Summary

ScanLag:高通量的菌落生长定量和滞后时间问题

Published: July 15, 2014
doi:

Summary

ScanLag is a high-throughput method for measuring the delay in growth, namely lag time, as well as the growth rate of colonies for thousands of cells in parallel. Screening using ScanLag enables the discrimination between long lag-time and slow growth at the level of a single variant.

Abstract

Growth dynamics are fundamental characteristics of microorganisms. Quantifying growth precisely is an important goal in microbiology. Growth dynamics are affected both by the doubling time of the microorganism and by any delay in growth upon transfer from one condition to another, the lag. The ScanLag method enables the characterization of these two independent properties at the level of colonies originating each from a single cell, generating a two-dimensional distribution of the lag time and of the growth time. In ScanLag, measurement of the time it takes for colonies on conventional nutrient agar plates to be detected is automated on an array of commercial scanners controlled by an in house application. Petri dishes are placed on the scanners, and the application acquires images periodically. Automated analysis of colony growth is then done by an application that returns the appearance time and growth rate of each colony. Other parameters, such as the shape, texture and color of the colony, can be extracted for multidimensional mapping of sub-populations of cells. Finally, the method enables the retrieval of rare variants with specific growth phenotypes for further characterization. The technique could be applied in bacteriology for the identification of long lag that can cause persistence to antibiotics, as well as a general low cost technique for phenotypic screens.

Introduction

细菌已经进化到了许多紧张的情况作出反应。适应压力的一个普遍特征是增长动力1,2的变化。指数增长率与滞后时间,即要适应新的情况所需要的时间:增长动力由两个参数大多特点。而大量的高通量方法侧重于增长速度的测量,滞后时间往往是一个被忽略的参数,但它是为适应新形势的特性的关键参数。在传统上一直使用费力的手工方法3,4进行适应的定量变化的条件。最近,先进的技术已经开发了用于单细胞5,6的分析。然而,它仍然是难以区分正常生长下列中生长延迟(即延迟时间)2,3从缓慢增长。一个自动化的方法构建,ScanLag 7,这两个相似的表型之间的区别。

滞后时间分布的研究的重要性一个突出的例子是在抗生素治疗透露。许多抗生素和其它应力仅杀死活跃生长的细胞,并且,因此,细胞被“滞后”被保护的8。为了监测滞后时间,人们可以观察单个细胞在显微镜下和监测时间第一师。这种方法的一个主要缺点是,动态时间范围是有限的;那些早期生长的那些细胞覆盖表面以指数速率,有效地降低细胞的生长具有较长的滞后时间。使用的流动室有所规避这个5,但细胞数目有限的可跟踪和细菌,退出延迟期后的大多数人口已开始生长的小部分不能被观察到。尽管有这些限制,一些研究已经评估二叔水平的影响采用单细胞显微9-12上的滞后时间分布fferent强调。另一种方法来监视滞后时间分布是通过浊度测量13,14。许多平行的培养物,从单个小区中的每个开始,生长在其测量细菌的培养液中的数目随时间的光密度读取器。此方法是由外推法的精度和孔中的板的数量的限制。

一个自动化的方法被开发,被称为ScanLag,使滞后时间和生长时间分布进行评估,即使是细菌的小部分的人口有很长的滞后时间。该方法是基于检测的常规营养琼脂平板15( 图1)的菌落。若要自动检测16,17商用扫描仪18是由内部软件定向定期收购板图像阵列,被设计。软件设计为自动分析图像,并提取量化参数19,20,如外观各菌落,其在这里被定义为时间从20个像素长到80个像素的每一个集落生长和时间的时间。这里,我们提出的方法的细节,包括该系统的建立和使用已被改进以提供更好的用户界面的自动图像分析软件。

该方法可用于测量其他特征的菌落,如形态和颜色。这些类型的参数的测量将允许在多维表型组学系统的使用。作为该方法检测来自单个细胞的菌落,该系统可以显示,可以不通过群体水平的测量被测量的新的表型。该技术使罕见的变异的检测和检索,并有利于筛选所需要的特性。

Protocol

(一)建设安装选择一个平板扫描仪光学分辨率:4,800 dpi的;硬件分辨率:高达4,800 x 9,600 dpi的;色位深度:48位,可以在相关的温度和湿度水平进行工作。 培养皿有显著体积,不像纸通常用于商业扫描器。菌落趴在琼脂层的顶部,约5毫米以上的扫描仪的表面。注:对于大多数扫描仪的殖民地将成为市场关注焦点。 有些扫描仪公司不允许同一类型到同一台计算机的扫描仪的多个实例的连接。确保一个以上的扫描仪可以连接并确定了独特的。 准备详情如下配件: 无菌黑色的制备条毡布覆盖板( 图1中的步骤2)。 要保持培养皿到位,准备白色板支架(材料和方法)适合的扫描仪和具有6 HOLES菜肴的大小( 图1步骤3)。 如果需要的微生物的生长,将扫描仪在温度受控的环境中。连接扫描仪到计算机。 可选:继电器连接到计算机并绕过扫描器的通/断开关,以克服温度梯度。 注:该继电器单元是极其温度敏感的微生物。它关掉扫描仪,使电子不热的表面不均匀。使用扫描仪表面只有一部分可以达到类似的结果。 2,安装扫描管理器从http://www.phys.huji.ac.il/bio_physics/nathalie/publications.html所有“扫描管理器”应用程序文件复制到指定的目录中。 根据扫描仪的名称配置ScanningManager.exe.config文件,因为它们出现在计算机管理 – >设备管理器 – >成像设备( <stro纳克>图2)。 对于“扫描管理器”应用程序的故障排除,请参阅自述文件。 有关“扫描管理器”应用程序进一步的文件,见Documentation.html。 3,进行实验准备陪替氏培养皿( 图1): 淡化文化约2,000 CFU /毫升。板均匀分布在板面上0.1毫升文化。 为了获得殖民地和菜之间良好的对比度并吸收水分,覆盖板用一块无菌黑毡布。把盖子上盘。 将板在扫描仪的持有人。 启动扫描管理器( 图3):从连接的扫描仪列表中的参与扫描器。选择将要采取(重复次数)的图像的数量,随后的图像之间的时间间隔(时间间隔),并起动吨前的延迟时间他试验(开始)。 该图像4。分析注:提供用于分析在MATLAB图像使用“ScanLag”,这是免费提供给非商业用途的http://www.phys.huji.ac.il/bio_physics/nathalie/publications的计算方法的概要。 HTML。提供更多功能详见软件说明书,并通过实例代码补充。 从每个扫描仪的图像分类到不同的文件夹。 利用Matlab的命令窗口中运行以下程序。运行这些程序所需的参数在软件手册中规定。 运行PreparePictures进行预处理:在预处理,从扫描仪的图像对准。每个培养皿从图像中每个序列裁剪。在其中的每个图像被收集的时间是从时间标记检索。 运行TLAllPlates进行检测和跟踪在电子ACH培养皿分开,菌落检测并分配一个识别号码。 所提取的数据的分析:每个检测到的菌落的大小测量为时间的函数。要提取菌落的外观分配使用Matlab的命令窗口中执行以下功能(在软件手册相关的信息是可用的): 运行ScanLagApp与菌落的曲线图一起显示某一培养皿的分析大小与时间的关系( 图4)。 使用滑块来改变极板的当前时间。的时序也将在菌落面积图形匹配的垂直线表示。 点击一个殖民地,看看它的相关曲线,反之亦然,单击曲线上找出其关联的殖民地。识别所述菌落后,其表型可以通过从所识别的培养皿中挑选菌落进行检索。 在自动分析了噗过滤器缺陷唱了殖民地,并单击排除按钮。当点击排除菌落数将变为黄色。 经历了各板块的分析结果,总结的结果: 运行AddHistograms打造的外观倍的直方图。 运行plotDeathCurve创建分布的生存曲线表示。 运行GetAppearanceTimes让所有殖民地出现的时间在实验中。

Representative Results

作为延迟时间的分布提取一个例子, 图5示出了识别和跟踪每个集落具有在一个板上的具体特征随着时间的推移,由于将在筛选测定来完成的ScanLag的能力。 当微生物的培养是异构的,不同的亚群可能在试验过程中显露出来。例如, 图6示出的外观量化,从而揭示了双峰滞后时间分布在大肠杆菌的突变株大肠杆菌。 细胞的生长速度影响菌落的出现时间。当菌落生长以同样的速度,出现较晚可以归因于滞后时间( 图7)。 为了验证该方法确实测量单个细胞的滞后时间,我们比较ScanLag结果与使用单细胞显微镜获得的;这种验证是递减在以前的出版物7 ribed的细节。此方法使监测更多的细胞比用显微镜进行评估。使用显微镜和使用ScanLag取得所得的分布在很大程度上重叠。该ScanLag分布稍宽;理论分析预测扩大为划分时间的标准偏差的顺序。如果生长时间是不同的每个菌株,在外观上与延迟的来源必须进一步用其它方法影响。 的早期出现菌落后菌落外观的影响进行了研究。对照实验7确认后的外观没有影响,只要每个平板菌落的总数没有超过200( 图8)。另一种控制实验证实,殖民地上盘的位置没有影响其出现的时间7。 的p的分析鲈被校准以取决于存在于生长培养基中或微生物的类型的营养物质,可能需要修改特定的阈值。然而,该分析是相当健壮的大范围的阈值, 如图所示9。 图1:创建一个殖民地的外观分布所需的步骤示意图。 图2的屏幕抓图设备管理器中显示的扫描仪附带的配置文件,以及姓名。 请点击此处查看大图版本这个数字。 图3的屏幕抓图扫描经理。 图4,屏幕截图ScanLagApp的。板的图像是在左边窗格中,每个菌落的生长曲线在右窗格中,如手册中详细说明。当两个或多个菌落合并在一些菌落面积曲线的尖峰出现。当殖民地合并发生时,这些殖民地的面积被认为是联合区。 图5。1板的分析的代表性结果:(A)的检测应用在实验结束时,输出的图像。每一集落区域被识别,彩色和分配有一个唯一的ID号。箭头指向B.测量基于强度阈值检测菌落(代表菌落在LB琼脂或M9琼脂大肠杆菌菌落这个阈值是0.03,其他媒体或细菌,这种阈值可以在函数ProcessPictures调整)。上述10个像素只有对象计数(此阈值可以在函数MatchColonies进行修改)。检测殖民地开始于大约10 5细菌。 (B)图解中的像素与在该板4代表菌落时间的区域。各殖民地的“演出时间”是在检测到殖民地时。每个菌落的'成长时间“在这里定义为在时间来回成长米20个像素至80像素(这些边界是可调节的使用功能getAppearanceGrowthByVec)。该软件不包括在达到上限之前合并的殖民地。特定菌落根据其特征识别是容易由于该识别号码和分配给每个集落的颜色。例如菌落#1,56,77和124的两个图形突出。 图6。外观量化可以发现双峰滞后时间分布的出现的次数为两个不同的菌株ScanLag分析直方图的比较。蓝线:野生型​​菌株成倍增长(总计:1,320殖民地);红线 – 高持久性突变富含落后菌(共1,529殖民地)。 ( 一 )归一化的外观直方图。高峰外观呈指数生长的细胞中是典型的时间长到可检测的菌落。插图:减去指数文化高峰的时间来获得实际的滞后时间对数间隔箱显示双峰滞后时间分配后的突变株相同的直方图。 ( 二)对数刻度的相同的数据(A)的生存功能。这种表示增强了突变株的后期外观尾巴。 图7。外观分布和生长时间的分布(A)和(B)表示的外观时二维直方图和在两种不同的条件(该软件不包括菌落到达上限之前合并)的生长时间。 (c)比较直方图两个菌株的显示出现的时间差异,而生长时间(D)是相似的。 请点击这里查看这个数字的放大版本。 图8。早期殖民地的外观不会干扰以后的菌落的外观。(一 )单独滞后镀野生型细胞的时间分布。 (二)单独滞后感冒敏感菌株的时间分布,转移到允许的温度后。 (C) 的滞后相同的条件下电镀一起两种菌株的时间分布。黑线表示基于分别测量各应变时所获得的数据的预期分布。一个好一个只要每个平板菌落的总数是200以下,获得预期的和测量的分布之间greement。 。图9中的检测阈值不影响菌落外观分布的形状的菌落外观分布为使用两个不同的阈值的大小相同的数据集进行分析; ( 一 )阈值大小为10像素; (B)阈值大小为50像素。每个直方图细胞数:约。 1500元。不同的检测阈值的效果只有在检测时间的转变。 图10。温度稳定性的测量ACR一盘用生长在无电源管理扫描器枯草芽孢杆菌菌落OSS扫描仪的表面。(A)图片。表面上的底变暖,因此,菌落生长得更快。板旁边的渐进线是热梯度的示意性表示。 (B)的温度稳定性的测定使用两个热电偶放置在扫描仪的表面。扫描仪在每次扫描过程中,并随时间不断升温。 (c)与电源管理,温度均匀,菌落生长在类似的速度。 ( 四)同(B)与电源管理模块。为±0.2°C的温度稳定性 图11。在外观上分布的差异,可能是由于二fferences在固体培养基的体积。相同的细菌的培养物铺于不同体积的LB琼脂,造成琼脂​​表面的不同高度。的不同高度导致了不同的不透明度的板,因此,不同的检测时间。间板差异被检查和高度不同条件之间的差异。 30±0.5毫升LB培养基琼脂等体积的板之间(A)典型的差异。不同高度条件之间(B)差异:外观分布进行了测定和40±0.5毫升(蓝色)30±0.5毫升(绿色)用于板与20±0.5毫升(红色)卷。每个条件是6个不同的板的平均值。只要板的体积是在±5毫升不等,不透明度是相似的,导致类似的外观的时间分布。

Discussion

基于直接观察显微方法通常被认为是“黄金标准”研究单细胞行为。 ScanLag,这使的滞后时间中的细菌种群分布的测量,提供了数据与从单细胞分析中得到的分布基本一致,并实现更高的统计信息。

几个关键步骤必须对这种方法进行很好地工作:第一,不要在扫描仪的分辨率,这应该是高达4,800 x 9,600,以获得良好的图像妥协。其次,要知道,没有电源管理模块(步骤1.6),温度梯度可能发展放在平板表面,影响成长。另一个重要步骤是可能已经被软件被误计为菌落诸如灰尘的缺陷的过滤。该软件的内置背景减法通常克服了这些缺陷,但有时是“假”的菌落有手动过滤。

主要的故障排除步骤可能会解决板间变异的设置,由于以下几个原因:(一)微生物的生长速度受温度的影响。不同的温度和湿度条件可能是由于在孵化器的菜通风不均或位置。 (b)该扫描仪的电子设备可能会发热,导致在整个扫描的表面上的温度梯度, 图10示出了在芽孢杆菌属细菌,例如空间的热梯度的影响下,连同之前放置在扫描仪的表面温度的测量值和实施电源管理模块后(步骤1.6)。注意,该模块可能没有必要为较新的扫描器,并且如果在扫描仪面的一部分的情况下,电源管理可能是不必要的。 (c)板材具有不同的不透明度琼脂营养可能导致不同的检测级别。 图11显示了日Ë容忍不同体积的营养琼脂导致不同的混浊。

实验的ScanLag技术是容易执行,只需要直接制版标准的培养皿的微生物,并且将它们放置在扫描仪的表面。被开发了的软件控制整个过程。图像采集是自动完成的,并且图像分析用于菌落跟踪也是自动进行的。此外,该系统可以按比例增加来测量许多不同的条件在同一时间。最后,该方法依赖于商业办公扫描仪,因此,成本低。

该技术可以扩展到微生物的从大肠杆菌不同的研究大肠杆菌 K-12,但几个因素必须作出。首先,早期出现的菌落在后来的影响必须被评估,因为在以前的出版物7进行详细描述。为E.大肠杆菌 K-12,本每盘CFU的最大密度为200,其他菌株不同大​​小的菌落,和殖民地之间的其他可能的串扰,可能需要不同的密度。第二,在板的分析校准到可能需要进行修改,这取决于固体介质和集落之间的对比是基于特定软件的阈值。该软件可以扩展还提取其他菌落特征,超越滞后和增长速度。软件代码是开放的,可以进行修改,以提取菌落的形状,亮度,平滑度和颜色。

因为测量上的菌落,从单个细胞起源制成,该数据表明,不能用群体水平的测量被测量的新的表型。滞后时间分布的重要性是显示在抗生素存在下进行。许多抗生素被称为是有效的只有对生长的细胞;因此只要细胞停留在滞后期,不长,他们是亲从这些抗生素21效果tected。当幸存细菌的数量都在时间间隔内的抗生素治疗15,22,23评价,亚群的细菌,称为持久化,常常显露。在某些情况下,免疫力抗生素治疗源于长期滞后。利用此设置,这种滞后显露并经常具有一个非平凡分布24( 图6)。这个方法还可以使稀有突变的检索。例如,电镀诱变的种群后,突变体可以基于表型鉴定,并直接分离,而不选择。该设置还可以监测细胞间的相互作用,通过测量菌落生长由于附近的菌落密度的函数和量化,如群体感应或蜂拥细菌的传播现象。通过使用这种方法今后的实验中发现了多维度的信息会导致微生物种群更好地表征s和在医学和环境研究的进展。

Offenlegungen

The authors have nothing to disclose.

Acknowledgements

We thank Eliq Oster for the images of the Bacillus subtillis. The work is supported by the European Research Council (# 260871) and the Israel Science Foundation (#592/10).

Materials

Name of Material Company Catalog Number Comments/Description
Bacto Agar BD 214010
Difco LB broth BD 240230
Petri dish 90mm Miniplast 20090-01
Name of Equipment
Epson Perfection v37 Epson B11B207201 Flatbed Scanner with Optical resolution: 4800 dpi, Hardware Resolution: 4800 x 9600 dpi, color bit depth 48-bit.
Epson Perfection v200 Epson B11B188011
Epson Perfection 3490 Epson B11B177011
ADU200 USB Relay ONTRAK
pieces of sterile black felt cloth custon made approximatly 100 x100 mm
white plate holders custon made surface size, with 6 x 99mm diameter hole
Delerin rings the size of the Petri dish custon made inner diameter: 72 mm
outer diameter: 86 mm
top outer diameter: 90 mm

Referenzen

  1. Bochner, B. R. Global phenotypic characterization of bacteria. FEMS Microbiol Rev. 33, 191-205 (2009).
  2. Monod, J. The growth of bacterial cultures. Annual Reviews in Microbiology. 3, 371-394 (1949).
  3. Penfold, W. J. On the Nature of Bacterial Lag. J Hyg (Lond. 14, 215-241 (1914).
  4. Powell, E. O. Growth rate and generation time of bacteria, with special reference to continuous culture. J Gen Microbiol. 15, 492-511 (1956).
  5. Elfwing, A., LeMarc, Y., Baranyi, J., Ballagi, A. Observing growth and division of large numbers of individual bacteria by image analysis. Applied and Environmental Microbiology. 70, 675-678 (2004).
  6. Hertog, A., et al. Simplified automated image analysis for detection and phenotyping of Mycobacterium tuberculosis on porous supports by monitoring growing microcolonies. PloS one. 5, (2010).
  7. Levin-Reisman, I., et al. Automated imaging with ScanLag reveals previously undetectable bacterial growth phenotypes. Nature Methods. 7, (2010).
  8. Lewis, K. Persister cells. Annual review of microbiology. 64, 357-372 (2010).
  9. Metris, A., George, S. M., Baranyi, J. Use of optical density detection times to assess the effect of acetic acid on single-cell kinetics. Applied and Environmental Microbiology. 72, 6674-6679 (2006).
  10. Niven, G. W., Fuks, T., Morton, J. S., Rua, S. A. C. G., Mackey, B. M. A novel method for measuring lag times in division of individual bacterial cells using image analysis. Journal of Microbiological Methods. 65, 311-317 (2006).
  11. Niven, G. W., Morton, J. S., Fuks, T., Mackey, B. A. Influence of environmental stress on distributions of times to first division in Escherichia coli populations, as determined by digital-image analysis of individual cells. Applied and Environmental Microbiology. 74, 3757-3763 (2008).
  12. Pin, C., Baranyi, J. Single-cell and population lag times as a function of cell age. Applied and Environmental Microbiology. 74, 2534-2536 (2008).
  13. Guillier, L., Pardon, P., Augustin, J. C. Influence of stress on individual lag time distributions of Listeria monocytogenes. Applied and Environmental Microbiology. 71, 2940-2948 (2005).
  14. Metris, A., George, S. M., Peck, M. W., Baranyi, J. Distribution of turbidity detection times produced by single cell-generated bacterial populations. Journal of Microbiological Methods. 55, 821-827 (2003).
  15. Balaban, N. Q., Merrin, J., Chait, R., Kowalik, L., Leibler, S. Bacterial persistence as a phenotypic switch. Science. 305, 1622-1625 (2004).
  16. Glaser, D. A., Wattenburg, W. H. An automated system for the growth and analysis of large numbers of bacterial colonies using an environmental chamber and a computer-controlled flying-spot scanner. Ann N Y Acad Sci. 139, 243-257 (1966).
  17. Guillier, L., Pardon, P., Augustin, J. C. Automated image analysis of bacterial colony growth as a tool to study individual lag time distributions of immobilized cells. Journal of Microbiological Methods. 65, 324-334 (2006).
  18. Michel, J. B., Yeh, P. J., Chait, R., Moellering, R. C., Kishony, R. Drug interactions modulate the potential for evolution of resistance. Proceedings of the National Academy of Sciences of the United States of America. 105, 14918-14923 (2008).
  19. Ernebjerg, M., Kishony, R. Distinct Growth Strategies of Soil Bacteria as Revealed by Large-Scale Colony Tracking. Applied and Environmental Microbiology. 78, 1345-1352 (2012).
  20. Rotem, E., et al. Regulation of phenotypic variability by a threshold-based mechanism underlies bacterial persistence. Proceedings of the National Academy of Sciences of the United States of America. 107, 12541-12546 (2010).
  21. Bigger, J. The bactericidal action of penicillin on staphylococcus pyogenes. Irish Journal of Medical Science. 19, 585-595 (1944).
  22. Hofsteenge, N., van Nimwegen, E., Silander, O. K. Quantitative analysis of persister fractions suggests different mechanisms of formation among environmental isolates of E. coli. BMC Microbiol. 13, 25 (2013).
  23. Moyed, H. S., Bertrand, K. P. Hipa a Newly Recognized Gene of Escherichia-Coli K-12 That Affects Frequency of Persistence after Inhibition of Murein Synthesis. Journal of Bacteriology. 155, 768-775 (1983).
  24. Balaban, N. Q. Persistence: mechanisms for triggering and enhancing phenotypic variability. Current Opinion in Genetics & Development. 21, 768-775 (2011).

Play Video

Diesen Artikel zitieren
Levin-Reisman, I., Fridman, O., Balaban, N. Q. ScanLag: High-throughput Quantification of Colony Growth and Lag Time. J. Vis. Exp. (89), e51456, doi:10.3791/51456 (2014).

View Video