Summary
在这里,我们提出了一个强大的协议,以量化40个化合物参与中央碳和能量代谢在无细胞蛋白质合成反应。无细胞合成混合物用抗氧化剂衍生,使用反相液相色谱进行有效分离,然后使用异位标记的内部标准通过质谱法进行量化。
Abstract
无细胞蛋白合成(CFPS)是蛋白质体外生产的系统和合成生物学的新兴技术。但是,如果 CFPS 要超越实验室,成为一种广泛而标准的及时制造技术,我们必须了解这些系统的性能限制。针对这个问题,我们开发了一个强大的协议,以量化参与糖解的40种化合物,磷酸五氯苯基,三聚碳酸循环,能量代谢和CFPS反应中的副因子再生。该方法使用带有13种C-单一体标记的内部标准,而样品中的化合物则用12种C-aniline进行衍生。通过反相液相色谱-质谱法(LC/MS)对内部标准和样品进行混合和分析。化合物的共洗脱消除了电子抑制,使代谢物浓度在平均相关系数为0.988的2-3个量级以上进行精确定量。四十种化合物中有五种未加用碱标记,然而,它们仍在CFPS样本中检测到,并采用标准曲线法进行量化。色谱运行大约需要 10 分钟才能完成。综合起来,我们开发了一种快速、可靠的方法,在一次LC/MS运行中分离和准确量化CFPS中涉及的40种化合物。该方法是描述无细胞代谢的一种全面而准确的方法,因此,我们最终能够了解并提高无细胞系统的产量、生产率和能源效率。
Introduction
无细胞蛋白质合成(CFPS)是制造蛋白质和化学品的有前途的平台,这种应用传统上是为活细胞保留的。无细胞系统来自粗细胞提取物,并消除与细胞生长相关的并发症1。此外,CFPS 允许直接访问代谢物和生物合成机械,无需细胞壁干扰。然而,对无细胞过程的性能限制缺乏基本的了解。高通量代谢物定量方法对代谢表征有价值,对代谢计算模型2、3、4的构建至关重要。用于确定代谢物浓度的常见方法包括核磁共振 (NMR)、傅立叶变换红外光谱 (FT-IR)、基于酶的测定法和质谱 (MS)5、6、7 ,8.然而,这些方法往往受限于它们无法同时有效地测量多种化合物,并且通常需要比典型的无细胞反应更大的样本大小。例如,基于酶的检测通常只能用于在运行中量化单个化合物,并且在样本量较小时(如无细胞蛋白合成反应(通常在 10-15 μL 尺度上运行)时受到限制。同时,NMR需要高丰度代谢物来检测和定量5。 针对这些缺点,色谱方法与质谱(LC/MS)结合提供了几个优点,包括高灵敏度和同时测量多个物种的能力9;然而,分析复杂性随着被测量物种的数量和多样性而大大增加。因此,开发能够充分实现LC/MS系统高通量潜力的方法非常重要。样品中的化合物通过液相色谱分离,并通过质谱法进行鉴定。化合物的信号取决于其浓度和电电化效率,其中电电化在化合物之间可能有所不同,也可能取决于样品矩阵。
在使用LC/MS对分析物进行量化时,在样品和标准之间实现相同的电电化效率是一项挑战。此外,由于质子亲和力和极性10的信号分裂和异质性,代谢物多样性的定量变得更加具有挑战性。最后,样品的共解基质也会影响化合物的电电化效率。为了解决这些问题,代谢物可以化学衍生,提高LC/MS系统的分离分辨率和灵敏度,同时在某些情况下减少信号分裂10,11。化学衍生的工作原理是标记代谢物的特定功能组,以调整其物理特性,如电荷或疏水性,以提高电化效率11。各种标记剂可用于针对不同的功能组(例如,胺、羟基、磷酸盐、碳化物酸等)。Aniline,一种这样的衍生剂,一次瞄准多个功能组,并在亲水分子中加入疏水成分,从而提高其分离分辨率和信号12。为了解决共发基质电抑制效应,杨和同事开发了一种基于组特定内部标准技术 (GSIST) 标签的技术,其中标准标有13 C阴宁同位素,并与样品混合12,13.代谢物和相应的内部标准自共溶以来具有相同的电化效率,其强度比可用于定量实验样品中的浓度。
在这项研究中,我们开发了一个协议来检测和量化参与糖解的40种化合物,磷酸五氯苯星通路,三聚碳酸循环,能量代谢和CFPS反应中的副因子再生。该方法基于GSIST方法,我们使用12种C-单一素和13种C-aniline来标记、检测和量化代谢物,使用逆相LC/MS。所有化合物的线性范围跨越2-3个数量级,平均相关系数为0.988。因此,该方法是一种可靠而准确的方法,用于询问无细胞代谢,以及可能全细胞提取物。
Subscription Required. Please recommend JoVE to your librarian.
Protocol
1. 制备用于使用线标的的试剂
- 在 pH 4.5 下制备 6 M 丙琳溶液。在发动机罩中工作,将 550 μL 的苯氨酸与 337.5 μL 的 LCMS 级水和 112.5 μL 的 12 M 盐酸 (HCl) 组合在离心管中。涡旋井,储存在4°C。
注:Aniline 可在 4°C 下储存 2 个月。
注意:Aniline 是剧毒的,应在烟罩中使用。盐酸具有很强的腐蚀性 - 在 pH 4.5 下制备 6 M 13C 丙宁溶液。将 250 mg的 13C6- 阴宁与 132 μL 的水和 44 μL 的 12 M HCl 涡流井结合,并储存在 4°C。
- 制备200mg/mL N-(3-二甲基氨基)-N-乙基甲酰盐酸(EDC)溶液。将2毫克EDC溶解在10μL水中,用于每个样品被标记和涡旋井。
注:EDC溶液应在反应当天制备。EDC是使用一氧化二线的化合物衍生的催化剂。
2. 制定标准
- 对溶解在LC/MS级水中的所有化合物进行单独的库存溶液(表1)。
-
准备内部标准库存解决方案
- 除烟酰胺腺苷二核苷酸(NAD)、烟酰胺腺苷二核苷酸(NADP)、弗拉文腺苷二核苷酸(FAD)、乙酰辅酶A(ACA)和甘油3-磷酸盐(Gly3P)外的所有化合物,并适当体积为所有化合物创建 2 mM 库存溶液。
- 将 NAD、NADP、FAD、ACA 和 Gly3P 与适当的卷相结合,创建 2 mM 库存解决方案。
3. 样品制备(图1)
- 在无细胞蛋白合成反应中,通过在反应中加入同等量的冰冷100%乙醇,将蛋白质淬火和沉淀。在4°C下将样品在12,000 x g下离心15分钟。将上清液转移到新的离心管中。
注:此时样品可储存在-80°C,稍后分析
4. 贴标反应
-
带有12 种C-单线溶液的标记样品
- 将6μL样品转移到新的离心管中,用水将体积调到50μL。
注: 体积样本大小可能取决于特定的 CFPS 反应。 - 加入5μL的200毫克/毫克EDC溶液。
- 加入5 μL的12种C-单一碱溶液。
注: 单一线溶液分为两个阶段。加入反应之前,先混合好。 - 在室温下,用轻柔的晃动涡旋反应2小时。
- 2小时后,从摇床中取出管子,并在烟机罩中向反应中加入1.5 μL的三乙胺(TEA)。
注: Triethylamine 提高溶液的pH,从而停止苯胺标记反应并稳定化合物。
注意:三乙胺是有毒的,会引起眼睛和呼吸道的刺激。 - 13,500 x g离心 3 分钟。
- 将6μL样品转移到新的离心管中,用水将体积调到50μL。
-
使用13 种C-单一解决方案标记内部标准
- 将内部库存溶液稀释至 80 μM,最终体积为 50 μL。
注:内部标准的浓度可以调整到接近实验样品的水平。 - 加入5μL的200毫克/毫克EDC溶液。
- 加入5 μL的13种C-单一醇溶液。
- 在室温下,用轻柔的晃动涡旋反应2小时。
- 2小时后,从摇床中取出管子,在烟机罩中向反应中加入1.5 μL的TEA。
- 13,500 x g离心 3 分钟。
- 将内部库存溶液稀释至 80 μM,最终体积为 50 μL。
-
组合带标签的内部标准和带标签的样本
- 将 25 μL的 12 个C-aniline 标记样品与 25 μL 的13 个C-aniline 标配标准混合。
- 转移到自动取样器小瓶,并通过LC/MS程序进行分析。
-
为未标记的代谢物创建标准曲线
- 未标记代谢物(NAD、NADP、FAD、ACA 和 Gly3P)的稀释库存溶液,最终浓度为 320 μM、80 μM、20 μM 和 5 μM,体积为 50 μL。
- 加入5μL的200毫克/毫克EDC溶液。
- 加入5 μL的12种C-单一碱溶液。
- 在室温下,用轻柔的晃动涡旋反应2小时。
- 2小时后,从摇床中取出管子,在烟机罩中向反应中加入1.5 μL的TEA。
- 13,500 x g离心 3 分钟。
- 将上清液转移到自动取样器小瓶,并通过 LC/MS 程序进行分析。
注: 未标记的代谢物遵循与样本相同的过程来复制样本矩阵,以保持类似的电电化效率。
5. LC/MS 程序的设置
-
溶剂制备
- 用醋酸制备5mM三丁胺(TBA)水溶液,经调节至pH 4.75。
注:移动相中的TBA帮助分析物实现良好的分辨率和分离14。 - 在醋酸酯 (ACN) 中制备 5 mM TBA。
- 用5%水和95%ACN制备洗涤溶剂。
- 用 95% 水和 5% ACN 制备净化溶剂。
- 用醋酸制备5mM三丁胺(TBA)水溶液,经调节至pH 4.75。
- 设置 MS 条件
- 将质谱仪设置为负孔模式,探头温度为520°C,负毛细管电压为-0.8 kV,正毛细管电压为0.8 kV,并将软件设置为5点/s采集数据。
- 使用指定的锥体电压和质量过充 (m/z) 值为每个代谢物设置选定的电位记录 (SIR)。参见表1。
-
根据制造商的说明初始化 LC/MS
- 溶剂管理器中的首要溶剂管线3分钟。
- 优质洗涤溶剂(5%水,95%ACN)和净化溶剂(95%水,5%ACN)15s,循环5次。
- 将示例管理器设置为 10°C。
- 安装 C18(1.7μm、2.1mm x 150mm)柱,并在 0.3 mL/min 时初始化 100% ACN 的列,10 分钟。
- 在引入带缓冲液的溶剂之前,将柱在 95% 水和 5% ACN 中以 0.3 mL/min 的浇塞 10 分钟。
- 将柱的容量为 95% 溶剂 A(5mM TBA 水性,pH 4.75)和 5% 溶剂 B(ACN 中的 5 mM TBA),以 0.3 mL/min 为 10 分钟。
- 建立梯度方案,洗脱从95%溶剂A和5%溶剂B开始,10分钟内提高到70%溶剂B,2分钟内提高到100%溶剂B,3分钟保持100%溶剂B。恢复到初始条件(95%溶剂A),5% 溶剂 B) 超过 1 分钟,保持 9 分钟以重新平衡柱。
- 在注入到该列之前,使用梯度协议对列进行 3 次条件。
-
注射样品和标准
- 将 5 μL 样品注入柱中,获取12 个C-aniline 标记样品的相应 m/z ion 强度。
- 再次注入5μL的相同样品,但这次获得13个C-aniline标记标准的m/z的8/z的抗大强度。
注: 我们的 LC/MS 系统无法在指定的 SIR 时间窗口获取12C 和13C m/z 强度,因为在指定的时间窗口内获取的数据太多。因此,我们注入同一样品两次。 - 注入未标记的代谢物标准,从最低浓度到最高浓度,并记录适当的 m/z ion 强度。
6. 量化
- 创建导出方法
- 在数据采集软件中,选择"文件>新方法>导出方法"。
- 指定文件名,如AnilineTagging_Date。
- 检查导出 ASCII文件并选择要导出文本文件的目录。
- 在"报表类型"中,选择"全部摘要"。
- 在"分隔符"中,对于列,选择。对于行,选择[cr][if]。
- 在"表中"中,选择"导出",然后编辑表以包括样本名称、面积、高度、数量和单位。
- 保存导出方法。
- 使用数据采集软件使用内部标准量化代谢物
- 在"示例集"选项卡下,右键单击相应的LC/MS运行并选择"视图为>通道"。
- 选择13个C-Aniline内部标准的1个注射的SIR通道,右键单击并选择"查看"。
- 如果LC 处理方法布局窗口未自动显示,则转到"查看 > 处理方法布局"。
- 在"处理方法布局"中,转到"集成"选项卡,并将ApexTrack设置为算法。
- 转到"平滑"选项卡,并将类型设置为平均值,将平滑级别设置为13。
注: 只要在所有样本中一致,都可以选择任何平滑级别。 - 在"MS通道"选项卡中,禁用MS 3D 处理。
- 在 SIR 通道窗口中,集成每个峰值,一次一个通道。集成峰值后,转到"选项>从结果填充",峰值的详细信息将在"组件"选项卡中填写。将峰值名称更改为相应的复合名称。
- 评估所有 SIR 通道后,保存处理方法和关闭窗口。
- 选择13 个C-aniline 和12 个C-aniline 标记样本的所有 SIR 通道,右键单击并选择"处理"。
- 选中"处理"框,选择"使用指定的处理方法",然后选择刚刚保存的处理方法。此外,选中"导出"框,选择"使用指定的导出方法",然后选择之前创建的保存导出方法。单击"确定"。
- 使用 Excel 打开导出的文本文件,并使用以下方法计算未知化合物的浓度:
其中 Cx,i是代谢物 i 的未知样本的浓度,Ax,i是未知代谢物 i 的集成区域,Astd,i是代谢物 i 的内部标准的集成区域,Cstd,i是代谢物i的内部标准浓度,D是稀释因子。
- 使用标准曲线量化未标记的代谢物
- 在"示例集"选项卡下,右键单击相应的 LC/MS 运行并选择"视图为>通道"。
- 选择所有 SIR 通道,用于一次注射的未标记标准,右键单击并选择"查看"。
- 如果LC 处理方法布局窗口未自动显示,则转到"查看 > 处理方法布局"。
- 在"处理方法布局"中,转到"集成"选项卡并将ApexTrack设置为算法。
- 转到"平滑"选项卡,并将类型设置为平均值,将平滑级别设置为13。
注: 只要在所有样本中一致,都可以选择任何平滑级别。 - 在"MS通道"选项卡中,禁用MS 3D 处理。
- 在 SIR 通道窗口中,集成每个峰值,一次一个通道。集成峰值后,转到"选项>从结果填充",峰值的详细信息将在"组件"选项卡中填写。将峰值名称更改为相应的复合名称。
- 评估所有 SIR 通道后,保存处理方法和关闭窗口。
- 在"示例集"选项卡下,右键单击示例集并选择"更改示例"。
- 在新窗口中选择"金额"。
- 从"进程"方法中选择副本,然后选择刚刚保存的过程方法。
- 输入每个小瓶的每个代谢物的浓度,并输入单位作为 <μM 每个组件 (或相应的单位) 并选择确定。
- 再次选择示例集,右键单击,以 > 通道 "查看。
- 选择标准中未标记代谢物的所有 SIR 通道,右键单击并选择"处理"。
- 选中"处理"框,然后选择"使用指定的处理方法"。选择适当的处理方法,然后单击"确定"。
- 为样本选择所有未标记代谢物的 SIR 通道,右键单击并选择"处理"。
- 选中"处理"框,选择"使用指定的处理方法",然后选择刚刚保存的处理方法。此外,选中"导出"框,选择"使用指定的导出方法",然后选择之前创建的保存导出方法。单击"确定"。
- 使用标准曲线量化未标记的代谢物,并将结果导出到指定的目录。
Subscription Required. Please recommend JoVE to your librarian.
Representative Results
作为概念验证,我们使用该协议对表达绿色荧光蛋白(GFP)的基于大肠杆菌的CFPS系统中的代谢物进行量化。 CFPS反应(14μL)用乙醇淬火和脱蛋白。然后,CFPS 样本用12 个C-aniline 标记,而标准用13 个C-aniline 标记。然后,将标记的样本和标准组合起来并注入 LC/MS(图 1)。该协议使用内部标准检测并量化了40种参与中央碳和能源代谢的代谢物,同时开发了5种未贴有甲酰甲酰标签的代谢物的标准曲线(图2)。这些途径所涉及的各种代谢物是一类磷酸化糖、磷脂酸、碳水化合物酸、核苷酸和辅助因子。利用苯氨酸的衍生,将疏水性莫伊蒂引入亲水分子中,使用反相色谱12促进更有效的分离。此外,该方法还实现了结构异构体对的分离,如葡萄糖6-磷酸盐和果糖6磷酸盐在一次LC/MS运行。在实验之前,通过一次注射1 mM的化合物并将质量谱与空白进行比较,确定了每种化合物的质量过充(m/z)比率和保留时间(表1)。
通过生成从 0.10 μM 到 400 μM 之间的标准曲线(表 2), 估计所有化合物的检测极限和线性范围。所有化合物的平均相关系数(R2)为0.988,大多数化合物的线性范围为3级。三种化合物具有显著的饱和效应,特别是α-酮谷酸,其线性范围为0.1 μM至25 μM。
图 1:用于 aniline 标记的工作流架构。无细胞蛋白合成反应脱蛋白,并贴上12种C-苯基苯,标准库存混合物用13种C-苯二系标记。然后,两种混合物以1:1的体积比混合,并由LC/MS进行分析。
图2:40个代谢物的重叠选定环状色谱图。从单个 LC/MS 运行到 40 μM 标准混合物的 40 代谢物的质量色谱图。峰值由每个化合物的保留时间和 m/z 值标识。完整的复合名称及其缩写列在表1中。请点击此处查看此图的较大版本。
峰值编号 | 代谢 产物 | 缩写 | KEGG ID | 保留时间(最小) | 12C m/z | 13C m/z | 非标签 m/z | 简历 | MS 物种 | |
1 | 甘油 3 磷酸盐 | 格利3P | C00093 | 3.85 | 153 | 10 | M = H2O = H | |||
2 | 烟酰胺脱丁二核苷酸 | NAD | C00003 | 3.96 | 698 | 10 | M = Cl = H | |||
3 | 葡萄糖 | GLC | C00031 | 4.06 | 289.9 | 296 | 15 | M = A + Cl - H | ||
4 | 塞多普图洛 7 磷酸盐 | S7P | C05382 | 5.41 | 364 | 370 | 10 | M = A = H | ||
5 | 果糖 6 磷酸盐 | F6P | C00085 | 5.48 | 334 | 340 | 10 | M = A = H | ||
6 | 瓜诺辛单磷酸盐 | Gmp | C00144 | 5.57 | 437.05 | 443 | 10 | M = A = H | ||
7 | 核糖5磷酸盐 | RL5P | C00199 | 5.58 | 304 | 310 | 10 | M = A = H | ||
8 | 西提丁单磷酸盐 | Cmp | C00055 | 5.59 | 397.09 | 403 | 10 | M = A = H | ||
9 | 乳酸 | Lac | C00186 | 5.77 | 164.05 | 170 | 10 | M = A = H | ||
10 | 腺苷单磷酸盐 | 放大 器 | C00020 | 5.85 | 421.1 | 427.1 | 10 | M = A = H | ||
11 | 乌里丁单磷酸盐 | UMP | C00105 | 5.88 | 398.07 | 404 | 10 | M = A = H | ||
12 | 烟酰胺脱丁二核苷酸磷酸盐 | 国家民军 | C00006 | 6.39 | 724 | 10 | M - H2O = H | |||
13 | 3-磷酸 | 3PG | C00197 | 6.63 | 242 | 248.06 | 15 | M = A = H2O = H | ||
14 | 西蒂丁二磷酸盐 | Cdp | C00112 | 6.72 | 477 | 483 | 10 | M = A = H | ||
15 | 瓜诺辛二磷酸盐 | Gdp | C00035 | 6.87 | 517 | 523 | 10 | M = A = H | ||
16 | 腺苷二磷酸盐 | Adp | C00008 | 6.94 | 501 | 507 | 10 | M = A = H | ||
17 | 乌里丁二磷酸盐 | Udp | C00015 | 6.97 | 478 | 484 | 10 | M = A = H | ||
18 | 弗拉文·阿丁丁二核苷酸 | 时尚 | C00016 | 7.03 | 784.15 | 15 | M = H | |||
19 | 果糖 1,6-磷酸盐 | F16P | C05378 | 7.1 | 395.95 | 402.1 | 10 | M = A = H2O = H | ||
20 | 葡萄糖酸 6 磷酸盐 | 6PG | C00345 | 7.11 | 425.1 | 437 | 10 | M = 2A = H | ||
21 | 烟酰胺脱丁二核苷酸减少 | Nadh | C00004 | 7.23 | 633.13 | 639.08 | 10 | M = A = H2O + 烟酰胺 + H | ||
22 | 葡萄糖 6-磷酸盐 | G6P | C00668 | 7.32 | 409.1 | 421.1 | 10 | M = 2A = H | ||
23 | 核糖5磷酸盐 | R5P | C00117 | 7.54 | 379.1 | 391.1 | 15 | M = 2A = H | ||
24 | 埃里塞4磷酸盐 | E4P | C00279 | 7.71 | 348.9 | 361 | 10 | M = 2A = H | ||
25 | 三磷酸盐西蒂丁 | Ctp | C00075 | 7.84 | 557 | 563 | 5 | M = A = H | ||
26 | 瓜诺辛三磷酸盐 | 全球贸易点 | C00044 | 7.93 | 597 | 603 | 5 | M = A = H | ||
27 | 奥萨莱西泰特 | OAA | C00036 | 7.94 | 281 | 293 | 25 | M = 2A = H | ||
28 | 阿尔法-酮谷酸盐 | aKG | C00026 | 7.95 | 295 | 307.1 | 15 | M = 2A = H | ||
29 | 乌里丁三磷酸盐 | UTP | C00075 | 7.97 | 558 | 564 | 10 | M = A = H | ||
30 | 三磷酸腺苷 | Atp | C00002 | 8.03 | 581 | 587 | 15 | M = A = H | ||
31 | 富马拉特 | FUM | C00122 | 8.09 | 265 | 277.1 | 10 | M = 2A = H | ||
32 | 丙酮 酸 | 皮尔 | C00022 | 8.09 | 162 | 168 | 25 | M = A = H | ||
33 | 马拉提 | 马尔 | C00149 | 8.09 | 283.06 | 295.15 | 10 | M = 2A = H | ||
34 | D-甘油醛 3-磷酸盐 | 差距 | C00118 | 8.09 | 319 | 331.1 | 5 | M = 2A = H | ||
35 | 乙酰辅酶A | Aca | C00024 | 8.16 | 790 | 10 | M = H2O = H | |||
36 | 尼古丁酰胺脱丁二核苷酸磷酸盐减少 | Nadph | C00005 | 8.23 | 694.92 | 700.82 | 10 | M = A = 烟酰胺 = H | ||
37 | 磷醇二恶症 | Pep | C00074 | 8.28 | 317 | 329.1 | 20 | M = 2A = H | ||
38 | 琥珀酸 | SUCC | C00042 | 8.64 | 267.07 | 279.1 | 15 | M = 2A = H | ||
39 | 异氰酸酯 | ICIT | C00311 | 10.13 | 398 | 416 | 10 | M = 3A = H2O + H | ||
40 | 柠檬酸 | Cit | C00158 | 10.46 | 416.1 | 434.06 | 20 | M = 3A = H |
表1:代谢物的识别和标记结果。每个化合物的相应峰值数、保留时间、未标记的 m/z 值、标记 12C 和13C 以及 MS 物种。MS 物种,A 代表 Aniline 标签。
峰值号 | 代谢 产物 | 缩写 | KEGG ID | 浓度(mM) | SD (n = 3) | 检测限制 (μM) | 线性范围限制 (μM) | R=2 | |
1 | 甘油 3 磷酸盐 | 格利3P | C00093 | 0.377 | 0.034 | 0.1 | 400 | 0.995 | |
2 | 烟酰胺脱丁二核苷酸 | NAD | C00003 | 0.052 | 0.010 | 0.39 | 400 | 0.993 | |
3 | 葡萄糖 | GLC | C00031 | 0.002 | 0.000 | 0.1 | 400 | 0.997 | |
4 | 塞多普图洛 7 磷酸盐 | S7P | C05382 | 0.007 | 0.000 | 0.16 | 400 | 0.988 | |
5 | 果糖 6 磷酸盐 | F6P | C00085 | 0.029 | 0.004 | 0.1 | 400 | 0.986 | |
6 | 瓜诺辛单磷酸盐 | Gmp | C00144 | 0.007 | 0.001 | 0.39 | 100 | 0.992 | |
7 | 核糖5磷酸盐 | RL5P | C00199 | 0.035 | 0.002 | 0.39 | 400 | 0.996 | |
8 | 西提丁单磷酸盐 | Cmp | C00055 | 0.045 | 0.001 | 0.1 | 100 | 0.992 | |
9 | 乳酸 | Lac | C00186 | 2.134 | 0.048 | 0.1 | 400 | 0.988 | |
10 | 腺苷单磷酸盐 | 放大 器 | C00020 | 0.020 | 0.002 | 0.1 | 100 | 0.992 | |
11 | 乌里丁单磷酸盐 | UMP | C00105 | 0.021 | 0.000 | 0.1 | 100 | 0.997 | |
12 | 烟酰胺脱丁二核苷酸磷酸盐 | 国家民军 | C00006 | 0.014 | 0.002 | 0.34 | 400 | 0.950 | |
13 | 3-磷酸 | 3PG | C00197 | 6.125 | 0.239 | 0.1 | 100 | 0.996 | |
14 | 西蒂丁二磷酸盐 | Cdp | C00112 | 0.202 | 0.029 | 0.39 | 400 | 0.997 | |
15 | 瓜诺辛二磷酸盐 | Gdp | C00035 | 0.146 | 0.027 | 1.5625 | 400 | 0.984 | |
16 | 腺苷二磷酸盐 | Adp | C00008 | 0.797 | 0.161 | 0.39 | 400 | 0.995 | |
17 | 乌里丁二磷酸盐 | Udp | C00015 | 0.212 | 0.036 | 0.39 | 400 | 0.991 | |
18 | 弗拉文·阿丁丁二核苷酸 | 时尚 | C00016 | 0.008 | 0.001 | 0.1 | 400 | 0.958 | |
19 | 果糖 1,6-磷酸盐 | F16P | C05378 | 3.643 | 0.105 | 0.39 | 400 | 0.989 | |
20 | 葡萄糖酸 6 磷酸盐 | 6PG | C00345 | 0.017 | 0.001 | 0.39 | 400 | 0.989 | |
21 | 烟酰胺脱丁二核苷酸减少 | Nadh | C00004 | 0.063 | 0.028 | 0.39 | 100 | 0.972 | |
22 | 葡萄糖 6-磷酸盐 | G6P | C00668 | 0.046 | 0.002 | 0.1 | 400 | 0.984 | |
23 | 核糖5磷酸盐 | R5P | C00117 | 0.055 | 0.005 | 0.39 | 100 | 0.999 | |
24 | 埃里塞4磷酸盐 | E4P | C00279 | 0.038 | 0.007 | 0.39 | 400 | 0.979 | |
25 | 三磷酸盐西蒂丁 | Ctp | C00075 | 0.896 | 0.078 | 6.25 | 100 | 0.998 | |
26 | 瓜诺辛三磷酸盐 | 全球贸易点 | C00044 | 0.870 | 0.109 | 6.25 | 100 | 0.993 | |
27 | 奥萨莱西泰特 | OAA | C00036 | 0.023 | 0.008 | 0.56 | 400 | 0.997 | |
28 | 阿尔法-酮谷酸盐 | aKG | C00026 | 0.391 | 0.020 | 0.1 | 25 | 0.979 | |
29 | 乌里丁三磷酸盐 | UTP | C00075 | 0.845 | 0.092 | 1.5625 | 400 | 0.998 | |
30 | 三磷酸腺苷 | Atp | C00002 | 1.557 | 0.188 | 1.5625 | 400 | 0.991 | |
31 | 富马拉特 | FUM | C00122 | 0.576 | 0.100 | 1.5625 | 100 | 0.999 | |
32 | 丙酮 酸 | 皮尔 | C00022 | 5.813 | 0.804 | 0.39 | 400 | 0.993 | |
33 | 马拉提 | 马尔 | C00149 | 2.548 | 0.269 | 0.1 | 400 | 0.991 | |
34 | D-甘油醛 3-磷酸盐 | 差距 | C00118 | 2.194 | 0.367 | 0.1 | 100 | 0.974 | |
35 | 乙酰辅酶A | Aca | C00024 | 0.196 | 0.044 | 0.1 | 100 | 0.991 | |
36 | 尼古丁酰胺脱丁二核苷酸磷酸盐减少 | Nadph | C00005 | 0.006 | 0.010 | 0.14 | 100 | 0.990 | |
37 | 磷醇二恶症 | Pep | C00074 | 3.442 | 0.345 | 0.1 | 100 | 0.962 | |
38 | 琥珀酸 | SUCC | C00042 | 5.683 | 0.573 | 0.1 | 320 | 0.999 | |
39 | 异氰酸酯 | ICIT | C00311 | 0.003 | 0.006 | 0.39 | 100 | 0.998 | |
40 | 柠檬酸 | Cit | C00158 | 0.002 | 0.001 | 0.1 | 100 | 0.981 |
表2:具有代表性的CFPS样本中的代谢物定量。每个代谢物的浓度和标准偏差。从标准曲线中识别的检测极限、线性范围和相关系数。
Subscription Required. Please recommend JoVE to your librarian.
Discussion
无细胞系统没有细胞壁,因此可以直接获得代谢物和生物合成机械,而无需复杂的样品制备。然而,在开发彻底和可靠的协议以定量询问无细胞反应系统方面,我们几乎没有做多少工作。在这项研究中,我们开发了一种快速、可靠的方法,用于量化无细胞反应混合物中的代谢物,并可能在全细胞提取物中量化代谢物。复杂混合物中代谢物的单独定量,如无细胞反应或全细胞提取物中的代谢物,由于多种原因具有挑战性。其中一个主要原因就是化学多样性。这些混合物中同时存在的功能组阵列(例如,碳化物酸、胺、磷酸盐、羟基等)大大增加了分析的复杂性。为了规避这种情况,我们结合13C内部标准,使用一种抗氧化剂衍生方法,将疏水性成分引入代谢物混合物中。使用这种方法,我们在单个LC/MS运行中,在无细胞反应中可靠检测并量化了40种代谢物。该协议对本研究中的40种化合物中的35种进行了标记,其余5种化合物采用标准曲线法进行量化。早期的研究表明,反应条件在胺和磷酸盐组之间形成分子内盐,抑制衍生12。未确定所有40种化合物同时衍生的反应条件;但是,目前的替代方法是使用标准曲线方法进行量化。虽然我们在无细胞反应混合物中演示了这项技术,但它也可能应用于全细胞提取物,从而有可能允许细胞内代谢物浓度的绝对定量。后一种应用与生物技术和人类健康中的各种重要问题有关。
这里介绍的方法是基于以前的技术(GSIST),应用于酵母S.cerevisiae12,13的全细胞提取物。在这项研究中,我们扩大了可检测和量化的化合物的数量,包括所有12个核苷酸(xMP,xDP,xTP,其中x是A、C、G和U)。添加这些化合物可能具有重要的生物学意义。例如,这些核苷酸大量参与转录和转化过程,这是CFPS应用中关注的核心过程之一,更一般来说,化合物在各种生理功能中都很重要。此外,在检查溢出代谢时,我们能够检测醋酸,这是一种重要的代谢物。然而,我们并没有将其纳入研究,因为当醋酸时,多种化合物的信号显著减少,特别是烟酰胺腺苷二核苷酸减少(NADH)和烟酰胺腺苷二核苷酸磷酸盐减少(NADPH)添加到标准混合物中。醋酸的检测限值为612μM,因此在这些高水平下对其他代谢物的信号有负面影响。尽管如此,通过在小瓶中只产生醋酸的标准曲线,在样品中仍可检测和量化醋酸。醋酸的m/z值为134.0,保留时间为5.78分钟,当用12种C-aniline标记时,线性范围为612 μM至5000μM(R2 = 0.986)。剩余的代谢物没有改变彼此的发信号,并代表一个全面的混合物来描述CFPS代谢。这里提出的协议仅限于参与中央碳和能量代谢的代谢物。因此,目前的方法无法从其他可能重要的途径(如脂肪酸和氨基酸代谢)测量代谢物丰度。
综合起来,我们开发了一种快速、可靠的方案,用于在CFPS中对参与糖解、磷酸五氯苯星通路、三聚苯乙烯循环、能量代谢和共因子再生的40种化合物进行表征和绝对定量反应。该方法依赖于使用13 个C-aniline 标记的内部标准,而样本则标有12 个C-aniline 标记。内部标准和样品化合物共洗和消除的孔抑制作用,使复杂代谢物混合物中的单个代谢物能够准确定量。我们共鉴定了40种化合物(41种,如果包括醋酸),这些化合物可以在无细胞反应混合物中检测和量化;然而,代谢物的清单可以进一步扩大和调整,以适应感兴趣的特定生化过程。因此,该方法为无细胞代谢表征提供了一种可靠而准确的方法,这对提高无细胞过程的产量、生产率和能源效率具有潜在的关键性。
Subscription Required. Please recommend JoVE to your librarian.
Disclosures
作者没有什么可透露的。
Acknowledgments
所述工作通过国家癌症研究所(https://www.cancer.gov/)颁发的第1U54CA210184-01奖,得到了癌症代谢物理中心的支持。内容完全由作者负责,不一定代表国家癌症研究所或国家卫生研究院的官方观点。资助者在研究设计、数据收集和分析、决定出版或编写手稿方面没有作用。
Materials
Name | Company | Catalog Number | Comments |
12C Aniline | Sigma-Aldrich | 242284 | Aniline 12C |
13C labeled aniline | Sigma-Aldrich | 485797 | Aniline 13C6 |
3-Phosphoglyceric acid | Sigma-Aldrich | P8877 | 3PG |
Acetic Acid | FisherScientific | AC222140010 | ACE |
Acetonitrile, LCMS | JT BAKER | 9829-03 | ACN |
Acetyl-coenzyme A | Sigma-Aldrich | A2056 | ACA |
Acquity UPLC BEH C18 1.7 μM, 2.1 x 150 mm Column | Waters | 186002353 | Column |
Adenosine diphosphate | Sigma-Aldrich | A2754 | ADP |
Adenosine monophosphate | Sigma-Aldrich | A1752 | AMP |
Adenosine triphosphate | Sigma-Aldrich | A2383 | ATP |
Alpha-ketoglutarate | Sigma-Aldrich | K1128 | aKG |
Citrate | Sigma-Aldrich | 251275 | CIT |
Cytidine diphosphate | Sigma-Aldrich | C9755 | CDP |
Cytidine monophosphate | Sigma-Aldrich | C1006 | CMP |
Cytidine triphosphate | Sigma-Aldrich | C9274 | CTP |
D-glyceraldehyde 3-phosphate | Sigma-Aldrich | 39705 | GAP |
Erythrose 4-phosphate | Sigma-Aldrich | E0377 | E4P |
Ethanol | Sigma-Aldrich | EX0276 | EtOH |
Fisher Scientific accuSpin Micro 17 Centrifuge | FisherScientific | Centrifuge | |
Flavin adenine dinucleotide | Sigma-Aldrich | F6625 | FAD |
Fructose 1,6-bisphosphate | Sigma-Aldrich | F6803 | F16P |
Fructose 6-phosphate | Sigma-Aldrich | F3627 | F6P |
Fumarate | Sigma-Aldrich | F8509 | FUM |
Gluconate 6-phosphate | Sigma-Aldrich | P7877 | 6PG |
Glucose | Sigma-Aldrich | G8270 | GLC |
Glucose 6-phosphate | Sigma-Aldrich | G7879 | G6P |
Glycerol 3-phosphate | Sigma-Aldrich | G7886 | Gly3P |
Guanosine diphosphate | Sigma-Aldrich | G7127 | GDP |
Guanosine monophosphate | Sigma-Aldrich | G8377 | GMP |
Guanosine triphosphate | Sigma-Aldrich | G8877 | GTP |
Hydrochloric acid | Sigma-Aldrich | 258148 | HCl |
Isocitrate | Sigma-Aldrich | I1252 | ICIT |
Lactate | Sigma-Aldrich | L1750 | LAC |
Malate | Sigma-Aldrich | 02288 | MAL |
myTXTL - Sigma 70 Master Mix Kit | ArborBiosciences | 507024 | Cell-free protein synthesis |
N-(3-dimethylaminopropyl)-N′-ethylcarbodiimide hydrochloride | Sigma-Aldrich | 03449 | EDC |
Nicotinamide adenine dinucleotide | Sigma-Aldrich | 43410 | NAD |
Nicotinamide adenine dinucleotide phosphate | Sigma-Aldrich | N5755 | NADP |
Nicotinamide adenine dinucleotide phosphate reduced | Sigma-Aldrich | 481973 | NADPH |
Nicotinamide adenine dinucleotide reduced | Sigma-Aldrich | N8129 | NADH |
Oxalacetate | Sigma-Aldrich | O4126 | OAA |
Phosphoenolpyruvate | Sigma-Aldrich | P0564 | PEP |
Pyruvate | Sigma-Aldrich | P5280 | PYR |
Ribose 5-phosphate | Sigma-Aldrich | R7750 | R5P |
Ribulose 5-phosphate | CarboSynth | MR45852 | RL5P |
Sedoheptulose 7-phosphate | CarboSynth | MS07457 | S7P |
Succinate | Sigma-Aldrich | S3674 | SUCC |
Tributylamine | Sigma-Aldrich | 90780 | TBA |
Triethylamine | FisherScientific | O4884 | TEA |
ultrapure water | FisherScientific | 10977-015 | water |
Uridine diphosphate | Sigma-Aldrich | U4125 | UDP |
Uridine monophosphate | Sigma-Aldrich | U6375 | UMP |
Uridine triphosphate | Sigma-Aldrich | U6625 | UTP |
VWR Heavy Duty Vortex | VWR | Vortex | |
Water, LCMS | JT BAKER | 9831-03 | WATER |
Waters Acquity H UPLC Class Quaternary Solvent Manager | Waters | LCMS | |
Waters Acquity H UPLC Class Sample Manager FTN | Waters | LCMS | |
Waters Acquity Qda detector | Waters | LCMS | |
Waters Empower 3 | Waters | Software | |
Waters LCMS Total Recovery Vial | Waters | 186000384c | LCMS Vial |
References
- Hodgman, C. E., Jewett, M. C. Cell-free synthetic biology: thinking outside the cell. Metabolic Engineering. 14, 261-269 (2012).
- Vilkhovoy, M., et al. Sequence specific modeling of E. coli cell-free protein synthesis. ACS Synthetic Biology. 7 (8), 1844-1857 (2018).
- Vilkhovoy, M., Minot, M., Varner, J. D. Effective dynamic models of metabolic networks. IEEE Life Sciences Letters. 2 (4), 51-54 (2016).
- Horvath, N., et al. Toward a genome scale sequence specific dynamic model of cell-free protein synthesis in Escherichia coli. bioRxiv. , 215012 (2017).
- Dettmer, K., Aronov, P. A., Hammock, B. D. Mass spectrometry-based metabolomics. Mass spectrometry reviews. 26 (1), 51-78 (2007).
- Hajjaj, H., Blanc, P. J., Goma, G., François, J. Sampling techniques and comparative extraction procedures for quantitative determination of intra- and extracellular metabolites in filamentous fungi. FEMS Microbiology Letters. 164 (1), 195-200 (1998).
- Ruijter, G. J. G., Visser, J. Determination of intermediary metabolites in Aspergillus niger. Journal of Microbiological Methods. 25 (3), 295-302 (1996).
- Mailinger, W., Baltes, M., Theobald, U., Reuss, M., Rizzi, M. In vivo analysis of metabolic dynamics in Saccharomyces cerevisiae: I. Experimental observations. Biotechnology and Bioengineering. 55 (2), 305-316 (1997).
- Dunn, W. B., et al. Mass appeal: metabolite identification in mass spectrometry-focused untargeted metabolomics. Metabolomics. 9 (1), 44-66 (2013).
- Huang, T., Toro, M., Lee, R., Hui, D. S., Edwards, J. L. Multi-functional derivatization of amine, hydroxyl, and carboxylate groups for metabolomic investigations of human tissue by electrospray ionization mass spectrometry. Analyst. 143 (14), 3408-3414 (2018).
- Huang, T., Armbruster, M. R., Coulton, J. B., Edwards, J. L. Chemical Tagging in Mass Spectrometry for Systems Biology. Analytical Chemistry. 91 (1), 109-125 (2019).
- Yang, W. C., Sedlak, M., Regnier, F. E., Mosier, N., Ho, N., Adamec, J. Simultaneous quantification of metabolites involved in central carbon and energy metabolism using reversed-phase liquid chromatography-mass spectrometry and in vitro 13C labeling. Analytical Chemistry. 80 (24), 9508-9516 (2008).
- Jannasch, A., Sedlak, M., Adamec, J. Quantification of Pentose Phosphate Pathway (PPP) Metabolites by Liquid Chromatography-Mass Spectrometry (LC-MS). Metabolic Profiling. Methods in Molecular Biology 708 (Methods and Protocols). Metz, T. O. , Humana Press. New York, NY. 159-171 (2011).
- Luo, B., Groenke, K., Takors, R., Wandrey, C., Oldiges, M. Simultaneous determination of multiple intracellular metabolites in glycolysis, pentose phosphate pathway, and tricarboxylic acid cycle by liquid chromatography-mass spectrometry. Journal of Chromatography A. 1147 (2), 153-164 (2007).