza que el gen noquear resulta en un defecto de fitness. Las puntuaciones más positivas indican una mayor confianza en que la perturbación causa una disminución en la aptitud física.

Pantalla de selección positiva

Las piscinas eliminatorias en todo el genoma se pueden cultivar en presencia de un agente de fármaco sin exceso para buscar genes supresores/de resistencia. Aquí se muestra un ejemplo de células HCT116 examinadas en presencia de timidina para buscar supresores de la detención G1/S3. Los detalles de esta pantalla se pueden encontrar en una publicación anterior3. Brevemente, 6 días después de la selección de las células infectadas de la biblioteca CRISPR, las células se dividieron en réplicas manteniendo la cobertura de la biblioteca y tratadas con timidina. Las células fueron pasajeras en presencia de fármacos hasta que se recuperaron células resistentes para el muestreo de ADN genómico. Las selecciones positivas se pueden secuenciar (profundidad de lectura) a una cobertura inferior a la de las pantallas negativas, ya que sólo una pequeña fracción de las guías permanecerá debido a la fuerte presión selectiva. En este ejemplo, la secuenciación se obtuvo con unos pocos millones de lecturas, y 11 de 12 sgRNAs dirigidos a timidina quinasa (TK1) se recuperaron y enriquecieron como se esperaba(Figura 5).

Las cantidades se determinaron en función de la relación molar de 1:1:1
Componente Cantidad por placa de 15 cm a
LCV2::TKOv3 pLCKO2::TKOv3
psPAX2 4.8 g 7.0 g
pMD2.G 3,8 g 4.0 g
TKOv3b 8,0 g 5.0 g
a Cantidades determinadas en base a la combinación de plásmido más productiva para la biblioteca de tko con una relación molar 1:1:1
b Plásmido de tko de cantidad basado en la columna vertebral del vector de la biblioteca CRISPR. LCV2 vector todo en uno de 13 kb, vector pLCKO2 no Cas9 a 7,6 kb

Tabla 1: Cantidad recomendada de plásmido para la transfección TKOv3.

Componente Cantidad por placa de 15 cm
Opti-MEM 800 l
Reactivo de transfección 48 l

Tabla 2: Configuración de reactivos de transfección a base de lípidos.

Cobertura plegable Número de células por sgRNAb  Número de células necesarias para la infecciónb
(tamaño de la biblioteca de sgRNAa - cobertura de plegado) (tamaño de la biblioteca de sgRNA - cobertura de plegado a 0,3 MOI)
200 1.5 x 107 5 x 107
500 3.6 x 107 1.2 x 108
1000 7.1 x 107 2.4 x 108
a Basado en el tamaño de la biblioteca TKOv3: 71.090 sgRNA
b Los números se redondean hacia arriba

Tabla 3: Determinación de los números de celda necesarios para la infección de la biblioteca CRISPR TKOv3 y el revestimiento de células en varias coberturas plegables.

Tratamiento Número de placas necesarias para la infección
Placas de cribado Virus, + puromicina (tamaño de la biblioteca de sgRNA á 200 veces) a 0,3 MOI - densidad de sembrado de células en la infección - número de placasrequeridas
Control 1 Sin virus, + puromicina (0% control de supervivencia) 1
Control 2 Virus, + Sin puromicina (100% control de supervivencia) 1
a Incluir placas adicionales para adaptarse a las fluctuaciones del MINISTERIO de MoI y las tasas de crecimiento

Tabla 4: Cálculo de la configuración de la infección.

Reactivos Cantidad por 1x reacción
2x Master Mix 25 l
10 mM PCR 1 LCV2 imprimación delantera 2,5 l
10 mM PCR 1 LCV2 imprimación inversa 2,5 l
ADN genómico 3,5 g
Agua hasta 50 l
Total 50 l

Tabla 5: Configuración de PCR 1.

Tabla 6: Imprimaciones PCR para amplificación de bibliotecas de secuenciación LCV2::TKOv3. Haga clic aquí para descargar este archivo.

Tabla 7: Imprimaciones PCR para amplificación de bibliotecas de secuenciación pLCKO2::TKOv3. Haga clic aquí para descargar este archivo.

Paso Temperatura hora
1 98oC 30 seg
2 98oC 10 seg 25 ciclos (paso 2 – 4)
3 66oC 30 seg
4 72oC 15 seg
5 72oC 2 min
6 10oC Mantener

Tabla 8: Parámetros del ciclo PCR 1.

Reactivos Cantidad por 1x reacción
2x Master Mix 25 l
10 mM i5 imprimación delantera 2,5 l
10 mM i7 imprimación inversa 2,5 l
Producto PCR 1 5 l
Agua 15 l
Total 50 l

Tabla 9: Configuración de PCR 2.

Paso Temperatura hora
1 98oC 30 seg
2 98oC 10 seg 10 ciclos (paso 2 – 4)
3 55oC 30 seg
4 65oC 15 seg
5 65oC 5 min
6 10oC Mantener

Tabla 10: Parámetros del ciclo PCR 2.

Tabla suplementaria S1. Conjuntos de genes de referencia De la marca Por favor, haga clic aquí para descargar este archivo.

Figure 1
Figura 1: Descripción general del esquema del flujo de trabajo de detección agrupado. (A) La población celular objetivo está infectada con el lentivirus de la biblioteca CRISPR a un MOI bajo para garantizar que la mayoría de las células reciban una integración viral y que se mantenga la representación de la biblioteca. Los diferentes colores representan diferentes sgRNA en cada partícula viral. Se seleccionan las agrupaciones de celdas modificadas genéticamente. Una vez completada la selección, las celdas se muestrean para la referencia T0 y se pasajen en serie. (B) En el primer paso después de T0, las células se han recuperado de la infección y se pueden añadir tratamientos farmacológicos, si es necesario. Después del tratamiento, las poblaciones celulares se pasan en serie durante varias semanas. Durante cada paso, las células se recogen para el ADN genómico y se resembran en la cobertura de pliegue requerida de la biblioteca de sgRNA. (C) Se pueden realizar dos tipos de pantallas: 1) pantallas de selección positivas, que identifican células mutantes que muestran resistencia o mayor supervivencia bajo la presión de selección específica (por ejemplo, fármacos o línea celular mutante), ya que se enriquecerán durante el pantalla; o 2) pantallas de selección negativas, que identifican las células mutantes con mayor sensibilidad o pérdida de supervivencia bajo la presión de selección de pantalla, ya que se perderán durante la pantalla. (D) El ADN genómico se cosecha y PCR-amplificado para enriquecer para las regiones guía. (E) La abundancia de guías se cuantifica mediante la secuenciación de próxima generación y se enriquecen, o se determinan guías agotadas para la identificación "golpe". Haga clic aquí para ver una versión más grande de esta figura.

Figure 2
Figura 2: Calidad de la biblioteca CRISPR sgRNA amplificada. Los plásmidos de la biblioteca amplificada se analizan mediante secuenciación de próxima generación (lecturas recomendadas: 30 millones de lecturas, correspondientes a la representación de la biblioteca de 400 libras esterlinas). Aquí se muestra una biblioteca con una distribución estrecha de los sgRNAs, con >95% de todos los sgRNAs dentro de un rango de distribución 4 veces.  Haga clic aquí para ver una versión más grande de esta figura.

Figure 3
Figura 3: Evaluación de la calidad de la pantalla desplegable utilizando conjuntos de referencia genética esenciales estándar de oro. (A) El análisis de recuperación de precisión de los resultados del cribado en la recuperación de genes esenciales en un umbral de BF >6 y FDR del 5%. La pantalla de alto rendimiento está representada por la línea azul y las pantallas de bajo rendimiento están representadas por la línea roja. (B) Cambio de plegado de la distribución del sgRNA dirigido a genes esenciales (línea sólida) y genes no esenciales (líneas punteadas). Haga clic aquí para ver una versión más grande de esta figura.

Figure 4
Figura 4: Determinación de la esencialidad genética. Clasificación bayes Factor del gen esencialmente en una pantalla en particular. Bayes Factor (BF) representa una medida de confianza que el gen noquear resulta en un defecto de fitness. Los factores de Bayes más altos indican una mayor confianza en que el desconexión del gen produce defectos de acondicionamiento físico (puntos rojos). Las puntuaciones de Factor de Bayes inferior sugieren que el knock-out proporciona ventaja de crecimiento (puntos azules). Haga clic aquí para ver una versión más grande de esta figura.

Figure 5
Figura 5: Pantalla de selección positiva para supresor del bloque de timidina en células HCT116. Recuentos de lectura normalizados para todos los sgRNA en T0 trazados contra recuentos medios de lectura normalizados para muestras tratadas con timidina. Para las pantallas de selección positivas (es decir, el uso de una concentración ic90 de fármaco), se espera que el número de perturbaciones que conferirán resistencia al medicamento sea pequeño. Por esta razón, la profundidad de lectura puede ser menor que lo que se necesita para las pantallas negativas, en el lugar donde se espera que la mayor parte de la biblioteca se represente. Los sgRNA TK1 están circuliados en rojo. Esta cifra ha sido modificada de una publicación anterior3. Haga clic aquí para ver una versión más grande de esta figura.

Subscription Required. Please recommend JoVE to your librarian.

Discussion

Debido a su simplicidad de uso y alta flexibilidad, la tecnología CRISPR ha sido ampliamente adoptada como la herramienta de elección para la edición precisa del genoma. El cribado CRISPR agrupado proporciona un método para interrogar miles de perturbaciones genéticas en un solo experimento. En las pantallas agrupadas, las bibliotecas sgRNA sirven como códigos de barras moleculares, ya que cada secuencia es única y se asigna al gen objetivo. Al aislar el ADN genómico de la población celular, los genes que causan el fenotipo de interés se pueden determinar cuantificando la abundancia de SgRNA mediante la secuenciación de próxima generación. Los métodos de secuenciación masivamente paralelos se utilizan para cuantificar los sgRNA en las muestras, lo que significa que se pueden agrupar varias poblaciones de células independientes en el mismo carril de secuenciación para minimizar el costo.

Antes de embarcarse en un proyecto de cribado a gran escala, es importante tener un modelo bien caracterizado y técnicamente optimizado. Los antecedentes genéticos, la tasa de crecimiento y la eficiencia de transducción son factores importantes a la hora de elegir las líneas celulares para el cribado. Por ejemplo, las tasas de crecimiento y la eficiencia de edición determinarán la escalabilidad y la idoneidad técnica del modelo. Con el fin de representar adecuadamente grandes bibliotecas de ARNS, se requieren decenas de millones de células, por lo tanto, el número de celdas podría ser un factor limitante en el cribado de la viabilidad de las líneas celulares con duplicaciones más lentas o que no tienen una buena capacidad proliferativa (por ejemplo, células primarias). En función de las tasas de crecimiento, las condiciones de cultivo celular, como la densidad de semilla celular y el tamaño de la placa para el cribado, deben seleccionarse en consecuencia. Se recomienda cultivar células en el recipiente más grande que sea práctico y técnicamente factible para la pantalla.

Las eficiencias de transducción de lentivirus varían entre los tipos de células, ya que las células difieren en la infectividad inherente. Como resultado, el volumen de virus necesario para lograr una infección suficiente en un tipo de célula no será necesariamente el mismo en otro. Por lo tanto, es fundamental titer funcionalmente cada lote de la biblioteca de lentivirus producido en la línea celular que se va a examinar para asegurar una cobertura suficiente de la biblioteca y principalmente eventos de transducción individuales por célula transduciendo a MO inferiores alrededor de 0.3 (sección 4). Las eficiencias de transducción también pueden verse influenciadas por las condiciones de cultivo celular; por lo tanto, los lanzadores funcionales deben determinarse utilizando las mismas condiciones celulares que se utilizarán en la pantalla. Es decir, es importante utilizar los mismos vasos de cultivo de tejido, componentes de medios y volumen, densidad de chapado celular, y preparaciones de virus sin deshielos previos. Las mediciones realizadas en diferentes formatos o condiciones no se escalarán de forma fiable al formato de cribado.

A pesar de la ventaja de utilizar bibliotecas guía CRISPR-Cas9 todo en uno como LCV2::TKOv3, el gen que codifica Cas9 es bastante grande, lo que dificulta el empaquetado eficiente en partículas virales (105-106 TU/ml). La entrega de lanzadores lentivirales más bajos puede ser una limitación para las líneas celulares que son difíciles de transducir, ya que tendrán aún más dificultades con las bibliotecas CRISPR. Para mitigar esto, Cas9 debe expresarse en la línea celular de antemano, seguido de la entrega de bibliotecas CRISPR que sólo contienen sgRNA (por ejemplo, pLCKO2::TKOv3), que se puede hacer a tituladores mucho más altos (107-108 TU/mL). La ploidiidad de una línea de celda también es importante, ya que determina el número de loci de destino que deben modificarse. La capacidad de generar eliminatorias completas en las células haploides es más eficiente que en células con múltiples copias de un gen dado. Por lo tanto, las pantallas en células haploides pueden ser más sensibles y producir datos de mayor calidad que las pantallas realizadas en las líneas celulares diploides o aneuploides6. El análisis de genes conocidos que están vinculados al fenotipo ayudará a determinar la capacidad de pantalla de un modelo de línea celular. Por ejemplo, para las pantallas de esencialidad, las guías dirigidas a una subunidad del proteosoma 26S, PSMD1 (Addgene: plásmido #74180), un gen esencial básico, se pueden utilizar para probar la eficiencia de edición y la infecbilidad de las líneas celulares, como perturbación de PSMD1 resultará en la muerte celular.

La robustez de las pantallas agrupadas depende en gran medida de la representación de sgRNA. Esta es una métrica importante que determina el rendimiento de la biblioteca durante una pantalla y la capacidad de identificar hits. La diversidad de la biblioteca está sesgada en la representación de cada sgRNA; por lo tanto, la población de células que deben ser examinadas y analizadas debe ser lo suficientemente grande para asegurar la captura de los sgRNA subrepresentados6. 200 a 1000 representación de cada sgRNA es la cobertura típica que se ha utilizado en pantallas publicadas (es decir, 200-1000 celdas por sgRNA)10,15. Esta representación debe mantenerse al amplificar el plásmido de la biblioteca (sección 1) y en toda la pantalla infectando y pasando el número de celda requerido (sección 5) para representar la cobertura de biblioteca deseada y durante la biblioteca de secuenciación (protocolo 6), como se describe en todo el protocolo. Por ejemplo, para lograr una cobertura de 200 libras esterlinas de la biblioteca TKOv3 se requiere la selección y el paso de 15 millones de células infectadas. Durante la secuenciación, suponiendo que un genoma humano diploide contenga 7,2 pg de ADN y 1 sgRNA por genoma, se requiere un total de 100 g de ADN genómico para generar la biblioteca de secuenciación para 15 millones de lecturas secuenciales. La decisión de cobertura dependerá del tamaño de la biblioteca, ya que la cobertura de bibliotecas más grandes requerirá el cultivo de un mayor número de celdas que pueden ser difíciles de mantener y no técnicamente prácticas. Se recomienda una cobertura mínima de 200 veces con las bibliotecas TKOv3, ya que 200 veces proporciona un equilibrio óptimo entre la logística de cribado de un gran número de células y el mantenimiento de un rango dinámico suficiente para detectar verdaderas deserciones biológicas de ARNS con ruido de agotamientos aleatorios22,23. Las representaciones de bibliotecas de plegado más altas mejorarán la reproducibilidad y garantizarán una ventana suficiente para la detección de cambios en la abundancia de ARNS SgRNA, especialmente para selecciones negativas. Una característica limitante de las pantallas negativas es que la perturbación sólo se agota en la medida en que estaba presente en la biblioteca inicial24. En comparación, el rango dinámico de pantallas de selección positivaes es mucho mayor, ya que dependen del enriquecimiento de células, y podrían enriquecer al 100% de la población final23. Por lo tanto, para las pantallas de selección positivas (por ejemplo, pantallas de resistencia a los medicamentos), la cobertura de la biblioteca y la profundidad de lectura se pueden reducir a una representación de 50 a 100 veces, ya que solo se espera que sobreviva una población de células pequeñas.

El protocolo de biblioteca de secuenciación descrito aquí es un PCR de dos pasos optimizado para bibliotecas CRISPR TKOv3 en las estructuras troncales vectoriales y secuenciado en la plataforma de secuenciación de Illumina. Estas bibliotecas de secuenciación también se pueden generar utilizando un único protocolo PCR, similar al descrito en Hart et al.3. En el caso de otras bibliotecas prefabricadas, deben consultarse las imprimaciones y los protocolos de secuenciación previstos para esas bibliotecas. Al preparar muestras de ADN genómico y PCR, es esencial tener en cuenta las precauciones de contaminación. Por ejemplo, se recomienda un área dedicada a la purificación genómica del ADN. También debe ser físicamente distinto de las preparaciones de plásmido bacteriano, que son contaminantes comunes que se encuentran en las muestras de ADN genómicas. Las reacciones de PCR deben configurarse en un capó de PCR dedicado, ya que esto minimizará la contaminación de plásmidos y otras bibliotecas de secuenciación. Para una buena práctica, se puede incluir un control negativo sin plantilla para ayudar a supervisar la contaminación por PCR.

El análisis de datos para traducir las lecturas de secuenciación de pantallas es una tarea no trivial, dado el tamaño y la diversidad de estos conjuntos de datos. Una vez que las lecturas de la secuencia se han alineado y normalizado, hay varias herramientas bioinformáticas disponibles para ayudar a evaluar el rendimiento de la pantalla (Figura 3) y la identificación de aciertos (Figura 4). BAGEL se describe en este protocolo como la herramienta clave para el análisis de datos. BAGEL utiliza un marco bayesiano para comparar las distribuciones de conjuntos de genes esenciales y no esenciales conocidos con el cambio de registro de todas las guías dirigidas a un gen. Este método se describe en detalle en Hart et al3. Además de BAGEL, también se pueden utilizar otros algoritmos diseñados para identificar los sgRNA enriquecidos y agotados, como MAGeCK25. Para las pantallas de drogas, se recomienda utilizar el algoritmo DrugZ para identificar interacciones genéticas químicas sinérgicas y supresoras. DrugZ fue diseñado para comparar la abundancia relativa de sgRNA en una población tratada con la abundancia relativa de sgRNA en una población no tratada en el mismo punto de tiempo20.

Una limitación de las pantallas CRISPR es que Cas9 no siempre conduce a un nocaut, ya que siempre existe la posibilidad de que los indels creados sean mutaciones en el marco, dejando intacta la función génica13. Esto resulta en una población mixta, lo que hace que la pantalla sea "ruidoso" y la interpretación de los datos desafiante. El uso de múltiples sgRNA independientes dirigidos a un gen puede generar redundancia, lo que reduce el efecto de los sgRNAs con baja actividad. Una advertencia adicional a los estudios CRISPR es el efecto de las roturas de doble hebra creadas por la nucleasa Cas9, que pueden conducir a la letalidad celular independiente mente del gen que se está apuntando. Este efecto antiproliferativo aumenta con el número de copia del sitio objetivo, lo que conduce a la identificación falsa positiva de los genes dentro de las regiones altamente amplificadas26. Se han desarrollado métodos computacionales como CERES para corregir los efectos del número de copia27. Estos flujos de trabajo tienen en cuenta el efecto del número de copia para estimar los niveles de dependencia de genes en las pantallas de esencialidad basadas en eliminación. El examen cuidadoso de las ubicaciones genómicas de los genes afectados en las regiones amplificadas puede ayudar a determinar los falsos positivos que se deben a la multiplicidad de efectos de corte13. Las pantallas primarias solo pueden identificar posibles visitas. Es importante realizar un seguimiento con una pantalla o protocolo secundario para validar los golpes y distinguir el objetivo de los efectos fuera del objetivo, eliminando falsos positivos y asegurando que los genes que obtuvieron puntuaciones débiles debido a perturbaciones ineficaces no se queden atrás como falsos negativos23.

Este protocolo se centra en los enfoques de cribado basados en la viabilidad, en los que la condición de estudio debe conducir a un defecto de proliferación o la muerte de las células. Para los procesos que no conducen a un cambio en la viabilidad celular, el método de cribado agrupado basado en la viabilidad puede ser restrictivo. Una alternativa es realizar pantallas utilizando ensayos basados en reporteros o marcadores y el enriquecimiento mediante enfoques de clasificación celular activada por fluorescencia (FACS). En las pantallas de selección basadas en marcadores, el fenotipo se basa en mutaciones que regulan la expresión génica del marcador en lugar de la salud celular13,23. También hay disponibles formatos CRISPR de forma amplia para un gen por cribado de pozos. Los formatos de matriz son más susceptibles a lecturas complejas o basadas en microscopía. Sin embargo, los formatos de arreglos de discos requieren equipos automatizados y grandes cantidades de reactivos28.

El protocolo de cribado discutido aquí utiliza la nucleasa De S. pyogenes Cas9 para crear alelos nulos, que es el más utilizado para pantallas genéticas y para el que hay muchas bibliotecas disponibles (Addgene: Pooled Libraries). También están disponibles opciones alternativas a las bibliotecas knock-out, que utilizan una dCas 9 catallíticamente muerta alas modificadoras de cromatina para inhibir (CRISPRi) o activar (CRISPRa) transcripción de genes. Al igual que el ARNI, CRISPRi ofrece la capacidad de estudiar efectos fenotípicos a diferentes dosis genéticas y genes esenciales que no pueden tolerar el desaqueo completo, mientras que CRISPRa se puede utilizar para realizar pantallas de ganancia de función. Cada una de estas tecnologías tiene sus ventajas, pero en general, el enfoque CRISPR knock-out es el más desarrollado. Se ha demostrado que funciona bien con bajo nivel de ruido, efectos mínimos fuera del objetivo y consistencia experimental, especialmente en pantallas genéticas esenciales basadas en la letalidad, en comparación con los enfoques de derribo utilizando CRISPRi y shRNAs5. A pesar de su amplia aplicabilidad hasta la fecha, la tecnología de cribado CRISPR permanece en sus primeras etapas. Se siguen construyendo nuevas herramientas a partir de los componentes básicos de CRISPR. Estas incluyen estrategias de edición de genes combinatoriales que pueden apuntar a múltiples loci genómicos, optimización de enzimas cas ortogonales y modificaciones con dominios funcionales de cromatina para diversificar las actividades de Cas9. A medida que la tecnología CRISPR siga creciendo, su acoplamiento a los enfoques de cribado genético servirá como una poderosa plataforma para el descubrimiento funcional en genética.

Subscription Required. Please recommend JoVE to your librarian.

Disclosures

Los autores no declaran intereses financieros en competencia.

Acknowledgments

Este trabajo fue apoyado por el Genoma Canadá, el Fondo de Investigación de Ontario y los Institutos Canadienses para la Investigación Sanitaria (MOP-142375, PJT-148802).

Materials

Name Company Catalog Number Comments
0.22 micron filter
30°C plate incubator
37°C shaking incubator
37°C, 5% CO2 incubator
5 M NaCl Promega V4221
50X TAE buffer BioShop TAE222.4
6 N Hydrochloric acid solution BioShop HCL666.500
95% Ethanol
Alamar blue ThermoFisher Scientific DAL1025
Blue-light transilluminator ThermoFisher Scientific G6600
Bovine Serum Albumin,Heat Shock Isolation, Fraction V. Min. 98%, Biotechnology grade Bioshop ALB001.250
Dulbecco's Modification of Eagles Medium Life Technologies 11995-065 Cel culture media
Electroporation cuvettes BTX 45-0134
Electroporator BTX 45-0651
Endura electrocompetent cells Lucigen 90293
Fetal Bovine Serum GIBCO 12483-020
HEK293T packaging cells ATCC CRL-3216 recommend passage number <15
Hexadimethrine Bromide (Polybrene) Sigma H9268 Cationic polymer to enhance transduction efficiency
Hexadimethrine Bromide (Polybrene)
LB agar plates with carbenicillin
LB medium with carbenicillin
Low molecular weight DNA ladder New England Biolabs N3233S
Nanodrop spectrophotometer ThermoFisher Scientific ND-ONE-W
NEBNext Ultra II Q5 Master Mix New England Biolabs M0544L
Opti-MEM Life Technologies 31985-070 Reduced serum media
Plasmid maxi purification kit Qiagen 12963
pMD2.G (envelope plasmid) Addgene Plasmid #12259 lentiviral system
psPAX2 (packaging plasmid) Addgene Plasmid #12260 lentiviral system
Puromycin Wisent 400-160-UG
QIAquick gel extraction kit Qiagen 28704
Qubit dsDNA BR assay ThermoFisher Scientific Q32853
Qubit fluorometer ThermoFisher Scientific Q33226
RNAse A Invitrogen 12091021
S.O.C recovery medium Invitrogen 15544034
SYRB Safe DNA gel stain ThermoFisher Scientific S33102
Toronto KnockOut CRIPSR library (TKOv3) - Cas9 included Addgene Addgene ID #90203 Genome-wide CRISPR library , includes Cas9, 71,090 sgRNA
Toronto KnockOut CRIPSR library (TKOv3) - non-cas9 Addgene Addgene ID #125517 Genome-wide CRISPR library, non-Cas9, 71,090 sgRNA
Tris-EDTA (TE) solution, pH8.0
UltraPure agarose ThermoFisher Scientific 16500500
Wizard genomic DNA purification kit Promega A1120
X-tremeGENE 9 DNA transfection reagent Roche 06 365 809 001 Lipid based transfection reagent

DOWNLOAD MATERIALS LIST

References

  1. Jiang, F., Doudna, J. A. CRISPR-Cas9 Structures and Mechanisms. Annual Review of Biophysics. 46, 505-529 (2017).
  2. Baliou, S., et al. CRISPR therapeutic tools for complex genetic disorders and cancer (Review). International Journal of Oncology. 53 (2), 443-468 (2018).
  3. Hart, T., et al. High-Resolution CRISPR Screens Reveal Fitness Genes and Genotype-Specific Cancer Liabilities. Cell. 163 (6), 1515-1526 (2015).
  4. Morgens, D. W., Deans, R. M., Li, A., Bassik, M. C. Systematic comparison of CRISPR/Cas9 and RNAi screens for essential genes. Nature Biotechnology. 34 (6), 634-636 (2016).
  5. Evers, B., et al. CRISPR knock-out screening outperforms shRNA and CRISPRi in identifying essential genes. Nature Biotechnology. 34 (6), 631-633 (2016).
  6. Miles, L. A., Garippa, R. J., Poirier, J. T. Design, execution, and analysis of pooled in vitro CRISPR/Cas9 screens. The FEBS Journal. 283 (17), 3170-3180 (2016).
  7. Wang, T., Wei, J. J., Sabatini, D. M., Lander, E. S. Genetic screens in human cells using the CRISPR-Cas9 system. Science. 343 (6166), 80-84 (2014).
  8. Wang, T., et al. Identification and characterization of essential genes in the human genome. Science. 350 (6264), 1096-1101 (2015).
  9. Sanson, K. R., et al. Optimized libraries for CRISPR-Cas9 genetic screens with multiple modalities. Nature Communications. 9 (1), 5416 (2018).
  10. Hart, T., et al. Evaluation and Design of Genome-Wide CRISPR/SpCas9 Knock-out Screens. G3: Genes|Genomes|Genetics. 7 (8), 2719-2727 (2017).
  11. Mair, B., Tomic, J., et al. Essential gene profiles for human pluripotent stem cells identify uncharacterized genes and substrate dependencies. Cell Reports. 27 (2), 599-615 (2019).
  12. Shalem, O., et al. Genome-scale CRISPR-Cas9 knock-out screening in human cells. Science. 343 (6166), 84-87 (2014).
  13. Sharma, S., Petsalaki, E. Application of CRISPR-Cas9 Based Genome-Wide Screening Approaches to Study Cellular Signalling Mechanisms. International Journal of Molecular Sciences. 19 (4), (2018).
  14. Steinhart, Z., et al. Genome-wide CRISPR screens reveal a Wnt-FZD5 signaling circuit as a druggable vulnerability of RNF43-mutant pancreatic tumors. Nature Medicine. 23 (1), 60-68 (2017).
  15. Wang, T., et al. Gene Essentiality Profiling Reveals Gene Networks and Synthetic Lethal Interactions with Oncogenic Ras. Cell. 168 (5), 890-903 (2017).
  16. Zimmermann, M., et al. CRISPR screens identify genomic ribonucleotides as a source of PARP-trapping lesions. Nature. 559 (7713), 285-289 (2018).
  17. Deans, R. M., et al. Parallel shRNA and CRISPR-Cas9 screens enable antiviral drug target identification. Nature Chemical Biology. 12 (5), 361-366 (2016).
  18. Trinh, T. J. J., Bloom, F., Hirsch, V. STBL2: an Escherichia coli strain for the stable propagation of retroviral clones and direct repeat sequences. Focus. 16, 78-80 (1994).
  19. Hart, T., Moffat, J. BAGEL: a computational framework for identifying essential genes from pooled library screens. BMC Bioinformatics. 17, 164 (2016).
  20. Wang, G. Z. M., et al. Identifying drug-gene interactions from CRISPR knock-out screens with drugZ. bioRxiv. , Available from: https://doi.org/10.1101/232736 (2017).
  21. Pedregosa, F. V., G,, et al. Scikit-learn: Machine Learning in Python. Journal of Machine Learning Research. 12, 2825-2830 (2011).
  22. Ketela, T., et al. A comprehensive platform for highly multiplexed mammalian functional genetic screens. BMC Genomics. 12, 213 (2011).
  23. Doench, J. G. Am I ready for CRISPR? A user's guide to genetic screens. Nature Review Genetics. 19 (2), 67-80 (2018).
  24. Hartenian, E., Doench, J. G. Genetic screens and functional genomics using CRISPR/Cas9 technology. FEBS Journal. 282 (8), 1383-1393 (2015).
  25. Li, W., et al. MAGeCK enables robust identification of essential genes from genome-scale CRISPR/Cas9 knock-out screens. Genome Biology. 15 (12), 554 (2014).
  26. Sheel, A., Xue, W. Genomic Amplifications Cause False Positives in CRISPR Screens. Cancer Discovery. 6 (8), 824-826 (2016).
  27. Meyers, R. M., et al. Computational correction of copy number effect improves specificity of CRISPR-Cas9 essentiality screens in cancer cells. Nature Genetics. 49 (12), 1779-1784 (2017).
  28. Henser-Brownhill, T., Monserrat, J., Scaffidi, P. Generation of an arrayed CRISPR-Cas9 library targeting epigenetic regulators: from high-content screens to in vivo assays. Epigenetics. 12 (12), 1065-1075 (2017).

Tags

Genética Número 151 CRISPR-Cas9 bibliotecas sgRNA Toronto-Knock-out cribado CRISPR en todo el genoma pantallas desplegables genómica funcional genes esenciales aptitud celular proliferación
Pantallas genéticas basadas en CRISPR en células de mamíferos
Play Video
PDF DOI DOWNLOAD MATERIALS LIST

Cite this Article

Chan, K., Tong, A. H. Y., Brown, K.More

Chan, K., Tong, A. H. Y., Brown, K. R., Mero, P., Moffat, J. Pooled CRISPR-Based Genetic Screens in Mammalian Cells. J. Vis. Exp. (151), e59780, doi:10.3791/59780 (2019).

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