이 프로토콜은 1,536개의 미세분석 플레이트 준비에서 6주간의 실험 기간 종료에 이르는 고처리량 결정화 스크리닝을 자세히 설명합니다. 시료 설정, 얻은 이미징 및 사용자가 인공 지능 지원 그래픽 사용자 인터페이스를 사용하여 분석을 수행하여 거대분자 결정화 조건을 빠르고 효율적으로 식별하는 방법에 대한 세부 정보가 포함되어 있습니다.
X선 결정학은 거대분자 구조를 식별하기 위해 가장 일반적으로 사용되는 기술이지만, 단백질을 회절에 적합한 정렬된 격자로 결정화하는 중요한 단계는 여전히 어려운 일입니다. 생체 분자의 결정화는 대체로 실험적으로 정의되며, 이 과정은 노동 집약적일 수 있으며 자원이 제한된 기관의 연구자에게는 금지될 수 있습니다. 국립 고처리량 결정화(HTX) 센터에서는 광범위한 결정화 파라미터를 샘플링하도록 설계된 자동화된 고처리량 1,536웰 마이크로배치 언더오일 플레이트 설정을 포함하여 결정 성장을 촉진하기 위해 재현성이 높은 방법을 구현했습니다. 플레이트는 6주 동안 최첨단 이미징 양식을 사용하여 모니터링되어 결정 성장에 대한 통찰력을 제공하고 귀중한 수정 히트를 정확하게 구별합니다. 또한 결정 히트를 식별하기 위한 훈련된 인공 지능 스코어링 알고리즘의 구현과 실험 이미지를 볼 수 있는 오픈 소스의 사용자 친화적인 인터페이스가 결합되어 결정 성장 이미지 분석 프로세스를 간소화합니다. 여기에서는 칵테일 및 결정화 플레이트의 준비, 플레이트 이미징 및 재현성을 보장하고 성공적인 결정화 가능성을 높이는 방식으로 히트를 식별하기 위한 주요 절차 및 기기에 대해 설명합니다.
구조 생물학 방법이 엄청나게 발전한 시대에도 X선 결정학은 거대분자의 고품질 구조 모델을 생성하기 위한 신뢰할 수 있고 인기 있는 방법입니다. 단백질 데이터 뱅크(PDB)에 기탁된 모든 3차원 구조 모델의 85% 이상이 결정 기반 구조 방법(2023년 1월 기준)에서 나온 것입니다. 1 또한, X선 결정학은 약물 발견 및 개발 과정의 중요한 구성 요소인 단백질-리간드 구조를 해결하는 데 없어서는 안 될 필수 요소입니다2. 단백질 결정화가 반세기 이상 지배적인 구조 생물학 기술로 남아 있었음에도 불구하고, 물리적 특성3 또는 서열 4,5를 기반으로 결정화 가능성을 예측하는 방법은 아직 초기 단계에 있습니다.
결정화 조건의 예측은 훨씬 더 모호합니다. 모델 단백질 6,7에 대해서도 가능한 결정화 조건을 예측하기 위해 제한된 진전이 이루어졌습니다. 다른 연구에서는 PDB 8,9,10에서 채굴된 단백질 상동성 및 조건을 기반으로 결정화 조건을 확인하려고 시도했습니다. 그러나 PDB에서 찾을 수 있는 예측력은 최종적이고 성공적인 결정화 조건만 증착되기 때문에 제한적이며, 이는 필요에 따라 결정 성장을 미세 조정하는 데 필요한 광범위한 최적화 실험을 놓치게 됩니다. 또한, 많은 PDB 엔트리들은, 칵테일 공식들, 결정화 포맷, 온도, 및 결정화하기 위한 시간(11, 12)을 포함하는 이들 세부사항들을 포함하는 메타데이터를 결여한다. 따라서 많은 관심 단백질의 경우 결정화 조건을 결정하는 가장 접근하기 쉬운 방법은 광범위한 화학적 가능성에 걸쳐 가능한 한 많은 조건을 사용하여 실험적으로 결정하는 것입니다.
결정화 스크리닝을 가능한 한 유익하고 철저하게 만들기 위한 몇 가지 접근법이 큰 효과를 내기 위해 연구되었는데, 여기에는 희소 매트릭스 13, 불완전 요인 스크리닝 14, 첨가제15, 16, 파종 17 및 핵 형성제 18이 포함된다. Hauptman-Woodward Medical Research Institute(HWI)의 국립 HTX 센터(National HTX Center)는 비교적 적은 양의 시료 및 칵테일 부피를 사용하여 초기 결정화 조건의 식별을 간소화하기 위해 자동화된 액체 처리 및 이미징 방식을 활용하는 마이크로배치-언더-오일 접근법(microbatch-under-oil-approach19)을 사용하여 결정화 스크리닝을 위한 효율적인 파이프라인을 개발했습니다(그림 1). 1,536개의 독특한 칵테일 세트는 단백질 결정 성장에 도움이 되는 것으로 이전에 결정된 조건에 기초하며, 가능한 결정화 조건의 넓은 범위를 샘플링하기 위해 화학적으로 다양하도록 설계된다(20,21,22). 결정화 조건의 광범위한 샘플링은 하나 이상의 결정화 리드를 관찰할 가능성을 높입니다.
스크리닝에 얼마나 많은 조건이 필요한지에 대한 공식적인 분석은 문헌에 거의 나타나지 않았습니다. 한 연구에서는 서로 다른 스크린의 샘플링 레이아웃에 초점을 맞추었고 구성 요소의 무작위 샘플링(불완전한 요인과 유사)이 가장 철저하고 효율적인 샘플링 방법을 나타낸다는 것을 발견했습니다23. 스크리닝에 대한 또 다른 연구는 매우 철저한 1,536개의 스크린이 단 하나의 결정 히트(24)만을 산출하는 수많은 사례가 있었다는 것을 언급했으며, 매우 최근의 연구에서는 대부분의 상업용 스크린이 스크리닝 히트(25)와 관련된 것으로 알려진 결정화 공간을 과소 샘플링한다는 점을 강조했다. 모든 결정화 리드가 결정 내 고유한 무질서, 회절 제한 또는 결정 결함으로 인해 데이터 수집에 적합한 회절 품질 결정을 생성하는 것은 아닙니다. 따라서 조건에 대해 더 넓은 그물을 주조하면 최적화를 위한 대체 결정 형태를 제공하는 추가적인 이점이 있습니다.
단백질 결정화 실험의 형식도 스크린의 성공에 영향을 미칩니다. 증기 확산은 고처리량 결정화 응용 분야에 가장 일반적으로 사용되는 설정이며 EMBL 함부르크 및 파스퇴르 연구소 고처리량 스크리닝 센터26,27,28을 포함한 최첨단 결정화 센터에서 활용됩니다. HTX 센터는 마이크로 배치 언더 오일 방법을 사용합니다. 덜 일반적으로 사용되지만, 샘플 및 결정화 칵테일20,21,22의 소비를 최소화하는 강력한 방법입니다. 마이크로 배치-언더-오일 방법의 한 가지 이점은, 특히 고점도 파라핀 오일을 사용할 때, 실험 중 방울 내에서 약간의 증발만 발생한다는 것인데, 이는 방울 혼합 시 평형 농도가 달성됨을 의미합니다. 마이크로 배치-언더-오일 분석법에서 양의 결정화 결과가 관찰되는 경우, 이러한 조건의 재현은 일반적으로 결정화 방울과 저장소 사이의 평형 중에 정의되지 않은 지점에서 결정화가 발생하는 증기 확산 설정보다 더 간단합니다. 적중의 재현성은 일반적으로 단결정 X선 실험에 최적화해야 하는 엄청나게 작은 단백질 결정을 생성하는 고처리량 결정화 접근법에 바람직합니다.
가용성 단백질에 대한 고처리량 결정화 스크린은 사내에서 제조되는 칵테일, 기성품 상업용 스크린 및 자체 개질된 상업용 스크린(22)으로 구성된다. 칵테일은 초기에 이전에 성공한 결정화 칵테일20을 사용하여 불완전한 요인 전략을 사용하여 개발되었다. 상업적으로 이용 가능한 스크리닝의 시약에는 폴리머 어레이, 결정화 염, PEG 및 이온 조합과 희소 매트릭스 및 불완전한 요인 접근법을 활용하는 스크리닝이 포함됩니다. 또한 스크리닝에 포함되기 전에 변형되는 시약이 있습니다: 첨가제 스크리닝, pH 및 완충액 스크린, 이온성 액체 첨가제 스크린, 및 폴리머 스크린.
알려진 결정화 조건 및 전략의 힘은 1,536개의 결정화 칵테일에서 활용되었으며, 자동화된 액체 처리, 자동화된 명시야 이미징 및 키랄 결정의 2차 비선형 이미징(SONICC)을 사용하는 파이프라인을 생성하기 위해 마이크로 배치-언더-오일 시스템의 이점과 함께 활용되었습니다. 액체 취급 및 이미징의 자동화는 습식 실험실 시간을 줄이고 재현성을 높이는 이점을 제공합니다. 자동 결정화 스크리닝의 고처리량 특성으로 인해 결정 성장 모니터링 프로세스의 자동화가 필요합니다. 이러한 발전은 양성 결정 히트를 식별하는 데 도움이 되는 최첨단 이미징 기술로 달성됩니다. 플레이트의 표준 명시야 이미징과 향상된 검출을 위한 다광자 분석법은 모두 SONICC의 수정 이미징 시스템을 통해 사용됩니다(그림 2). SONICC는 2차 고조파 생성(SHG)29 현미경과 자외선 2광자 여기 형광(UV-TPEF)30 현미경을 결합하여 매우 작은 결정과 침전물에 의해 가려진 결정을 검출합니다. SONICC 이미징은 웰에 단백질(UV-TPEF를 통해)과 결정(SHG를 통해)이 포함되어 있는지 여부를 알려줍니다. 단백질 결정의 양성 식별 외에도 최첨단 이미징 방법을 사용하여 추가 정보를 얻을 수도 있습니다. 샘플 추가 전의 칵테일 전용 이미징은 음성 대조군으로 사용됩니다. 이러한 이미지는 염 결정 및 파편을 포함하여 샘플 추가 전의 웰 외관을 식별할 수 있습니다. 추가적으로, SHG 및 UV-TPEF 이미징은 염 결정으로부터 단백질 결정을 구별하는 것을 돕고, 단백질-핵산 복합체 물질31을 시각화하는데 사용될 수 있다.
이미징을 통해 반복적으로 모니터링되는 고처리량 결정화 실험은 검사가 필요한 매우 많은 양의 이미지를 생성합니다. 자동화된 크리스탈 스코어링 방법은 사용자의 부담을 줄이고 양성 크리스탈 히트를 식별할 확률을 높이기 위해 개발되었습니다. HTX 센터는 명시야 우물 이미지를 분류하기 위해 학계, 비영리, 정부 및 업계 파트너의 컨소시엄이 개발한 훈련된 심층 컨볼루션 신경망 아키텍처인 MARCO(MAchine Recognition of Crystallization Outcomes) 스코어링 알고리즘 개발에 참여했습니다32. 이 알고리즘은 서로 다른 결정화 방법과 서로 다른 이미저를 사용하는 여러 기관의 결정화 실험에서 얻은 거의 500만 개의 명시야 이미지에 대해 훈련되었습니다. 이 알고리즘은 주어진 이미지가 “crystal”, “clear”, “precipitate” 및 “other”의 네 가지 가능한 이미지 클래스에 속하는지 여부를 나타내는 확률적 점수를 출력합니다. MARCO의 분류 정확도는 94.5%입니다. 크리스털 검출은 알고리즘을 구현하고, 접근가능하고 간단한 이미지 보기를 위한 그래픽 사용자 인터페이스(GUI)를 제공하는 소프트웨어에 의해 더욱 향상되며, AI 지원 스코어링 능력(32,33)으로 가능해진다. MARCO Polo GUI는 HTX 센터의 이미징 및 데이터 관리 시스템 설정과 원활하게 작동하여 1,536웰 스크린에서 히트를 식별하고 사람의 참여를 통해 정렬된 목록의 출력을 검사하도록 설계되었습니다. 또한 GitHub에서 사용할 수 있는 오픈 소스 소프트웨어인 GUI는 다른 실험실 그룹의 특정 요구 사항을 반영하기 위해 쉽게 수정할 수 있습니다.
여기에서는 칵테일과 단백질을 모두 전달하기 위해 로봇 액체 처리를 사용하여 고처리량 마이크로 배치 언더 오일 실험을 설정하는 과정을 설명합니다. HTX 센터는 관심 있는 사용자에게 선별 서비스와 교육 리소스를 제공하는 것을 목표로 다른 기관에서는 볼 수 없는 고유한 도구 및 리소스를 보유하고 있습니다. 로봇 공학 지원 고 처리량 기술의 방법과 기능을 시연하면 커뮤니티가 사용 가능한 기술에 대한 지식을 얻고 자체 구조 결정 노력에 대한 결정을 내릴 수 있습니다.
이 방법은 마이크로 배치-언더-오일 형식에서 1,536개의 개별 결정화 실험에 500μL의 샘플만 필요한 단백질 결정화 스크리닝을 위한 고처리량 파이프라인을 설명합니다. 파이프라인은 액체 처리 로봇을 사용하여 실험 설정을 빠르고 재현 가능하게 지원하며, MARCO 알고리즘을 사용하여 1,536웰 플레이트 이미지를 분석하여 결정 히트를 식별하고 분리하도록 맞춤화된 전산 이미지 분석 리소스인 MARCO Polo에 의존합니다.
소량의 개별 스크리닝 방울(총 400nL, 샘플:칵테일 비율 1:1)은 양성 결정화 조건을 식별하기 위해 매우 적은 양의 샘플이 필요하다는 것을 의미합니다. 이러한 작은 방울 크기는 필연적으로 전통적인 루핑으로 낚시할 수 없는 작은 결정을 생성합니다. 1,536개의 판에서 수확하는 방법이 개발되었다.37; 추가적으로, 결정이 있는 플레이트는 현장 데이터 수집38을 위해 싱크로트론 소스에서 직접 사용되었습니다. 이러한 결정을 수확하기 위한 강력한 방법이 개발되면 싱크로트론 기술과 마이크로 포커스 빔의 발전으로 유용한 데이터 세트를 더욱 얻을 수 있을 것입니다. 또한 얻은 결정은 잠재적으로 최적화 노력의 씨앗으로 사용될 수 있습니다.
SONICC 이미징은 작은 단백질 결정과 침전물 아래에 숨겨진 단백질 결정을 모두 식별하는 데 분명히 유리합니다. 이러한 장점에도 불구하고 모든 시료 유형이 SHG 및 UV-TPEF 이미징에 적합한 것은 아닙니다. 예를 들어, 방향족 트립토판 잔기가 거의 또는 전혀 없는 단백질은 모호한 UV-TPEF 신호를 나타냅니다. 또한, 중심 대칭 그룹 또는 점 그룹(432)을 포함하는 특정 공간 그룹의 결정은 SHG 이미징에 의해 검출되지 않을 것이다. 형광단이 있는 샘플은 때때로 SHG 신호를 방해하여 신호를 상쇄하거나 강도를 증가시키는데, 이는 금속 함유 단백질 및 형광 모이어티를 포함하는 단백질에 대해 SHG 신호의 신중한 해석이 필요함을 의미합니다. 그러나 많은 경우 SHG 또는 UV-TPEF 신호의 부재를 합리화할 수 있으며 이러한 신호의 부족이 반드시 단백질 결정의 존재를 배제해서는 안 됩니다.
microbatch-under-oil 형식은 고처리량 결정학에 사용되는 보다 일반적인 증기 확산 방법에 대한 대안을 제공합니다. 중요하게도, 결정화 포맷은 히트 식별(39)에 영향을 미치며, 이는 고처리량 스크리닝 노력을 위해 상이한 결정화 포맷을 사용하기 위한 이론적 근거를 제공한다. 자동 이미징 및 SONICC 지원 양식은 6주간의 실험 기간 동안 단백질 결정을 신속하게 식별하는 데 도움이 됩니다. 마지막으로, MARCO Polo GUI를 통해 사용자는 1,536개 조건의 이미지를 신속하게 분석하여 최적화를 위한 유망한 히트 웰을 식별할 수 있습니다. 로봇 공학을 지원하는 고처리량 실험 설정과 분석을 위한 최첨단 이미징 및 계산 도구를 포함한 HTX 센터의 기능은 연구원들이 결정 기반 구조 작업의 주요 병목 현상인 결정화 조건을 찾는 데 효과적으로 대처할 수 있도록 지원함으로써 구조 생물학 커뮤니티에 큰 기여를 합니다.
The authors have nothing to disclose.
우리는 결정 스크리닝을 위해 귀중한 샘플을 우리에게 맡기고 구조 생물학 커뮤니티에 더 나은 서비스를 제공하기 위해 리소스를 개선하고 개발하는 데 도움이 된 중요한 피드백과 요청을 제공한 사용자에게 감사를 표하고 싶습니다. 또한 MARCO Polo GUI의 개발을 주도한 Ethan Holleman, Lisa J Keefe 박사, Erica Duguid 박사에게도 감사의 말을 전합니다. HWI 동료들의 지원과 제안, 특히 Dr. Diana CF Monteiro에게 감사드립니다. 우리는 국립 보건원 (National Institutes of Health, R24GM141256)의 자금 지원을 인정합니다.
1536 Well Imp@ct LBR LoBase | Greiner Bio-One | 790 801 | |
Acetic acid | Hampton Research | HR2-853 | |
AlumaSeal II Sealing Film | Hampton Research | HR8-069 | |
Ammonium bromide | Molecular Dimensions | MD2-100-247 | |
Ammonium chloride | Hampton Research | HR2-691 | |
Ammonium hydroxide | Hampton Research | HR2-855 | |
Ammonium nitrate | Hampton Research | HR2-665 | |
Ammonium phosphate dibasic | Hampton Research | HR2-629 | |
Ammonium phosphate monobasic | Hampton Research | HR2-555 | |
Ammonium sulfate | Hampton Research | HR2-541 | |
Ammonium thiocyanate | Molecular Dimensions | MD2-100-301 | |
Bicine pH 9.0 | Hampton Research | HR2-723 | |
Bis-tris propane pH 7.0 | Hampton Research | HR2-993-08 | |
Calcium acetate | Hampton Research | HR2-567 | |
Calcium chloride dihydrate | Hampton Research | HR2-557 | |
CAPS pH 10.0 | Rigaku Reagents | none given | |
ClearSeal Film | Hampton Research | HR4-521 | |
Cobalt sulfate heptahydrate | Molecular Dimensions | MD2-100-42 | |
Crystal Screen HT screen | Hampton Research | HR2-130 | |
Formulator | Formulatrix | ||
Glycerol | Hampton Research | HR2-623 | |
Gryphon liquid handling robot | Art Robbins Instruments | ||
HEPES pH 7.0 | Hampton Research | HR2-902-03 | |
HEPES pH 7.5 | Hampton Research | HR2-902-08 | |
HWI HTX Center sample submission form | https://hwi.buffalo.edu/high-throughput-crystallization-screening-center-sample-submission-form/ | ||
Hydrochloric acid | Hampton Research | HR2-581 | |
Index HT screen | Hampton Research | HR2-134 | |
Ionic Liquid screen | Hampton Research | HR2-214 | |
Lithium bromide | Molecular Dimensions | MD2-100-312 | |
Lithium chloride | Hampton Research | HR2-631 | |
Lithium sulfate monohydrate | Hampton Research | HR2-545 | |
Magnesium acetate tetrahydrate | Hampton Research | HR2-561 | |
Magnesium chloride hexahydrate | Hampton Research | HR2-559 | |
Magnesium nitrate hexahydrate | Hampton Research | HR2-657 | |
Magnesium sulfate heptahydrate | Hampton Research | HR2-821 | |
Manganese chloride tetrahydrate | Millipore Sigma | 63535-50G | |
Manganese sulfate monohydrate | Molecular Dimensions | MD2-100-310 | |
MARCO Polo GUI download | https://hauptman-woodward.github.io/Marco_Polo/ | ||
Matrix Platemate 2 x 3 liquid handling robot | Thermo Scientific | ||
MES pH 6.0 | Hampton Research | HR2-943-09 | |
Mosquito liquid handling robot | SPTLabtech | ||
Paraffin Oil/White Mineral Oil Saybolt Viscosity 340-365 at 100 °F | Sigma Aldrich | PX0045-3 | |
PEG 1000 | Hampton Research | HR2-523 | |
PEG 2000 | Hampton Research | HR2-592 | |
PEG 20000 | Hampton Research | HR2-609 | |
PEG 3350 | Hampton Research | HR2-527 | |
PEG 400 | Hampton Research | HR2-603 | |
PEG 4000 | Hampton Research | HR2-529 | |
PEG 6000 | Hampton Research | HR2-533 | |
PEG 8000 | Hampton Research | HR2-535 | |
PEG/Ion HT screen | Hampton Research | HR2-139 | |
PEGRx HT screen | Hampton Research | HR2-086 | |
Plate reservations | htslab@hwi.buffalo.edu | ||
Potassium acetate | Hampton Research | HR2-671 | |
Potassium bromide | Hampton Research | HR2-779 | |
Potassium carbonate | Molecular Dimensions | MD2-100-311 | |
Potassium chloride | Hampton Research | HR2-649 | |
Potassium nitrate | Hampton Research | HR2-663 | |
Potassium phosphate dibasic | Hampton Research | HR2-635 | |
Potassium phosphate-monobasic | Hampton Research | HR2-553 | |
Potassium phosphate-tribasic | Molecular Dimensions | MD2-100-309 | |
Potassium thiocyanate | Hampton Research | HR2-695 | |
Rock Imager 1000 with SONICC | Formulatrix | ||
Rock Imager 54 | Formulatrix | ||
Rubidium chloride | Millipore Sigma | R2252-10G | |
SaltRx HT screen | Hampton Research | HR2-136 | |
Silver Bullets screen | Hampton Research | HR2-096 | |
Slice pH screen | Hampton Research | HR2-070 | |
Sodium acetate pH 5.0 | Hampton Research | HR2-933-15 | |
Sodium bromide | Hampton Research | HR2-699 | |
Sodium chloride | Hampton Research | HR2-637 | |
Sodium citrate pH 4.2 | Hampton Research | HR2-935-01 | |
Sodium citrate pH 5.6 | Hampton Research | HR2-735 | |
Sodium hydroxide | Hampton Research | HR2-583 | |
Sodium molybdate dihydrate | Molecular Dimensions | MD2-100-207 | |
Sodium nitrate | Hampton Research | HR2-661 | |
Sodium phosphate monobasic | Hampton Research | HR2-551 | |
Sodium thiosulfate pentahydrate | Molecular Dimensions | MD-100-307 | |
StockOptions Polymer screen | Hampton Research | HR2-227 | |
Tacsimate pH 7 | Hampton Research | HR2-755 | |
TAPS pH 9.0 | bioWORLD | 40121071 | |
Tris pH 8 | Hampton Research | HR2-900-11 | |
Tris pH 8.5 | Hampton Research | HR2-725 | |
ViaFLO 384 | Integra | ||
ViaFLO 384 384 channel pipettor head (0.5-12.5µL) | Integra | ||
ViaFLO 384 96 channel pipettor head (300µL) | Integra | ||
Zinc acetate dihydrate | Hampton Research | HR2-563 |