Summary

המסה ספקטרומטר מודרמטריה מונחה הגנום ככלי לחשוף מוצרים טבעיים הרומן

Published: March 12, 2020
doi:

Summary

פרוטוקול הכרייה ההמוני-מונחה הגנום מבוסס ומתואר כאן. הוא מבוסס על מידע רצף הגנום ו-LC-MS/MS ניתוח ומטרתו להקל על זיהוי של מולקולות מחיידקים מורכבים ותמציות צמחים.

Abstract

המרחב הכימי המכוסה על-ידי מוצרים טבעיים הוא עצום ובלתי מוכר באופן נרחב. לכן, מתודולוגיות נוחות לביצוע הערכה נרחבת של התפקודים שלהם בטבע והטבות אנושיות פוטנציאליות (לדוגמה, עבור יישומים של גילוי סמים), רצוי. פרוטוקול זה מתאר את השילוב של כריית הגנום (GM) ורשת מולקולרית (MN), שתי גישות עכשוויות התואמות גנים מקודד אשכולות ביאורים כל רצף הגנום עם חתימות מבנה כימי מתמציות מטבולית גולמי. זהו הצעד הראשון לקראת גילוי של ישויות טבעיות חדשות. מושגים אלה, כאשר מיושם יחד, מוגדרים כאן כריית הגנום MS-מונחה. בשיטה זו, הרכיבים העיקריים מיועדים קודם לכן (באמצעות MN), ומועמדים חדשים הקשורים באופן מבחינה מבנית קשורים ביאורים רצף הגנום (באמצעות GM). שילוב GM ו-MN היא אסטרטגיה רווחית כדי למקד מולקולה חדשה שדרות או לקצור פרופילים מטבוליים כדי לזהות אנלוגיות מן התרכובות ידוע כבר.

Introduction

חקירת חילוף החומרים המשני מורכבת לעתים קרובות מסינון תמציות גולמי לפעילות ביולוגית מסוימת ולאחריה טיהור, זיהוי ואפיון של המרכיבים השייכים לשברים פעילים. תהליך זה הוכיח כיעיל, ומקדם את הבידוד של מספר ישויות כימיות. עם זאת, כיום זה נראה בלתי אפשרי, בעיקר בשל שיעור גבוה של גילוי מחדש. כמו תעשיית התרופות מהפכה ללא ידיעת תפקידים ופונקציות של מטבוליטים מיוחדים, הזיהוי שלהם בוצע בתנאי מעבדה שלא מייצגים במדויק את הטבע1. כיום, יש הבנה טובה יותר של השפעות האיתות הטבעי, הפרשה, ואת הנוכחות של רוב היעדים בריכוזים נמוכים באופן בלתי סביר. בנוסף, התקנת התהליך תסייע לקהילה האקדמית ולתעשייה הפרמצבטית לנצל את הידע הזה. זה יהיה גם ליהנות מחקר הכרוך בבידוד ישיר של מטבוליטים הקשורים אשכולות גנים ביולוגיים שקטים (BGCs)2.

בהקשר זה, ההתקדמות ברצף גנומית יש עניין מחודש בהקרנה מיקרואורגניזם מטבוליטים. זה בגלל ניתוח מידע גנומי של אשכולות ביולוגיים חשף יכול לחשוף גנים קידוד תרכובות הרומן לא נצפתה או מופק בתנאי מעבדה. פרויקטים רבים של הגנום מחיידקים או טיוטות זמינים היום, ואת המספר גדל מדי שנה, מתן סיכויים מסיבי לגילוי מולקולות אקטיביים הרומן דרך כריית3הגנום 3,4.

האטלס של ביוסינתטי אשכולות גנים הוא האוסף הנוכחי הגדול ביותר של כבוש באופן אוטומטי אשכולות גנים כרכיב של פלטפורמת חיידקים משולבים Genomes של הגנום משותף המכון (JGI IMG-ABC)2. לאחרונה, את המידע המינימלי עבור אשכולות גנים Biosynthetic (MIBiG) היוזמה לקדם את הביאור הידני של BGCs, מתן התייחסות באופן מאוד משמעותי לערכת נתונים5. כיום, שפע של כלים זמינים כדי לאפשר כרייה חישובית של נתונים גנטיים ואת הקשר שלהם הידוע מטבוליטים משני. אסטרטגיות שונות פותחו גם כדי גישה מוצרים טבעיים אקטיביים החדש (כלומר, ביטוי הטרוולוגי, מחיקת גנים היעד, באופן מתורבת החוקה, רצף גנומית, איזוטופ מונחה ההקרנה [genomisotopic גישה], מניפולציה של ורגולטורים מקומיים וגלובליים, התנגדות מבוסס היעד הכרייה, תרבות הכרייה עצמאית, ו, לאחרונה, MS-מונחה/קוד גישות2,6,7,8,9, 10,11,12,13,14,15).

כריית הגנום כאסטרטגיה יחיד דורש מאמצים כדי להוסיף קבוצה אחת או קטנה של מולקולות; לפיכך, הפערים בתהליך נותרים, בהם תרכובות חדשות מעדיפות לבידוד ומבנה. בעיקרון, גישות אלה מתמקדות רק מסלול ביו-סינתטי אחד לכל ניסוי, ובכך התוצאה היא שיעור גילוי איטי. במובן זה, שימוש ב-GM יחד עם גישה לרשת מולקולרית מייצג מקדמה חשובה עבור מחקר המוצר הטבעי14,15.

רב-תכליתיות, דיוק, ורגישות גבוהה של הספקטרומטר כרומטוגרפיה נוזלי (LC-MS) להפוך אותו שיטה טובה לזיהוי מורכב. כיום, מספר פלטפורמות השקיעו אלגוריתמים וחבילות תוכנה עבור טבולומיקס ממוקדות16,17,18,19,20. הליבה של תוכניות אלה כוללת זיהוי תכונות (שיא איסוף)21 ויישור שיא, אשר מאפשר התאמה של תכונות זהות על גבי קבוצה של דגימות וחיפוש דפוסים. MS מבוססי דפוס אלגוריתמים22, 23 להשוות23 דפוסי פיצול אופייני ולהתאים MS2 קווי דמיון יצירת משפחות מולקולריות שיתוף תכונות מבניות. תכונות אלה יכולים להיות מודגשים ומקובצים באשכולות, הענקת היכולת לגלות במהירות מולקולות ידועות ובלתי ידועות מתוך תמצית ביולוגית מורכבת על ידי זוגשני MS,24,25. לכן, במקביל MS היא שיטה רב-תכליתית כדי לצבור מידע מבני מספר כימוסוגים הכלולים בכמות גדולה של נתונים בו זמנית.

האלגוריתם הגלובלי של מוצרים טבעיים (GNPS)26 משתמש בעוצמה המנורמלת של יוני השבר כדי לבנות וקטורים רב-ממדיים, שבהם ההשוואה משולה באמצעות פונקציית קוסינוס. הקשר בין יוני הורים שונים מותווים בייצוג בדיאגרמה, בו כל פיצול מוגדר כצומת (עיגולים), והשוליים החוזרים של כל צומת מוגדרים על-ידי קצה (קווים). ההדמיה הגלובלית של מולקולות ממקור אחד מוגדרת כרשת מולקולרית. מולקולות מתבשמות שרסיס באופן ייחודי יוצרות את האשכול או קבוצת הכוכבים הספציפיים שלהם, ואילו מולקולות קשורות מצרר יחד. סוגי כימוא של האשכולות מאפשר חיבור היפותטי של תכונות מבניות דומות למקורות הביוסינתטיים שלהם.

שילוב הן כימוסוג-אל-גנוטיפ וגישות גנוטיפ-אל-כימוסוג היא רבת עוצמה בעת יצירת קישורים בביואינפורמטיקה בין BGCs ומוצרים קטנים שלהם מולקולה27. לכן, MS-מונחה הגנום הכרייה היא שיטה מהירה והאסטרטגיה הנמוכה צורכת חומר, והוא מסייע בגשר יוני הורים מסלולים biosynthetic שנחשף על ידי WGS של אחד או יותר זנים תחת מגוון תנאים סביבתיים מטבולית.

זרימת העבודה של פרוטוקול זה (איור 1) כוללת האכלה של נתוני wgs לתוך פלטפורמת ביאור לאשכול גנים ביוסינתטיים כגון antismash28,29,30. זה עוזר להעריך את מגוון תרכובות ומעמד של תרכובות מקודד על ידי הגנום. אסטרטגיה כדי למקד את האשכולות גנים biosynthetic קידוד ישות כימית של עניין חייב להיות מאומץ, ותמציות התרבות מתוך זן סוג פראי ו/או זן הטרוולוגי המכיל את bgc ניתן לנתח כדי ליצור יונים מקובצים בהתבסס על קווי דמיון באמצעות gnps26,31. כתוצאה מכך, ניתן לזהות מולקולות חדשות המשייכים למוקד ה-BGC המיועד ואינן זמינות במסד הנתונים (בעיקר מקבילים לא ידועים, המיוצרים לעתים בפתיתים נמוכים). זה רלוונטי לשקול כי משתמשים יכולים לתרום פלטפורמות אלה וכי הזמינות של ביואינפורמטיקה ו-MS/MS נתונים גדל במהירות, נהיגה לפיתוח קבוע ושדרוג של כלים חישוביים יעילים ואלגוריתמים כדי להנחות התקשרויות יעילות של תמציות מורכבות עם מולקולות.

Figure 1
איור 1: מבט כולל על זרימת העבודה כולה. מוצג הוא איור של שלבי ביוטכנולוגיה, שיבוט, והתקשורת המולקולרית מעורבים גישה מונחה הגנום MS-מודרך כדי לזהות מטבוליטים חדשים. אנא לחץ כאן כדי להציג גירסה גדולה יותר של איור זה.

פרוטוקול זה מתאר זרימת עבודה מהירה ויעילה כדי לשלב את כריית הגנום ואת הרשת המולקולרית כנקודת התחלה של צינור גילוי המוצר הטבעי. למרות יישומים רבים מסוגלים להמחיש את הרכב ומחדש של מולקולות לזיהוי MS ברשת אחת, מספר מאומצים כאן כדי להמחיש באופן מבנית מולקולות באשכולות דומים. באמצעות אסטרטגיה זו, מוצרים cyclodepsipeptide הרומן נצפתה בתמציות מטבולית של Streptomyces SP. CBMAI 2042 מזוהים בהצלחה. מודרך על ידי כריית הגנום, כל האשכולות גנים biosynthetic כל הקידוד עבור valinomycins הוא מוכר ומשוכפל לתוך זן המפיק Streptomyces co olor M1146. בסופו של דבר, בעקבות רשת מולקולרית המבוסס על תבנית MS, המולקולות שזוהו על ידי MS הם בקורלציה עם BGCs אחראי על biogenesis32שלהם.

Protocol

1. כריית הגנום לאשכולות גנים ביוסינתטיים לבצע רצף הגנום כולו (WGS) כצעד הראשון בחירת אשכול גנים biosynthetic (BCG) עבור כריית הגנום MS-מונחה. את הטיוטה של הגנום כולו של המתח של עניין (חיידקים) ניתן להשיג על ידי טכנולוגיית המאייר MiSeq באמצעות הבאים עם DNA באיכות גבוהה גנומית: רובה TruSeq PCR-הכנה ספריה ללא …

Representative Results

הפרוטוקול בוצע בהצלחה באמצעות שילוב של כריית הגנום, ביטוי הטרוולוגי, ו-MS-מונחה קוד גישות לגשת מולקולות מיוחדות valinomycin אנלוגיות מיוחדים. תהליך הגנום למולקולה עבור היעד, valinomycin (VLM), מיוצג באיור 8. Streptomyces SP. CBMAI 2042 הגנום הטיוטה נותחו ב סיליקו, ואשכול הגן של vlm זוהה אז והועבר ל…

Discussion

היתרון החזק ביותר של פרוטוקול זה הוא היכולת שלה במהירות dereplicate פרופילים מטבוליים וגשר מידע גנומי עם נתוני MS כדי להבהיר את המבנים של מולקולות חדשות, במיוחד אנלוגיות מבניים2. מבוסס על מידע גנומי, כימוכ מוצרים טבעיים שונים ניתן לחקור, כגון polyketides (PK), פפטידים לא ריבוזומבית (NRP), ומוצ…

Disclosures

The authors have nothing to disclose.

Acknowledgements

התמיכה הפיננסית עבור מחקר זה סופק על ידי הקרן סאו פאולו מחקר-FAPESP (2019/10564-5, 2014/12727-5 ו 2014/50249-8 ל-L. G. O; 2013/12598-8 ו 2015/01013-4 כדי R.S.; ו 2019/08853-9 ל-C. f. F. A). B. S. P, C.F.F.A., ו L.G.O. קיבל מלגות מן המועצה הלאומית לפיתוח טכנולוגי מדעי-CNPq (205729/2018-5, 162191/2015-4, ו 313492/2017-4). L.G.O. הוא גם אסיר תודה על התמיכה המענק שסופקו על ידי התוכנית עבור נשים במדע (2008, הברזילאי Edition). כל המחברים מכירים בגלימות (תאום לשיפור אנשי ההשכלה הגבוהה) לתמיכה בתוכניות שלאחר הסיום בברזיל.

Materials

Acetonitrile Tedia AA1120-048 HPLC grade
Agar Oxoid LP0011 NA
Apramycin Sigma Aldrich A2024 NA
Carbenicillin Sigma Aldrich C9231 NA
Centrifuge Eppendorf NA 5804
Chloramphenicol Sigma Aldrich C3175 NA
Column C18 Agilent Technologies NA ZORBAX RRHD Extend-C18, 80Å, 2.1 x 50 mm, 1.8 µm, 1200 bar pressure limit P/N 757700-902
Kanamycin Sigma Aldrich K1377 NA
Manitol P.A.- A.C.S. Synth NA NA
Microcentrifuge Eppendorf NA 5418
Nalidixic acid Sigma Aldrich N4382 NA
Phusion Flash High-Fidelity PCR Master Mix ThermoFisher Scientific F548S NA
Q-TOF mass spectrometer Agilent technologies NA 6550 iFunnel Q-TOF LC/MS
Sacarose P.A.- A.C.S. Synth NA NA
Shaker/Incubator Marconi MA420 NA
Sodium Chloride Synth NA P. A. – ACS
Soy extract NA NA NA
Sucrose Synth NA P. A. – ACS
Thermal Cycles Eppendorf NA Mastercycler Nexus Gradient
Thiostrepton Sigma Aldrich T8902 NA
Tryptone Oxoid LP0042 NA
Tryptone Soy Broth Oxoid CM0129 NA
UPLC Agilent Technologies NA 1290 Infinity LC System
Yeast extract Oxoid LP0021 NA

References

  1. Davies, J. Specialized microbial metabolites: functions and origins. The Journal of Antibiotics. 66 (7), 361-364 (2013).
  2. Ziemert, N., Alanjary, M., Weber, T. The evolution of genome mining in microbes – a review. Natural Product Reports. 33 (8), 988-1005 (2016).
  3. Zerikly, M., Challis, G. L. Strategies for the Discovery of New Natural Products by Genome Mining. ChemBioChem. 10 (4), 625-633 (2009).
  4. Gomez-Escribano, J. P., Bibb, M. J. Heterologous expression of natural product biosynthetic gene clusters in Streptomyces coelicolor: from genome mining to manipulation of biosynthetic pathways. Journal of Industrial Microbiology & Biotechnology. 41 (2), 425-431 (2014).
  5. Medema, M. H., et al. Minimum Information about a Biosynthetic Gene cluster. Nature Chemical Biology. 11 (9), 625-631 (2015).
  6. Lautru, S., Deeth, R. J., Bailey, L. M., Challis, G. L. Discovery of a new peptide natural product by Streptomyces coelicolor genome mining. Nature Chemical Biology. 1 (5), 265-269 (2005).
  7. Chiang, Y. -. M., et al. Molecular Genetic Mining of the Aspergillus Secondary Metabolome: Discovery of the Emericellamide Biosynthetic Pathway. Chemistry & Biology. 15 (6), 527-532 (2008).
  8. Huang, T., et al. Identification and Characterization of the Pyridomycin Biosynthetic Gene Cluster of Streptomyces pyridomyceticus NRRL B-2517. Journal of Biological Chemistry. 286 (23), 20648-20657 (2011).
  9. Udwary, D. W., et al. Genome sequencing reveals complex secondary metabolome in the marine actinomycete Salinispora tropica. Proceedings of the National Academy of Sciences. 104 (25), 10376-10381 (2007).
  10. Gross, H., et al. The Genomisotopic Approach: A Systematic Method to Isolate Products of Orphan Biosynthetic Gene Clusters. Chemistry & Biology. 14 (1), 53-63 (2007).
  11. Spohn, M., Wohlleben, W., Stegmann, E. Elucidation of the zinc-dependent regulation in Amycolatopsis japonicum enabled the identification of the ethylenediamine-disuccinate ([S,S ]-EDDS) genes. Environmental Microbiology. 18 (4), 1249-1263 (2016).
  12. Thaker, M. N., Waglechner, N., Wright, G. D. Antibiotic resistance-mediated isolation of scaffold-specific natural product producers. Nature Protocols. 9 (6), 1469-1479 (2014).
  13. Katz, M., Hover, B. M., Brady, S. F. Culture-independent discovery of natural products from soil metagenomes. Journal of Industrial Microbiology & Biotechnology. 43, 129-141 (2016).
  14. Quinn, R. A., et al. Molecular Networking as a Drug Discovery, Drug Metabolism, and Precision Medicine Strategy. Trends in Pharmacological Sciences. 38 (2), 143-154 (2017).
  15. Yang, J. Y., et al. Molecular Networking as a Dereplication Strategy. Journal of Natural Products. 76 (9), 1686-1699 (2013).
  16. Lommen, A. MetAlign: Interface-Driven, Versatile Metabolomics Tool for Hyphenated Full-Scan Mass Spectrometry Data Preprocessing. Analytical Chemistry. 81 (8), 3079-3086 (2009).
  17. Katajamaa, M., Miettinen, J., Oresic, M. MZmine: toolbox for processing and visualization of mass spectrometry based molecular profile data. Bioinformatics. 22 (5), 634-636 (2006).
  18. Pluskal, T., Castillo, S., Villar-Briones, A., Orešič, M. MZmine 2: Modular framework for processing, visualizing, and analyzing mass spectrometry-based molecular profile data. BMC Bioinformatics. 11 (1), 395 (2010).
  19. Tautenhahn, R., Patti, G. J., Rinehart, D., Siuzdak, G. XCMS Online: A Web-Based Platform to Process Untargeted Metabolomic Data. Analytical Chemistry. 84 (11), 5035-5039 (2012).
  20. Kuhl, C., Tautenhahn, R., Böttcher, C., Larson, T. R., Neumann, S. CAMERA: An Integrated Strategy for Compound Spectra Extraction and Annotation of Liquid Chromatography/Mass Spectrometry Data Sets. Analytical Chemistry. 84 (1), 283-289 (2012).
  21. Katajamaa, M., Orešič, M. Data processing for mass spectrometry-based metabolomics. Journal of Chromatography A. 1158, 318-328 (2007).
  22. Liu, W. -. T., et al. Interpretation of Tandem Mass Spectra Obtained from Cyclic Nonribosomal Peptides. Analytical Chemistry. 81 (11), 4200-4209 (2009).
  23. Ng, J., et al. Dereplication and de novo sequencing of nonribosomal peptides. Nature Methods. 6 (8), 596-599 (2009).
  24. Liaw, C., et al. Vitroprocines, new antibiotics against Acinetobacter baumannii, discovered from marine Vibrio sp. QWI-06 using mass-spectrometry-based metabolomics approach. Scientific Reports. 5 (1), 1-11 (2015).
  25. Kang, K. B., et al. Targeted Isolation of Neuroprotective Dicoumaroyl Neolignans and Lignans from Sageretia theezans Using in Silico Molecular Network Annotation Propagation-Based Dereplication. Journal of Natural Products. 81 (8), 1819-1828 (2018).
  26. Wang, M., et al. Sharing and community curation of mass spectrometry data with Global Natural Products Social Molecular Networking. Nature Biotechnology. 34 (8), 828-837 (2016).
  27. Doroghazi, J. R., et al. A roadmap for natural product discovery based on large-scale genomics and metabolomics. Nature Chemical Biology. 10 (11), 963-968 (2014).
  28. Medema, M. H., et al. antiSMASH: rapid identification, annotation and analysis of secondary metabolite biosynthesis gene clusters in bacterial and fungal genome sequences. Nucleic Acids Research. 39, 339-346 (2011).
  29. Weber, T., et al. antiSMASH 3.0-a comprehensive resource for the genome mining of biosynthetic gene clusters. Nucleic Acids Research. 43, 237-243 (2015).
  30. Blin, K., et al. antiSMASH 5.0: updates to the secondary metabolite genome mining pipeline. Nucleic Acids Research. 47, 81-87 (2019).
  31. Watrous, J., et al. Mass spectral molecular networking of living microbial colonies. Proceedings of the National Academy of Sciences. 109 (26), 1743-1752 (2012).
  32. Paulo, B. S., Sigrist, R., Angolini, C. F. F., De Oliveira, L. G. New Cyclodepsipeptide Derivatives Revealed by Genome Mining and Molecular Networking. ChemistrySelect. 4 (27), 7785-7790 (2019).
  33. Gonzaga de Oliveira, L., Sigrist, R., Sachetto Paulo, B., Samborskyy, M. Whole-Genome Sequence of the Endophytic Streptomyces sp. Strain CBMAI 2042, Isolated from Citrus sinensis. Microbiology Resource Announcements. 8 (2), 1-2 (2019).
  34. Aziz, R. K., et al. The RAST Server: Rapid Annotations using Subsystems Technology. BMC Genomics. 9 (1), 75 (2008).
  35. Nah, H. -. J., Pyeon, H. -. R., Kang, S. -. H., Choi, S. -. S., Kim, E. -. S. Cloning and Heterologous Expression of a Large-sized Natural Product Biosynthetic Gene Cluster in Streptomyces Species. Frontiers in Microbiology. 8, 1-10 (2017).
  36. Zhang, J. J., Tang, X., Moore, B. S. Genetic platforms for heterologous expression of microbial natural products. Natural Product Reports. 36 (9), 1313-1332 (2019).
  37. Alduina, R., et al. Artificial chromosome libraries of Streptomyces coelicolor A3(2) and Planobispora rosea. FEMS Microbiology Letters. 218 (1), 181-186 (2003).
  38. Jones, A. C., et al. Phage P1-Derived Artificial Chromosomes Facilitate Heterologous Expression of the FK506 Gene Cluster. PLoS One. 8 (7), 69319 (2013).
  39. Gomez-Escribano, J. P., Bibb, M. J. Engineering Streptomyces coelicolor for heterologous expression of secondary metabolite gene clusters. Microbial Biotechnology. 4 (2), 207-215 (2011).
  40. Cannell, R. J. P. . Natural Products Isolation. , (1998).
  41. Kersten, R. D., et al. A mass spectrometry-guided genome mining approach for natural product peptidogenomics. Nature Chemical Biology. 7 (11), 794-802 (2011).
  42. Kersten, R. D., et al. Glycogenomics as a mass spectrometry-guided genome-mining method for microbial glycosylated molecules. Proceedings of the National Academy of Sciences. 110 (47), 4407-4416 (2013).
  43. Liu, W., et al. MS/MS-based networking and peptidogenomics guided genome mining revealed the stenothricin gene cluster in Streptomyces roseosporus. The Journal of Antibiotics. 67 (1), 99-104 (2014).
  44. Duncan, K. R., et al. Molecular Networking and Pattern-Based Genome Mining Improves Discovery of Biosynthetic Gene Clusters and their Products from Salinispora Species. Chemistry & Biology. 22 (4), 460-471 (2015).
  45. Cao, L., et al. MetaMiner: A Scalable Peptidogenomics Approach for Discovery of Ribosomal Peptide Natural Products with Blind Modifications from Microbial Communities. Cell Systems. , (2019).
  46. Chen, L. -. Y., Cui, H. -. T., Su, C., Bai, F. -. W., Zhao, X. -. Q. Analysis of the complete genome sequence of a marine-derived strain Streptomyces sp. S063 CGMCC 14582 reveals its biosynthetic potential to produce novel anti-complement agents and peptides. PeerJ. 7 (1), 6122 (2019).
  47. Kim Tiam, S., et al. Insights into the Diversity of Secondary Metabolites of Planktothrix Using a Biphasic Approach Combining Global Genomics and Metabolomics. Toxins. 11 (9), 498 (2019).
  48. Özakin, S., Ince, E. Genome and metabolome mining of marine obligate Salinispora strains to discover new natural products. Turkish Journal of Biology. 43 (1), 28-36 (2019).
  49. Trivella, D. B. B., de Felicio, R. The Tripod for Bacterial Natural Product Discovery: Genome Mining, Silent Pathway Induction, and Mass Spectrometry-Based Molecular Networking. mSystems. 3 (2), 00160 (2018).
  50. Maansson, M., et al. An Integrated Metabolomic and Genomic Mining Workflow To Uncover the Biosynthetic Potential of Bacteria. mSystems. 1 (3), 1-14 (2016).
  51. Blin, K., Kim, H. U., Medema, M. H., Weber, T. Recent development of antiSMASH and other computational approaches to mine secondary metabolite biosynthetic gene clusters. Briefings in Bioinformatics. 20 (4), 1103-1113 (2019).
  52. Fisch, K. M. Biosynthesis of natural products by microbial iterative hybrid PKS-NRPS. RSC Advances. 3 (40), 18228-18247 (2013).
  53. Tatsuno, S., Arakawa, K., Kinashi, H. Analysis of Modular-iterative Mixed Biosynthesis of Lankacidin by Heterologous Expression and Gene Fusion. The Journal of Antibiotics. 60 (11), 700-708 (2007).
  54. Helfrich, E. J. N., Piel, J. Biosynthesis of polyketides by trans-AT polyketide synthases. Natural Product Reports. 33 (2), 231-316 (2016).

Play Video

Cite This Article
Sigrist, R., Paulo, B. S., Angolini, C. F. F., De Oliveira, L. G. Mass Spectrometry-Guided Genome Mining as a Tool to Uncover Novel Natural Products. J. Vis. Exp. (157), e60825, doi:10.3791/60825 (2020).

View Video