효 모 세포 산화 스트레스에 단백질 집단의 영향 평가

Biochemistry

Your institution must subscribe to JoVE's Biochemistry section to access this content.

Fill out the form below to receive a free trial or learn more about access:

 

Summary

단백질 집계 세포 산화 스트레스 elicits. 이 프로토콜 amyloidogenic 단백질의 세포내 주와 관련 된, cytometry 사용 하 여 산화 스트레스 모니터링 하는 방법을 설명 합니다. 접근은 아 밀 로이드 β 펩 티 드의 가용성과 집계 경향이 이체의 동작을 연구 하는 데 사용 됩니다.

Cite this Article

Copy Citation | Download Citations

Carija, A., Ventura, S., Navarro, S. Evaluation of the Impact of Protein Aggregation on Cellular Oxidative Stress in Yeast. J. Vis. Exp. (136), e57470, doi:10.3791/57470 (2018).

Please note that all translations are automatically generated.

Click here for the english version. For other languages click here.

Abstract

단백질 misfolding 및 녹말 체 conformations로 집계 발병 및 여러 신경 퇴행 성 질환의 진행에 관련 되어있다. 그러나, 여전히 약간의 정보는 어떻게 불용 성 단백질에 대 한 집계는 그들의 독성 효과 비보를 발휘. 단순 간결한 및 진 핵 모형 유기 체, 박테리아와 효 모, 등 세포내 녹말 체 형성, 집계 전파 및 독성 뒤에 있는 메커니즘의 우리의 현재 이해에 크게 기여 했다. 이 프로토콜에서 효를 사용 하 여 단백질의 형성 및 세포질 산화 스트레스에 미치는 영향 관계를 해 부 모델로 설명 합니다. 메서드는 amyloidogenic 단백질의 세포내 수용 성/집계 상태 감지 세포 산화 손상 cytometry (FC)을 사용 하 여 식에서 결과의 정량화 결합 합니다. 이 방법은 간단 하 고 빠르며, 양적입니다. 연구는 그들의 각각 고유한 집계 경향으로 아 밀 로이드 β 펩 티 드 이체의 큰 세트에 기인한 세포질 산화 스트레스를 연관 하 여 기법을 보여 줍니다.

Introduction

Proteostasis 셀 체력과 노화 프로세스의 근본적인 결정 이다. 셀, 네트워크는 올바른 refolding misfolded 단백질 conformers의 보호자 또는 그들의 타겟된 베이스로 몇 가지 잘 보존 메커니즘1 보장 하기 위한 정교한 단백질 품질 관리에 의해 단백질 항상성 유지 ,2,3,,45. 연구의 많은 발병과 인간의 질병의 광범위 한 범위와 proteostasis, 단백질 misfolding 및 집계의 실패의 진행 사이의 링크에 지원을 제공 합니다. 예를 들어, 단백질 예금의 존재는 많은 신경 퇴행 성 질환, 알츠하이머병, 파 킨 슨 병, 등, 헌팅턴의 질병6,7,8의 병 적인 특징을 간주 됩니다. prionogenic 질병, 고 퇴행 성 비 amyloidoses9. 그것은 집계 반응에서 초기 oligomeric 및 protofibrillar 어셈블리 붐비는 셀룰러 환경10다른 단백질 들과 탈 선 상호 작용을 설정 하는 세포 독성의 주요 elicitors는 건의 되었다. 또한, 전파 하는 그들의 독성 효과11,12셀 사이의 단백질 포함 (PI)를 전송할 수 있습니다. 따라서, PI의 대형 셀, 어디 처리 될 수 있다 또는 주요 부작용 없이 축적에서 특정 위치에 위험한 집계 된 종의 존재를 제한 하는 해독 메커니즘 구성 실제로 수 있습니다. 수 있습니다. 13 , 14.

표준 체 외에서 생 화 확 적인 접근 집계 반응와 그들의 속성15,16종에 대 한 중요 한 통찰력을 제공 했다. 그러나, 이러한 분석 실험에서 사용 하는 조건 셀 내에 발생 하는 명확 하 게 다른 있으며, 따라서 그들의 생리 적인 관련성 질문. 세포질 통로 단백질 품질 관리, autophagy, 진핵생물19,20,21 중 세포질 산화 환 원 상태17,18 의 규제 등의 주목할 만한 절약 때문에 ,,2223, 신진 효 모 Saccharomyces cerevisiae (S. cerevisiae) 단백질 집단의 분자 결정 요인 연구 특권 간단한 세포 모델 나왔다 그리고 생물학으로 관련 환경24,,2526에 관련 된 세포 독성 영향.

단백질 집계 성향 본질적으로 기본 순서로 인코딩 기능입니다. 따라서, 아 밀 로이드 같은 구조의 형성 예측할 수 있습니다 식별 및 집계 추진의 힘의 평가에 따라 지역 polypeptides27에. 그러나, 예측 단백질 시퀀스의 생체 외에서 집계 속성 bioinformatic 알고리즘의 성공에도 불구 하 고 그들은 여전히 이러한 경향 vivo에서 세포 독성 영향으로 번역 하는 어떻게 예측까지 있습니다. 체계적인 방식으로 주어진된 단백질의 집계 상태 및 그것의 관련 된 세포 손상을 사이 연결 하는 연구는 전산이 한계를 우회 하는 데 도움이 있습니다. 이 연결은 현재 연구, 아 밀 로이드 β 펩 티 드 Aβ42 단일 잔류물에만 서로 다른 하지만 집계 경향 vivo에서28의 연속 범위 표시의 이체의 큰 세트의 활용에서 해결 됩니다. 특히, 구조적 종 효 모 세포에서 집계 하기 쉬운 단백질에 의해 elicited 산화 손상에 대 한 회계를 식별 하는 FC 기반 접근 방식을 설명 합니다. 방법론에는 단순, 높은 처리 능력, 그리고 정확한 양적 측정 등 많은 이점을 제공합니다. 이 방법은 PI 놀이 산화 스트레스에 대 한 보호 역할을 확인 가능 합니다.

Subscription Required. Please recommend JoVE to your librarian.

Protocol

1. S. cerevisiae 문화와 단백질 표정

참고: Aβ 변종 전시 Aβ42 펩 티 드 (그림 1A)의 위치 19 (Phe19)에서 단일 잔류물에 돌연변이 인해 다른 상대 집계 경향. 이 펩 티 드 이체는 녹색 형광 단백질 (GFP), 집계 기자 (그림 1)29역할으로 태그 됩니다.

  1. 플라스 미드 BY4741 부모의 배경 (타 그의3Δ1 레이2Δ0 만난15Δ0 ura3Δ0)30효 모 세포로 20 Aβ42-GFP 변종에 대 한 인코딩 변환. 각 플라스 미드 GSSGSSG 링커에 의해 GFP를 융합 하는 Aβ42 돌연변이 인코딩합니다. 플라스 미드는 pESC(-URA) 이며 선택 가능한 마커 URA329를 포함.
    1. 다음 구성 요소와 uracil (사우스 캐롤라이나-우 라) 없이 합성 완전 한 매체 준비: 1.9 g/L 효 질소 uracil, 5 g/L 황산 암모늄과 900 mL ddH2O의 기본 20% (w/v) 포도 당 100ml와 결합.
    2. 2% 포도 당을 포함 하는 SC-우 라 중간의 20 mL로 변형 된 효 모 세포에의 한 식민지를 넣고 하룻밤 동요 210 rpm에서 30 ° C에서 문화를 성장.
  2. 다음 날, 신선한 SC-우 라 중간의 5 mL에 접종 100 µ L의 숙박 문화에 의해 새로운 효 모 세포 배양 성장.
  3. 에는 OD590 0.5, 원심 4 분 3000 x g에서 문화, 상쾌한, 삭제 고 resuspend 동일한 양의 신선한 SC-우 라 중 2% 유를 포함 하는 셀.
  4. 30 분 동안 210 rpm 동요에서 30 ° C에서 품 어. 그리고 4 분 3000 x g에서 세포를 원심는 상쾌한을 삭제 합니다. 재조합 형 단백질 표정 유도 2% 갈 락 토스를 포함 하는 신선한 SC-우 라 매체에 셀 resuspend
  5. 단백질 표정 2% 갈 락 토스를 포함 하는 사우스 캐롤라이나-우 라 중간에 유도의 16 h 후 4 분 3000 x g에서 원심 분리 하 여 살 균 microcentrifuge 관에 유도 세포의 1 mL를 수확.
    참고: 가장 관련성이 높은 차이 발생 후 Aβ42 GFP 변종 표현 16 h. 유도 효 모 세포의 유도 기간 형광 현미경 검사 법 (그림 2B) 셀 안에 재조합 단백질 분포를 결정 하 여 구상 될 수 있다.

2. 세포 얼룩

참고: 신선한 비 유발 세포는 FC 분석 동안 형광 임계값을 설정 하는 부정적인 컨트롤으로 구성 해야 합니다.

  1. 16 h 유발 효 모 세포를가지고 고 590에서 그들의 광학 밀도 결정 nm (OD590). 0.1의 OD590 를 버퍼링 하는 멸 균 인산 염 분 (PBS)에 그들을 희석.
    1. 버퍼링 인산 염 분 x 1을 다음과 같이 준비: NaCl, KCl, 나2HPO4, 1.44 g의 0.2 g의 8 g을 추가 하 고 KH24 ddH2오의 800 mL의 0.24 g pH 7.4에 조정 후 1 L ddH2O의 솔루션 작성 HCl. 버퍼 0.2 µ m 필터를 통해 필터링.
  2. 레이블이 표시 된 튜브 (12 × 75 m m 라운드 하단 폴리스 티 렌)을 표현 하는 세포 정지를 전송 하 고 빛에서 그들을 보호. 그들은 비 유도 및 비-얼룩진 셀 함께 분석에 대 한 교류 cytometer에 로드할 준비가 다는 것을 확인 하십시오.
  3. 5 µ M의 최종 농도에 각 샘플을 (예를 들어, CellROX 딥 레드) 산화 스트레스 프로브를 추가 하 고 어둠 속에서 30 분 동안 30 ° C에 세포를 품 어.
  4. 부 화, 후 셀 1 x PBS로 3 회 세척 하 고 FC 그들의 분석 전에 버퍼의 동일한 볼륨에 그들을 resuspend.

3. 교류 Cytometry 분석

참고: 적절 한 레이저와 필터는 FC 설치를 사용 하 여 GFP와 산화 스트레스 프로브 형광 신호를 감지. 교류 cytometer GFP의 발견을 위한 488 nm 청색 레이저와 산화 스트레스 프로브 형광의 탐지를 위한 635 nm 빨간 레이저를 사용할 수 있습니다. GFP와 산화 스트레스 프로브 방출 형광의 인수는 각각 530/30 nm BP 필터와 660/20 BP 필터 수행 (표 1).

  1. 새 워크시트 패널 열기 에 클릭 하 고 다음 인수 점 플롯을 만들.
    1. 도구 모음에서 분산형 플롯 도구 를 선택 하 고 A를 만들기 음모 쪽 분산형-지역 변수 (SSC-)는 y 축 앞으로 피해 지역에 (FSC-A)는 x 축에 선형 눈금에.
    2. 도구 모음에서 분산형 플롯 도구 를 클릭 하 고 x 축 에 변수 FL1 지역 (FITC)와 음모를 만들. FL3 지역 (APC)는 y 축에 로그 눈금.
  2. 악기 설정 아이콘을 클릭 합니다. 보상 탭을 클릭 하 고 모든 보상 수준을 설정 합니다. 인수 탭에서 클릭 하 고 기록 20000 이벤트의 총 수를 선택 합니다.
  3. 유량 아이콘 낮은흐름 속도 전환 하려면 클릭 합니다.
  4. 취득 탭 비 유도, 흠 없는 세포 실행 시작을 클릭 하 고 인구 중간 왼쪽 사분면에 배포 될 때까지 측면 분산형 및 앞으로의 악기 설정 에서 전압을 조정 합니다.
    1. 다각형 아이콘 세포 인구 세포 파편을 제외 하 고 주변 지역 R1 설정을 클릭 하 고이 문이 인구 p 1을 사용 하 여 모든 형광 점 플롯과 히스토그램 표시 (그림 3)에 대 한 R1 =.
  5. 형광 신호의 PMT 전압을 조정 하려면 셀 낮은 왼쪽된 사분면에 배포 될 때까지 튜닝 악기 설정 탭에서 이득 FL1 FL3 점 플롯에 흠 없는 셀을 실행 합니다.
  6. GFP 형광을 측정 하는 유도 셀에 샘플을 변경 합니다. 악기 설정 탭에서 인구 오른쪽 아래 사분면에 배포 될 때에는 FSC-A FL1 (FITC) 이득을 설정 합니다. 게이트 (게이트 P2) 긍정적인 세포 인구를 정의 합니다.
  7. 변경 샘플 비 유발 산화 스트레스는 FSC-A FL3 (APC) 도트 음모에 형광으로 표시 하려면 셀 스테인드. 튜닝 이득 셀 인구는 왼쪽 위 사분면에서 배 부 될 때까지. P3에 긍정적인 세포 인구 게이트입니다.
  8. 확인을 셀 형광을 나타내는 히스토그램 아이콘 두 히스토그램 플롯 합니다. 형광 강도 나타내는 FL1 (FITC) GFP 형광을 나타내는 x 축, 이며 FL3 (APC) 형광을 나타내는 y에 로그 눈금에 P2 및 P3 인구를 각각 적용 있는지 확인 합니다.
    참고: 막대 그래프 오버레이 다른 Aβ 이체를 표현 하는 셀의 형광 프로필 간의 차이 설명 하기 위해 좋은 방법입니다.

4. 재조합 단백질 Immunodetection

  1. 단백질 표정 수준 결정, 16 h에 대 일 분, 4000 x g에서 원심 분리에 의해 유도 된 효 모 배양 수확을-80 ° c.에 셀 펠 릿 저장
    1. PBS에 16 h에 대 한 재조합 단백질을 표현 하는 수집 된 셀 resuspend 20의 OD590 를 각 Aβ42 GFP 돌연변이의 200 µ L 셀 정지를 준비 합니다.
  2. 총 단백질 분수 분석에 대 일 분 14000 x g에서 원심 분리 하 여 각 돌연변이의 100 µ L를 수확 하 고 효 모 세포의 용 해 버퍼 Y의 동일한 볼륨에 셀 펠 릿 resuspend-(50 mM Tris HCl pH 8.0, 1 %DMSO, 200 mM NaCl, 1 mM EDTA 10 mg/mL SB3-14 (myr 포함 된 당 istyl sulfobetaine) 보충 1 m m phenylmethylsulfonyl 불 (PMSF)).
    1. 온화한 동요에서 실 온에서 20 분에 대 한 샘플을 품 어.
  3. Bradford 분석 실험을 사용 하 여 단백질 추출 농도 결정 합니다. 15% 아크릴 SDS 페이지 젤 전기 이동 법에 60 분 100 V에서 polyvinylidene difluoride (PVDF) 막에 오 각 샘플의 단백질 추출의 최대 5 µ g를 로드 합니다.
    1. 브래드 퍼 드 Coomassie 화려한 블루 G-250의 100 밀리 그램으로 시 약 50ml 95% 에탄올에에서 용 해 하 고 85% (w/v) 인산의 100ml를 추가 준비. 다음, 염료 해산 완전히 ddH2O 1 l 혼합물을 희석 하 고 그냥 사용 하기 전에 셀 루 로스 필터 종이 통해 필터링.
      참고: 브래드 퍼 드 시 해야 될 빛 갈색.
    2. 소 혈 청 알 부 민 (BSA)의 브래드포드 시 약 1000 µ L에서 단백질의 5-100 µ g에서 배열의 표준 준비.
    3. 1-10 µ L 단백질의 브래드포드 시의 1 mL에 추출 하 고 품 어 5 분 동안 실내 온도에 혼합물을 추가 합니다.
    4. 표준과 마약595에서 단백질 추출 물 샘플의 흡 광도 측정 한다.
    5. 분석을 위해 표준 에 대 한 얻은 흡 광도 값으로 음모를 확인 합니다. 단백질의 µ g입니다. 표준 곡선에 따라 달라 집니다, 있는 경우 볼륨 및 희석, 고려는 양의 단백질에서 원래 샘플의 농도 결정 합니다.
  4. 린스 Tris 버퍼 염 분 (TBS), x 1 막 0.1% Tween 20 (TTBS), 1 x TTBS의 5% (w/v) 무 지방 건조 우유를 사용 하 여 차단 하 고.
    1. 10 x TBS의 1 리터를 준비 하려면 기본 트리 스의 24 g와 H2Odd 900 mL에 NaCl의 88 g을 녹이 고 pH 7.6 조정. DdH2O l. 1의 최종 볼륨을 추가 10 x 재고 1 일부 ddH2o.의 9 부분 혼합 1 x 솔루션에 대 한
  5. 기본 β 아 밀 로이드 항 체 희석 6E10 1:1,000와 함께 1 시간에 대 한 막 품 어 그리고 이차 항 체 염소와 실 온에서 1 h에 대 한 반대로 마우스 IgG HRP 공액 희석 1:10, 000.
  6. 막 Luminata 형광 시 약의 1 mL를 사용 하 여 개발 및 단계 5.2에서에서 설명한 densitometric 분석 하 여 밴드를 계량 합니다.

5. 데이터 분석

  1. FC에서 얻은 데이터를 분석 하려면 표시 의미 형광 강도 (MFI) 테이블을 만듭니다와 그 해당 표준 오류 또는 GFP 형광 및 산화 스트레스 수준에 대 한 차이 (CV)의 계수 중간 형광.
    1. 관리자 탭 및 통계 아이콘 각 채널에 필요한 통계 데이터를 사용자 지정을 클릭 합니다.
      참고: 비교할 때 단백질 이체, 접이식 배경 또는 해상도 통계 (RD)에 형광 값 데이터 변환:
      Equation 1
      이 통계에서 평균 샘플 문제 샘플의 평균 형광, 평균 컨트롤은 컨트롤을 사용 하는 셀의 평균 형광 이며 SD는 평균 형광의 표준 편차. RD 요소 MFI 값 보다 더 정확한 인덱스는 그것 뿐만 아니라 샘플 뿐만 아니라 데이터의 확산을 위한 계정 사이의 차이 계산 합니다. 이 계산은 시간이 지남에 수행 다른 실험 데이터를 비교 하는 때 특히 적합 합니다. 일단는 RDs를 계산 통계 시험의 사용은 단백질 이체의 관찰 된 차이점의 중요성을 확인 하는 것이 좋습니다.
  2. 단백질 immunodetection에 대 한 재조합 단백질 수준 서쪽 오 점 ImageJ 소프트웨어를 사용 하 여 계량.
    1. Densitometry 분석 하기 전에 개발 된 막의 원래 raw 이미지를 JPEG 파일 형식와 회색조 모드 변환.
    2. 회색값 의미 분석 메뉴의 설정 측정 섹션을 조정 합니다.
    3. ImageJ에서 사각형 도구를 클릭 하 고 밴드 densitometry 분석에 대 한 일관 된 크기와 관심 (ROI)의 영역을 정의. 만든된 사각형 프레임 안에 막 이미지에 각 밴드 센터 고 측정 Ctrl + M (측정 명령)를 사용 하 여 하나 하나를 기록 합니다.
    4. 동일한 투자 수익 영역을 적용 하는 각 밴드에 인접 한 로컬 백그라운드를 측정 합니다. 측정 후 각각의 개별 밴드에서 해당 로컬 백그라운드를 뺍니다.

Subscription Required. Please recommend JoVE to your librarian.

Representative Results

이 프로토콜 어디 Phe19은 모든 자연 proteinogenic 아미노산28변경 되었습니다 Aβ42 펩 티 드의 20 이체의 컬렉션을 사용 하는 방법을 설명 합니다. 이 단백질의 이론적인 집계 경향 두 다른 bioinformatic 알고리즘 (AGGRESCAN와 탱고31,32)를 사용 하 여 분석할 수 있습니다. 두 경우 모두에서이 분석 집계 추세, ascribing, 일반적으로 높은 값과 가장 낮은 소수 성 잔류물을 충전 하 고 극 지 것의 진보적인 그라데이션 렌더링 (그림 1B, 1c).

실험적으로 다른 Aβ42 이체의 세포내 집계 상태를 추적 하기 위해 설명된 실험 플라스 미드, Aβ42에 대 한 인코딩 및 갈 락 토스를 유도할 수 있는 GAL1 통제 GFP (그림 1A) 융합의 변화 필요 S. cerevisiae으로. 16 h의 유도 기간 후 Aβ42 이체를 표현 하는 효 모 세포 형광 현미경으로 구상 될 수 있다. 이 시각화 분석된 컬렉션에서 20 이체에서 10에서 파이의 형성을 확인 가능 하 게. 수와 크기는 형광의 다 변형에서 variant (그림 2). 그림 2A 각각 두 개의 독립적인 문화의 500 셀의 총에서 PI 정량화를 보여줍니다. 여기, 우리는 우수한 계약 사이 예측을 관찰할 수 있다 및 집계 속성 vivo에서 .

단백질의 형성이 모델 셀 시스템에서 산화 스트레스를 실행할 수 있는지 여부를 해결 하기 위해이 프로토콜을 사용 하 여 FC 셀룰러 GFP 형광 반응 산소의 지표로 서 fluorogenic 프로브의 형광 함께 모니터링 종 (선생님) 생산입니다. 그림 3 와 균질 분산 및 PI 형성 Aβ42 이체에 각각 해당 Gln 및 Ile 돌연변이 대 한 결과 얻은 절차를 보여 줍니다.

첫째, 분석된 셀 인구는 FSC-A SSC A 점에 게이트 (P1) 플롯 분석 (그림 3A)에서 암 세포를 제거 하. P1 인구의 산화 스트레스 조사 GFP의 형광 신호 녹색 형광 세포 P3에 문이 점 플롯 그래프에 표시 됩니다 (그림 3B). 그림 3C 3D 이력서 (표 2)를 포함 하 여 평균 및 각 형광 성 감 적의 메디아 형광을 측정 하기 위해서는 각 표현된 변종에 대 한 통계 데이터를 생성 하는 히스토그램을 표시 합니다.

모든 돌연변이 그들은 단일 아미노산 (Aβ42-GFP 시퀀스의 0.02%)에 차이가 있기 때문에 동일한 수준에서 표현 될 것으로 예상 된다. 그러나, proteostasis 기계는 그들의 특정 집계 경향에 차동 방식으로 응답할 수 있습니다. 따라서, 세포 추출 물에 단백질 표정 수준 Aβ 특정 항 체 (그림 4)를 사용 하 여 정량은. 우리는 일반적인 경향으로 PI 형성 Aβ42 이체는 존재는 cytosol에 균질 분산 된 나머지 그 보다 낮은 수준에서 참조 하십시오.

Aβ42 변종 간의 중요 한 차이점은 그들의 산화 스트레스 프로브 형광, 단백질 수준, 그리고 GFP 형광 속성 PI와 그들의 본질적인 집계 경향 ( 를 형성 하는 그들의 기능을 기준으로 표시 됩니다 때 관찰 될 수 있다 그림 5). 더 많은 집계-경향이 PI 형성 변형 유도 더 녹는 들 (그림 5A, 5B) 보다 훨씬 낮은 산화 긴장. 이러한 결과 크기와 개별 셀 (그림 2)와 산화 스트레스 레벨 당 집계 수 사이 분명 한 상관 관계가 있다. PI 형성 변형, 특히 돌연변이 위치 19, Trp와 페 베어링 homogenously cytosol (그림 5C, 5d)에 배포 하는 보다 낮은 수준에서 셀에 있습니다. 이 예외는 Thr 돌연변이, 세포의 10% 미만 PI를 형성 (그림 1B, 1c). 이 누 룩 품질 관리 저하 기계28에 의해 가장 집계 경향이 변종 지워집니다 선택적으로 사실와 일치 합니다. GFP 형광 단백질 수준과 상관 더 수용 성 Aβ42 형태에 대 한 잘 하지만 그 파이 (그림 5E, 5 층)을 형성. 이것은 아마도 이러한 세포 인구에 있는 형광에서 나온 두 개의 서로 다른 구획는 cytosol와 포함, 및 그들의 상대적 기여 총 형광 돌연변이34간에 차이가 있기 때문에.

Figure 1
그림 1 . Aβ42-GFP 융해 구성의 컬렉션에 대 한 집계 성향 분석 모든 자연적인 아미노산에 의해 위치 19 Aβ42 펩 티 드에 잔류물의 돌연변이에서 파생 된. A.이 이미지 링커 (Aβ42, 회색; 여 GFP를 wt Aβ42 융합의 3D 모델을 보여줍니다 GFP, 녹색), Aequorea 빅토리아 에서 녹색 형광 단백질에 대 한 PDB 1EMA 및 알 츠 하이 Aβ 펩 티 드 Phe19 사이드 체인 wt Aβ42의 빨간색으로 표시 됩니다에 대 한 2OTK에 따라. 모델은 Pymol 소프트웨어를 사용 하 여 만들어집니다. Aβ42 시퀀스에서 잔류물 19 중앙 소수 클러스터에서 중심 위치를 차지합니다. 두 명의 다른 bioinformatic 예언자를 사용 하 여 만든 막대 그래프: B. AGGRESCAN, C. 탱고. 이 그림의 더 큰 버전을 보려면 여기를 클릭 하십시오.

Figure 2
그림 2 . 변종 Aβ42 GFP PI 형성 S. cerevisiae 문화 16 h 식의 유도. A. 막대 그래프는 PI 2 생물 복제에 각 변형에 대 한 500 형광 세포의 총에서 계산의 다른 숫자 포함 된 셀의 비율을 나타냅니다. B.이 이미지는 선택 된 Aβ42 GFP 변종 (Phe, Ile, Thr, Trp)의 대표적인 형광 현미경 이미지. 그들은 GFP (450-500 nm) 및 방출 범위 (515-560 nm) 여기 필터를 사용 하는 UV 빛에서 취득 했다. 눈금 막대를 나타냅니다 10 µ m. 이 그림의 더 큰 버전을 보려면 여기를 클릭 하십시오.

Figure 3
그림 3 . 교류 cytometry (FC) 분석 o에 대 한 계획f S. cerevisiae 세포 선택한 Aβ42 GFP 이체를 표현. A. 차트 점 플롯 문이 효 모 세포 (P1)에서는 (FSC-A SSC-A) 세포 암 세포 인구에서 제거 됩니다. FC 점 플롯 Gln (균질 분산) 및 일 (PI 형성) 이체의 미세한 이미지 옆에 표시 됩니다. 눈금 막대가 나타냅니다 10 µ m. B 이러한 분산형 점 작 이미지 산화 스트레스 프로브를 GFP A 는 문이 인구 (P3)는 배경 신호를 제외한만 형광 셀 포함을 나타냅니다. C셀 주파수 히스토그램입니다. p 1과 D에서 문이 GFP 신호 (FITC 진폭). CellROX (APC 진폭) P3에서 문이입니다. 셀 인수 교류 cytometer 수행 했다. 각 플롯 20000 이벤트를 나타냅니다. Q 고 각각 Gln 및 Ile Aβ42 돌연변이에 해당. 이 그림의 더 큰 버전을 보려면 여기를 클릭 하십시오.

Figure 4
그림 4 . 세포질 단백질 수준 부 량이 고 이 그림 Aβ42 GFP 뮤턴트의 총 단백질 분수의 서쪽 오 점 S. cerevisiae에 표현의 16 h 후. PI 형성 이체는 녹색으로 표시 하 고 그 만들어진다는 cytosol에서 배포는 빛 빨강으로 표시. 이 그림의 더 큰 버전을 보려면 여기를 클릭 하십시오.

Figure 5
그림 5 . 세포질 산화 스트레스, 세포내 GFP 형광, 및 세포의 단백질 레벨에서 표현의 16 h 후 결정 Aβ42-GFP 돌연변이 대 한 S. cerevisiae. X 축에 표시 하는 이체는 AGGRESCAN (왼쪽된 패널) 또는 탱고 (오른쪽 패널)에 의해 그들의 예상된 집계 경향에 따라 주문 했습니다. PI 형성 이체는 녹색으로 표시 하 고 PI 형성 비 이체는 밝은 빨강으로 표시. A. B. 바 그래프 Aβ42 GFP 돌연변이의 FC 분석 하 여 얻은 산화 스트레스 프로브 형광 값을 표시. C. D. 이러한 막대 그래프 ImageJ 소프트웨어를 사용 하 여 서쪽 오 점 densitometry 분석 하 여 정량으로 단백질 수준을 나타내는. E. F. FC 분석 후 GFP 형광 값을 표시 하는 막대 그래프. 산화 스트레스에 대 한 오차 막대 프로브 그리고 GFP 형광 값 FC 문이 셀의 차이 (CV)의 계수를 대표 한다. 단백질 표정 수준에 대 한 오차 막대 대표 ± SE (n = 3). 이 그림의 더 큰 버전을 보려면 여기를 클릭 하십시오.

채널 Fluorophore 여기 파장 (nm) 밴드 패스 필터
FITC GFP 488 530/30
APC CellRox 635 660/20
PerCP IP 488 585/42

표 1입니다. 레이저 소스, 대역 통과 필터 및 fluorophores 교류 cytometer에서 사용.

GFP 형광 이력서 CellROX 형광 이력서
A 9316 96.4 1964 127.5
C 9709 91.9 1275 172.2
D 11213 101.7 3443 155.8
E 12256 101.1 3220 152.2
F 3010 96.1 1245 146.4
G 11541 97.2 2947 158
H 7895 98.2 3582 120.8
7365 97.2 1416 141.3
K 10839 100.4 3102 122.1
L 7605 96.9 1401 161.8
M 8149 96 1308 170.4
N 12741 97.5 3403 134.9
P 9768 102.8 2629 143.6
Q 13066 91.3 3354 169.9
R 8537 101.3 2839 127.5
S 12053 99.1 3313 174.3
T 10615 97.7 2213 107.7
V 9169 96.1 1878 121.7
W 1715 94.7 1531 100
Y 7574 94.5 1234 138

표 2. GFP 형광 및 산화 스트레스 프로브 형광 16 헤에 대 한 Aβ42 GFP 돌연변이 표현 하는 효 모 세포의 FC 분석 하 여 얻은 값의 목록 이 표에서 평균 형광 강도 (MFI) 및 각 돌연변이 대 한 이력서.

Subscription Required. Please recommend JoVE to your librarian.

Discussion

다양 한 질병 세포 예금6,,78,33으로 misfolded 단백질의 축적에 연결 된다. 많은 노력 계정 단백질 농도를 고려 하지 않습니다, 계산 방법을 사용 하 여 이러한 질병의 발병을 트리거하는 분자 메커니즘을 해명 되었습니다 또는 생체 외에서 접근, 어떤 단백질 농도 반응 동안 상수 남아 있습니다. 그러나, 셀, 내 단백질 지속적으로 합성 되며 혼잡과 비 균질 환경에서 저하. 이 철에, 에서 시험관생체 내에서 집계 속성 사이 amyloidogenic 단백질의 빈번한 불일치를 설명합니다.

왜 간단한 휴대 전화 모델, 효 모, 합리적인 선택 집계를 공부 하 고 더 많은 생물 학적 맥락에서 신경 퇴행 성 질환 관련 단백질의 독성 관련 여러 이유가 있다. 예를 들어, 그들은 우리가 여기 구현 하는 것과 같은 빠른 분석을 사용 하 여 그대로 세포 인구에 단백질 misfolding 집계의 영향을 분석 하는 가능성을 주지. 그러나, 우리는 산화 수준을 효 모 종자 들 다를 수 있습니다 고려해 야 합니다. 따라서, 긴장, 또는 심지어 다른 단백질을 비교, oxidants와 reductants, DTT와 diamine, 사용 되어야 한다 산화/감소 규모를 설정 하.

이 문서, bioinformatic 분석, 세포 단백질 정량화에 나와 있는 예제에서 단백질 지역화 이미징 및 GFP 활동 및 산화 스트레스 레벨의 동시 FC 분석 통합 되어 있는 분자를 식별 하 종 단백질 집계 반응에 의해 elicited 산화 손상에 대 한 책임. 결과 더 수용 성 Aβ42 이체 보다는 더 많은 집계-경향이, 높은 산화 스트레스를 촉진 하는 방법을 보여 줍니다. 이 diffusible 종 되 고 더 위험한 Aβ42 종의 비보를 가리킵니다. 변종 집계의 낮은 독성 단백질 품질 기계, 그들의 가용성의 그것 보다 낮은 단백질 수준에서 발생 하 여 이러한 conformations PI로 압수는 사실 및 그들의 특혜 저하 응답 것 대조 물입니다.

설명된 방법 Aβ42 집계/수용 성 종에 의해 생성 하는 산화 스트레스의 분석에 국한 되지 않습니다 하 고 단백질 집계 장애의 다양 한 연구에 적용 될 수 있습니다. 또한, 기술 추가 임상 응용 프로그램에 대 한 산화 활성 단백질의 축적을 촉진 하는 그 분자를 삭제할 수 있도록 세포 산화 스트레스에 집계 억제제의 효과 모니터링 하는 데 유용할 수 있습니다. 마지막으로, fluorogenic 프로브를 사용할 수로 서는 방법은 정량적 데이터를 제공 하는 쉬운 방법, 빠른에서 단백질 집계에 연결 된 분자 종 다른 독성 효과 대 한 책임을 식별 하는 놀라운 기회 제공 합니다.

Subscription Required. Please recommend JoVE to your librarian.

Acknowledgments

   

Materials

Name Company Catalog Number Comments
Yeast cells BY4741  ATCC 201388 Genotype: MATa his3Δ1 leu2Δ0 met15Δ0 ura3Δ0
pESC(-Ura) plasmid  Agilent Genomics 217454 Yeast expression plasmid with a Gal promotor. Selectable marker URA3
Yeast Synthetic Drop-out Medium Supplements Sigma Y1501 Powder
Yeast Nitrogen Base Without Amino Acids Sigma Y0626 Powder
Raffinose Sigma R7630 Powder
Glucose Sigma G7021 Powder
Galactose Sigma G0750 Powder
Phosphate Buffered Saline (PBS) Fisher Scientific BP3991  Solution 10X
CellROX Deep Red Reagent  Life Technologies C10422 Free radical cell-permeant fluorescent sensor, non-fluorescent while in a reduced state, and exhibits bright fluorescence upon oxidation by reactive oxygen species (ROS), with absorption/emission maxima at 644/665 nm. 
Y-PER protein extraction reagent  Thermo Scientific 78990 Liquid cell lysis buffer
Acrylamide/Bis-acrylamide Sigma A6050 Solution
Bradford dye reagent Bio-Rad  5000205 Dye reagent for one-step determination of protein concentration
β-amyloid antibody 6E10  BioLegend 803001 Mouse IgG1. The epitope lies within amino acids 3-8 of beta amyloid (EFRHDS).
Goat anti-mouse IgG-HRP conjugate  Bio-Rad 1721011
Membrane Immobilon-P, PVDF Millipore IPVH00010
Luminata forte Merk WBLUF0100 Premixed, ready to use chemiluminescent HRP detection reagent
Phenylmethanesulfonyl fluoride solution (PMSF) Sigma 93482 Protease inhibitor. Dissolved at 0.1 M in ethanol
FACSCanto flow cytometer  BD Biosciences 657338 Equipped with a 488 nm blue laser for the detection of GFP, and 635 nm red laser / 530/30 nm BP filter and 660/20 BP filter
Mini Trans-Blot Electrophoresis Transfer cell Bio-Rad 1703930 Protein transference system
Mini-PROTEAN Tetra Handcast Systems Bio-Rad 1658000FC Electrophoresis system

DOWNLOAD MATERIALS LIST

References

  1. Frydman, J. Folding of newly translated proteins in vivo: the role of molecular chaperones. Annual Review of Biochemistry. 70, 603-647 (2001).
  2. Hartl, F. U., Bracher, A., Hayer-Hartl, M. Molecular chaperones in protein folding and proteostasis. Nature. 475, 324-332 (2011).
  3. Wong, E., et al. Molecular determinants of selective clearance of protein inclusions by autophagy. Nature Communications. 3, (2012).
  4. Winkler, J., Tyedmers, J., Bukau, B., Mogk, A. Chaperone networks in protein disaggregation and prion propagation. Journal of Structural Biology. 179, 152-160 (2012).
  5. Glickman, M. H., Ciechanover, A. The ubiquitin-proteasome proteolytic pathway: destruction for the sake of construction. Physiological Reviews. 82, 373-428 (2002).
  6. Dobson, C. M. Getting out of shape. Nature. 418, 729-730 (2002).
  7. Chiti, F., Dobson, C. M. Protein misfolding, functional amyloid, and human disease. Annual Review of Biochemistry. 75, 333-366 (2006).
  8. Aguzzi, A., O'Connor, T. Protein aggregation diseases: pathogenicity and therapeutic perspectives. Nature Reviews Drug Discovery. 9, 237-248 (2010).
  9. Rapezzi, C., et al. Transthyretin-related amyloidoses and the heart: a clinical overview. Nature Reviews Cardiology. 7, 398-408 (2010).
  10. Deas, E., et al. Alpha-synuclein oligomers interact with metal ions to induce oxidative stress and neuronal death in Parkinson's disease. Antioxidants & Redox Signaling. 24, 376-391 (2016).
  11. Brundin, P., Melki, R., Kopito, R. Prion-like transmission of protein aggregates in neurodegenerative diseases. Nature Reviews Molecular Cell Biology. 11, 301-307 (2010).
  12. Frost, B., Diamond, M. I. Prion-like mechanisms in neurodegenerative diseases. Nature Reviews Neuroscience. 11, 155-159 (2009).
  13. Arrasate, M., Mitra, S., Schweitzer, E. S., Segal, M. R., Finkbeiner, S. Inclusion body formation reduces levels of mutant huntingtin and the risk of neuronal death. Nature. 431, 805-810 (2004).
  14. Ross, C. A., Poirier, M. A. Opinion: what is the role of protein aggregation in neurodegeneration? Nature Reviews Molecular Cell Biology. 6, 891-898 (2005).
  15. Mishra, R., Sjölander, D., Hammarström, P. Spectroscopic characterization of diverse amyloid fibrils in vitro by the fluorescent dye Nile red. Molecular BioSystems. 7, 1232-1240 (2011).
  16. Klunk, W. E., Jacob, R. F., Mason, R. P. Quantifying amyloid by congo red spectral shift assay. Methods in Enzymology. 309, 285-305 (1999).
  17. Khurana, V., Lindquist, S. Modelling neurodegeneration in Saccharomyces cerevisiae: why cook with baker's yeast? Nature Reviews Neuroscience. 11, 436-449 (2010).
  18. Tenreiro, S., Outeiro, T. F. Simple is good: yeast models of neurodegeneration. FEMS Yeast Research. 10, 970-979 (2010).
  19. Moosavi, B., Mousavi, B., Macreadie, I. G. Yeast model of amyloid-β and Tau aggregation in Alzheimer's disease. Journal of Alzheimer's Disease. 47, 9-16 (2015).
  20. Tenreiro, S., Munder, M. C., Alberti, S., Outeiro, T. F. Harnessing the power of yeast to unravel the molecular basis of neurodegeneration. Journal of Neurochemistry. 127, 438-452 (2013).
  21. Yang, J., Hao, X., Cao, X., Liu, B., Nyström, T. Spatial sequestration and detoxification of huntingtin by the ribosome quality control complex. eLife. 5, (2016).
  22. Braun, R. J., Büttner, S., Ring, J., Kroemer, G., Madeo, F. Nervous yeast: modeling neurotoxic cell death. Trends in Biochemical Sciences. 35, 135-144 (2010).
  23. Figley, M. D., Gitler, A. D. Yeast genetic screen reveals novel therapeutic strategy for ALS. Rare Diseases. 1, e24420 (2013).
  24. Cooper, A. A., et al. Alpha-synuclein blocks ER-Golgi traffic and Rab1 rescues neuron loss in Parkinson's models. Science. 313, 324-328 (2006).
  25. Johnson, B. S., McCaffery, J. M., Lindquist, S., Gitler, A. D. A yeast TDP-43 proteinopathy model: exploring the molecular determinants of TDP-43 aggregation and cellular toxicity. Proceedings of the National Academy of Sciences of the United States of America. 105, 6439-6444 (2008).
  26. Bharathi, V., et al. Use of ade1 and ade2 mutations for development of a versatile red/white color assay of amyloid-induced oxidative stress in saccharomyces cerevisiae. Yeast. 33, 607-620 (2016).
  27. Pallarès, I., Ventura, S. Advances in the prediction of protein aggregation propensity. Current Medicinal Chemistry. (2017).
  28. Villar-Piqué, A., Ventura, S. Protein aggregation propensity is a crucial determinant of intracellular inclusion formation and quality control degradation. Biochimica et Biophysica Acta. 1833, 2714-2724 (2013).
  29. Navarro, S., Villar-Piqué, A., Ventura, S. Selection against toxic aggregation-prone protein sequences in bacteria. Biochimica et Biophysica Acta. 1843, 866-874 (2014).
  30. Morell, M., de Groot, N. S., Vendrell, J., Avilés, F. X., Ventura, S. Linking amyloid protein aggregation and yeast survival. Molecular BioSystems. 7, 1121-1128 (2011).
  31. Conchillo-Solé, O., et al. AGGRESCAN: a server for the prediction and evaluation of "hot spots" of aggregation in polypeptides. BMC Bioinformatics. 8, 65 (2007).
  32. Fernandez-Escamilla, A. M., Rousseau, F., Schymkowitz, J., Serrano, L. Prediction of sequence-dependent and mutational effects on the aggregation of peptides and proteins. Nature Biotechnology. 22, 1302-1306 (2004).
  33. Renner, M., Melki, R. Protein aggregation and prionopathies. Pathologie Biologie.(Paris). 62, 162-168 (2014).
  34. Carija, A., Navarro, S., de Groot, N. S., Ventura, S. Protein aggregation into insoluble deposits protects from oxidative stress. Redox Biology. 12, 699-711 (2017).

Comments

0 Comments


    Post a Question / Comment / Request

    You must be signed in to post a comment. Please or create an account.

    Usage Statistics