Summary

Métabolomique quantitative de Saccharomyces Cerevisiae par chromatographie liquide couplée à la spectrométrie de masse en tandem

Published: January 05, 2021
doi:

Summary

Nous présentons un protocole pour l’identification et la quantification des principales classes de métabolites solubles dans l’eau dans la levure Saccharomyces cerevisiae. La méthode décrite est polyvalente, robuste et sensible. Il permet de séparer les isomères structurels et les formes stéréoisomériques de métabolites solubles dans l’eau les uns des autres.

Abstract

La métabolomique est une méthodologie utilisée pour l’identification et la quantification de nombreux intermédiaires et produits de faible poids moléculaire du métabolisme dans une cellule, un tissu, un organe, un fluide biologique ou un organisme. La métabolomique se concentre traditionnellement sur les métabolites solubles dans l’eau. Le métabolome soluble dans l’eau est le produit final d’un réseau cellulaire complexe qui intègre divers facteurs génomiques, épigénomiques, transcriptomiques, protéomiques et environnementaux. Par conséquent, l’analyse métabolomique évalue directement le résultat de l’action pour tous ces facteurs dans une pléthore de processus biologiques au sein de divers organismes. L’un de ces organismes est la levure bourgeonnante Saccharomyces cerevisiae, un eucaryote unicellulaire avec le génome entièrement séquencé. Parce que S. cerevisiae se prête à des analyses moléculaires complètes, il est utilisé comme modèle pour disséquer les mécanismes sous-jacents à de nombreux processus biologiques au sein de la cellule eucaryote. Une méthode d’analyse polyvalente pour l’évaluation quantitative robuste, sensible et précise du métabolome soluble dans l’eau fournirait la méthodologie essentielle pour disséquer ces mécanismes. Nous présentons ici un protocole pour les conditions optimisées de trempe de l’activité métabolique et d’extraction des métabolites solubles dans l’eau des cellules de S. cerevisiae. Le protocole décrit également l’utilisation de la chromatographie liquide couplée à la spectrométrie de masse en tandem (LC-MS/MS) pour l’analyse quantitative des métabolites solubles dans l’eau extraits. La méthode LC-MS/MS de métabolomique non ciblée décrite ici est polyvalente et robuste. Il permet l’identification et la quantification de plus de 370 métabolites solubles dans l’eau ayant diverses propriétés structurelles, physiques et chimiques, y compris différents isomères structuraux et formes stéréoisomériques de ces métabolites. Ces métabolites comprennent diverses molécules porteuses d’énergie, des nucléotides, des acides aminés, des monosaccharides, des intermédiaires de la glycolyse et des intermédiaires du cycle tricarboxylique. La méthode LC-MS/MS de métabolomique non ciblée est sensible et permet l’identification et la quantification de certains métabolites solubles dans l’eau à des concentrations aussi faibles que 0,05 pmol/μL. La méthode a été utilisée avec succès pour évaluer les métabolomes solubles dans l’eau de cellules de levure de type sauvage et mutantes cultivées dans différentes conditions.

Introduction

Les métabolites solubles dans l’eau sont des intermédiaires de faible poids moléculaire et des produits du métabolisme qui contribuent aux processus cellulaires essentiels. Ces processus conservés de manière évolutionnaire comprennent la conversion des nutriments en énergie utilisable, la synthèse de macromolécules, la croissance et la signalisation cellulaires, le contrôle du cycle cellulaire, la régulation de l’expression des gènes, la réponse au stress, la régulation post-traductionnelle du métabolisme, le maintien de la fonctionnalité mitochondriale, le trafic cellulaire vésiculaire, l’autophagie, le vieillissement cellulaire et la mort cellulaire régulée1,2,3.

Beaucoup de ces rôles essentiels des métabolites solubles dans l’eau ont été découverts par des études dans la levure bourgeonnante S. cerevisiae1,3,4,7,9,14,15,16,17,18,19,20,21,22. Cet eucaryote unicellulaire est un organisme modèle utile pour disséquer les mécanismes par lesquels les métabolites solubles dans l’eau contribuent aux processus cellulaires en raison de son aptitude aux analyses biochimiques, génétiques et biologiques moléculairesavancées23,24,25,26. Bien que les méthodes LC-MS/MS de métabolomique non ciblée aient été utilisées pour étudier les rôles des métabolites solubles dans l’eau dans les levures bourgeonnantes3,18,22,27, ce type d’analyse nécessite l’amélioration de sa polyvalence, de sa robustesse, de sa sensibilité et de sa capacité à distinguer les différents isomères structurels et les formes stéréoisomériques de ces métabolites.

Ces dernières années sont marquées par des progrès significatifs dans l’application des méthodes LC-MS/MS de métabolomique non ciblée au profilage des métabolites solubles dans l’eau in vivo. Cependant, de nombreux défis dans l’utilisation decetteméthodologierestent 2,28 , 29,30,31,32,33,34,35,36. Ces défis sont les suivants. Premièrement, les concentrations intracellulaires de nombreux métabolites solubles dans l’eau sont inférieures à un seuil de sensibilité pour les méthodes actuellement utilisées. Deuxièmement, l’efficacité de la trempe de l’activité métabolique est trop faible et l’étendue des fuites cellulaires associées à la trempe des métabolites intracellulaires est trop élevée pour les méthodes actuelles; par conséquent, les méthodes actuellement utilisées sous-estiment les concentrations intracellulaires de métabolites solubles dans l’eau. Troisièmement, les méthodes existantes ne peuvent pas différencier les isomères structuraux (c’est-à-dire des molécules ayant la même formule chimique mais une connectivité atomique différente) ou les stéréoisomères (c’est-à-dire des molécules ayant la même formule chimique et la même connectivité atomique, mais avec un arrangement atomique différent dans l’espace) de métabolites spécifiques; cela empêche l’annotation correcte de certains métabolites par les méthodes actuellement utilisées. Quatrièmement, les bases de données en ligne sur le spectral de masse des ions parents (MS1) et des ions secondaires (MS2) sont incomplètes; cela affecte l’identification et la quantification correctes de métabolites spécifiques à l’aide des données brutes LC-MS/MS produites à l’aide des méthodes actuelles. Cinquièmement, les méthodes existantes ne peuvent pas utiliser un seul type d’extraction de métabolites pour récupérer toutes ou la plupart des classes de métabolites solubles dans l’eau. Sixièmement, les méthodes existantes ne peuvent pas utiliser un seul type de colonne LC pour séparer les unes des autres toutes les classes ou la plupart des classes de métabolites solubles dans l’eau.

Ici, nous avons optimisé les conditions pour la trempe de l’activité métabolique dans les cellules de S. cerevisiae, en maintenant la plupart des métabolites solubles dans l’eau dans ces cellules avant l’extraction et en extrayant la plupart des classes de métabolites solubles dans l’eau des cellules de levure. Nous avons développé une méthode polyvalente, robuste et sensible pour l’identification et la quantification basées sur LC-MS/MS de plus de 370 métabolites solubles dans l’eau extraits de cellules de S. cerevisiae. Cette méthode de métabolomique non ciblée permet d’évaluer les concentrations intracellulaires de diverses molécules porteuses d’énergie, nucléotides, acides aminés, monosaccharides, intermédiaires de glycolyse et intermédiaires du cycle tricarboxylique. La méthode LC-MS/MS développée permet l’identification et la quantification de différents isomères structuraux et formes stéréoisomériques de métabolites solubles dans l’eau ayant diverses propriétés structurelles, physiques et chimiques.

Protocol

1. Fabrication et stérilisation d’un milieu de culture de levure Faire 180 mL d’un extrait de levure complet avec un milieu de bactopéptone (YP). Le milieu YP complet contient 1% (p / v) d’extrait de levure et 2% (w / v) de bactopéptone. Répartir 180 mL du milieu YP également dans quatre flacons d’Erlenmeyer de 250 mL. Chacune de ces fioles contient 45 mL du milieu YP. Stériliser les flacons avec un milieu YP par autoclavage à 15 psi/121 °C pendant 45 min. <p class=…

Representative Results

Pour améliorer une évaluation quantitative des métabolites solubles dans l’eau dans une cellule de levure, nous avons optimisé les conditions de trempe cellulaire pour la détection des métabolites. La trempe cellulaire à cette fin implique un arrêt rapide de toutes les réactions enzymatiques au seind’unecellule31,33,37,38. Un tel arrêt de l’activ…

Discussion

Pour utiliser avec succès le protocole décrit ici, suivez les mesures préventives décrites ci-dessous. Le chloroforme et le méthanol extraient diverses substances de la matière plastique de laboratoire. Par conséquent, manipulez-les avec prudence. Évitez l’utilisation de plastiques dans les étapes qui impliquent un contact avec l’un de ces deux solvants organiques. Utilisez des pipettes en verre borosilicate pour ces étapes. Augmentez ces pipettes avec du chloroforme et du méthanol avant utilisation. Utili…

Divulgations

The authors have nothing to disclose.

Acknowledgements

Nous sommes reconnaissants aux membres actuels et anciens du laboratoire Titorenko pour les discussions. Nous reconnaissons le Centre pour les applications biologiques de la spectrométrie de masse, le Centre de génomique structurale et fonctionnelle et le Centre de microscopie et d’imagerie cellulaire (tous de l’Université Concordia) pour leurs services exceptionnels. Cette étude a été financée par des subventions du Conseil de recherches en sciences naturelles et en génie (CNSR) du Canada (RGPIN 2014-04482 et CRDPJ 515900 – 17). K.M. a été soutenu par la bourse Armand C. Archambault de l’Université Concordia et le Prix d’excellence du doyen des arts et des sciences de l’Université Concordia.

Materials

Chemicals
Acetonitrile Fisher Scientific A9554
Ammonium acetate Fisher Scientific A11450
Ammonium bicarbonate Sigma 9830
Bactopeptone Fisher Scientific BP1420-2
Chloroform Fisher Scientific C297-4
Glucose Fisher Scientific D16-10
L-histidine Sigma H8125
L-leucine Sigma L8912
L-lysine Sigma L5501
Methanol Fisher Scientific A4564
Methanol Fisher Scientific A4564
Propidium iodide Thermo Scientific R37108
Uracil Sigma U0750
Yeast extract Fisher Scientific BP1422-2
Hardware equipment
500 ml centrifuge bottles Beckman 355664
Agilent 1100 series LC system Agilent Technologies G1312A
Beckman Coulter Centrifuge Beckman 6254249
Beckman Coulter Centrifuge Rotor Beckman JA-10
Centra CL2 clinical centrifuge Thermo Scientific 004260F
Digital thermometer Omega HH509
Foam Tube Holder Kit with Retainer Thermo Scientific 02-215-388
SeQuant ZIC-pHILIC zwitterionic-phase column (5µm polymer 150 x 2.1 mm) Sigma Milipore 150460
Thermo Orbitrap Velos MS Fisher Scientific ETD-10600
Ultrasonic sonicator Fisher Scientific 15337416
Vortex Fisher Scientific 2215365
ZORBAX Bonus-RP, 80Å, 2.1 x 150 mm, 5 µm Agilent Technologies 883725-901
Laboratory materials
2-mL Glass sample vials with Teflon lined caps Fisher Scientific 60180A-SV9-1P
Glass beads (acid-washed, 425-600 μm) Sigma-Aldrich G8772
Hemacytometer Fisher Scientific 267110
15-mL High-speed glass centrifuge tubes with Teflon lined caps PYREX 05-550
Software
Compound Discoverer 3.1 Fisher Scientific V3.1
Yeast strain
Yeast strain BY4742 Dharmacon YSC1049

References

  1. Hackett, S. R., et al. Systems-level analysis of mechanisms regulating yeast metabolic flux. Science. 354 (6311), aaf2786 (2016).
  2. Johnson, C. H., Ivanisevic, J., Siuzdak, G. Metabolomics: beyond biomarkers and towards mechanisms. Nature Reviews Molecular Cell Biology. 17 (7), 451-459 (2016).
  3. Mülleder, M., et al. Functional metabolomics describes the yeast biosynthetic regulome. Cell. 167 (2), 553-565 (2016).
  4. López-Otín, C., Galluzzi, L., Freije, J., Madeo, F., Kroemer, G. Metabolic control of longevity. Cell. 166 (4), 802-821 (2016).
  5. Krishnaiah, S. Y., et al. Clock regulation of metabolites reveals coupling between transcription and metabolism. Cell Metabolism. 25 (4), 961-974 (2017).
  6. Lee, H. J. Proteomic and metabolomic characterization of a mammalian cellular transition from quiescence to proliferation. Cell Reports. 20 (3), 721-736 (2017).
  7. Stryeck, S., Birner-Gruenberger, R., Madl, T. Integrative metabolomics as emerging tool to study autophagy regulation. Microbial Cell. 4 (8), 240-258 (2017).
  8. Babst, M. Eisosomes at the intersection of TORC1 and TORC2 regulation. Traffic. 20 (8), 543-551 (2019).
  9. Pedro, J., Sica, V., Madeo, F., Kroemer, G. Acyl-CoA-binding protein (ACBP): the elusive ‘hunger factor’ linking autophagy to food intake. Cell Stress. 3 (10), 312-318 (2019).
  10. Rahmani, S., Defferrari, M. S., Wakarchuk, W. W., Antonescu, C. N. Energetic adaptations: Metabolic control of endocytic membrane traffic. Traffic. 20 (12), 912-931 (2019).
  11. Viltard, M., et al. The metabolomic signature of extreme longevity: naked mole rats versus mice. Aging. 11 (14), 4783-4800 (2019).
  12. Zhu, J., Thompson, C. B. Metabolic regulation of cell growth and proliferation. Nature Reviews Molecular Cell Biology. 20 (7), 436-450 (2019).
  13. Morrison, A. J. Chromatin-remodeling links metabolic signaling to gene expression. Molecular Metabolism. 38, 100973 (2020).
  14. Bitterman, K. J., Medvedik, O., Sinclair, D. A. Longevity regulation in Saccharomyces cerevisiae: linking metabolism, genome stability, and heterochromatin. Microbiology and Molecular Biology Reviews. 67 (3), 376-399 (2003).
  15. Carmona-Gutierrez, D. Apoptosis in yeast: triggers, pathways, subroutines. Cell Death and Differentiation. 17 (5), 763-773 (2010).
  16. Minois, N., Carmona-Gutierrez, D., Madeo, F. Polyamines in aging and disease. Aging. 3 (8), 716-732 (2011).
  17. Ring, J., et al. The metabolism beyond programmed cell death in yeast. Experimental Cell Research. 318 (11), 1193-1200 (2012).
  18. Ibáñez, A. J., et al. Mass spectrometry-based metabolomics of single yeast cells. Proceedings of the National Academy of Sciences of the United States of America. 110 (22), 8790-8794 (2013).
  19. Pietrocola, F., et al. Acetyl coenzyme A: a central metabolite and second messenger. Cell Metabolism. 21 (6), 805-821 (2015).
  20. Carmona-Gutierrez, D., et al. Guidelines and recommendations on yeast cell death nomenclature. Microbial Cell. 5 (1), 4-31 (2018).
  21. Zimmermann, A., et al. Yeast as a tool to identify anti-aging compounds. FEMS Yeast Research. 18 (6), foy020 (2018).
  22. Leupold, S., et al. Saccharomyces cerevisiae goes through distinct metabolic phases during its replicative lifespan. eLife. 8, e41046 (2019).
  23. Weissman, J., Guthrie, C., Fink, G. R. . Guide to Yeast Genetics: Functional Genomics, Proteomics, and Other Systems Analyses. , (2010).
  24. Botstein, D., Fink, G. R. Yeast: an experimental organism for 21st century biology. Génétique. 189 (3), 695-704 (2011).
  25. Duina, A. A., Miller, M. E., Keeney, J. B. Budding yeast for budding geneticists: a primer on the Saccharomyces cerevisiae model system. Génétique. 197 (1), 33-48 (2014).
  26. Strynatka, K. A., Gurrola-Gal, M. C., Berman, J. N., McMaster, C. R. How surrogate and chemical genetics in model organisms can suggest therapies for human genetic diseases. Génétique. 208 (3), 833-851 (2018).
  27. Boer, V. M., et al. Growth-limiting intracellular metabolites in yeast growing under diverse nutrient limitations. Molecular Biology of the Cell. 21 (1), 198-211 (2010).
  28. Clish, C. B. Metabolomics: an emerging but powerful tool for precision medicine. Cold Spring Harbor Molecular Case Studies. 1 (1), a000588 (2015).
  29. Fuhrer, T., Zamboni, N. High-throughput discovery metabolomics. Current Opinion in Biotechnology. 31, 73-78 (2015).
  30. Liu, X., Locasale, J. W. Metabolomics: A primer. Trends in Biochemical Sciences. 42 (4), 274-284 (2017).
  31. Lu, W., et al. Metabolite measurement: pitfalls to avoid and practices to follow. Annual Review of Biochemistry. 86, 277-304 (2017).
  32. Riekeberg, E., Powers, R. New frontiers in metabolomics: from measurement to insight. F1000 Reseach. 6, 1148 (2017).
  33. Gertsman, I., Barshop, B. A. Promises and pitfalls of untargeted metabolomics. Journal of Inherited Metabolic Disease. 41 (3), 355-366 (2018).
  34. Cui, L., Lu, H., Lee, Y. H. Challenges and emergent solutions for LC-MS/MS based untargeted metabolomics in diseases. Mass Spectrometry Reviews. 37 (6), 772-792 (2018).
  35. Ivanisevic, J., Want, E. J. From samples to insights into metabolism: Uncovering biologically relevant information in LC-HRMS metabolomics data. Metabolites. 9 (12), 308 (2019).
  36. Srivastava, S. Emerging insights into the metabolic alterations in aging using metabolomics. Metabolites. 9 (12), 301 (2019).
  37. Chetwynd, A. J., Dunn, W. B., Rodriguez-Blanco, G. Collection and preparation of clinical samples for metabolomics. Advances in Experimental Medicine and Biology. 965, 19-44 (2017).
  38. Pinu, F. R., Villas-Boas, S. G., Aggio, R. Analysis of intracellular metabolites from microorganisms: quenching and extraction protocols. Metabolites. 7 (4), (2017).
  39. Zhang, N., et al. Cell permeability and nuclear DNA staining by propidium iodide in basidiomycetous yeasts. Applied Microbiology and Biotechnology. 102 (9), 4183-4191 (2018).
  40. Tu, B. P., et al. Cyclic changes in metabolic state during the life of a yeast cell. Proceedings of the National Academy of Sciences of the United States of America. 104 (43), 16886-16891 (2007).
  41. Walvekar, A., Rashida, Z., Maddali, H., Laxman, S. A versatile LC-MS/MS approach for comprehensive, quantitative analysis of central metabolic pathways. Wellcome Open Research. 3, 122 (2018).
  42. Buescher, J. M., Moco, S., Sauer, U., Zamboni, N. Ultrahigh performance liquid chromatography-tandem mass spectrometry method for fast and robust quantification of anionic and aromatic metabolites. Analytical Chemistry. 82 (11), 4403-4412 (2010).
  43. Cui, L., Lu, H., Lee, Y. H. Challenges and emergent solutions for LC-MS/MS based untargeted metabolomics in diseases. Mass Spectrometry Reviews. 37 (6), 772-792 (2018).
  44. Oberacher, H., et al. Annotating nontargeted LC-HRMS/MS data with two complementary tandem mass spectral libraries. Metabolites. 9 (1), 3 (2018).
  45. Tada, I., et al. Creating a reliable mass spectral-retention time library for all ion fragmentation-based metabolomics. Metabolites. 9 (11), 251 (2019).
  46. Villas-Bôas, S. G., et al. Global metabolite analysis of yeast: evaluation of sample preparation methods. Yeast. 22 (14), 1155-1169 (2005).
  47. Crutchfield, C. A., Lu, W., Melamud, E., Rabinowitz, J. D. Mass spectrometry-based metabolomics of yeast. Methods in Enzymology. 470, 393-426 (2010).
  48. Zhang, T., Creek, D. J., Barrett, M. P., Blackburn, G., Watson, D. G. Evaluation of coupling reversed phase, aqueous normal phase, and hydrophilic interaction liquid chromatography with Orbitrap mass spectrometry for metabolomic studies of human urine. Analytical Chemistry. 84 (4), 1994-2001 (2012).
  49. Villas-Bôas, S. G., Moxley, J. F., Akesson, M., Stephanopoulos, G., Nielsen, J. High-throughput metabolic state analysis: the missing link in integrated functional genomics of yeasts. Biochemical Journal. 388 (Pt 2), 669-677 (2005).
  50. Buescher, J. M., Moco, S., Sauer, U., Zamboni, N. Ultrahigh performance liquid chromatography-tandem mass spectrometry method for fast and robust quantification of anionic and aromatic metabolites. Analytical Chemistry. 82 (11), 4403-4412 (2010).

Play Video

Citer Cet Article
Mohammad, K., Jiang, H., Titorenko, V. I. Quantitative Metabolomics of Saccharomyces Cerevisiae Using Liquid Chromatography Coupled with Tandem Mass Spectrometry. J. Vis. Exp. (167), e62061, doi:10.3791/62061 (2021).

View Video