Summary

Conception automatisée, à haut débit, des expériences de croissance cellulaire continue à l’aide d’eVOLVER

Published: May 19, 2019
doi:

Summary

Le Framework eVOLVER permet une culture microbienne continue à haut débit avec une haute résolution et un contrôle dynamique sur les paramètres expérimentaux. Ce protocole démontre comment appliquer le système pour mener une expérience de conditionnement physique complexe, guidant les utilisateurs sur la programmation de contrôle automatisé sur de nombreuses cultures individuelles, la mesure, la collecte et l’interaction avec les données expérimentales en temps réel.

Abstract

Les méthodes de culture continue permettent aux cellules d’être cultivées dans des conditions environnementales contrôlées quantitativement, et sont donc largement utiles pour mesurer les phénotypes de conditionnement physique et améliorer notre compréhension de la façon dont les génotypes sont façonnés par la sélection. De vastes efforts récents pour développer et appliquer des dispositifs de culture continue de niche ont révélé les avantages de la conduite de nouvelles formes de contrôle de la culture cellulaire. Cela comprend la définition de pressions de sélection personnalisées et l’augmentation du débit pour des études allant de l’évolution expérimentale à long terme aux sélections de bibliothèques à l’échelle du génome et à la caractérisation synthétique des circuits génétiques. La plateforme eVOLVER a été développée récemment pour répondre à cette demande croissante: une plate-forme de culture continue avec un haut degré d’évolutivité, de flexibilité et d’automatisation. eVOLVER fournit une plate-forme unique de normalisation qui peut être (re)-configurée et mise à l’échelle avec un effort minimal pour effectuer de nombreux types différents d’expériences de sélection de croissance à haut débit ou multi-dimensionnelle. Ici, un protocole est présenté pour fournir aux utilisateurs du Framework eVOLVER une description pour configurer le système pour effectuer une expérience de croissance continue à grande échelle personnalisée. Plus précisément, le protocole guide les utilisateurs sur la façon de programmer le système pour multiplexer deux pressions de sélection — température et osmolarité — à travers de nombreuses flacons eVOLVER afin de quantifier les paysages de forme physique des mutants Saccharomyces cerevisiae à l’amende résolution. Nous montrons comment l’appareil peut être configuré à la fois par programmation, via son logiciel open source basé sur le Web, et physiquement, en organisant des dispositions fluidiques et matérielles. Le processus de mise en place physique de l’appareil, la programmation de la routine de culture, la surveillance et l’interaction avec l’expérience en temps réel sur Internet, les flacons d’échantillonnage pour l’analyse hors ligne ultérieure, et l’analyse des données post-expérience sont détaillés. Cela devrait servir de point de départ aux chercheurs de diverses disciplines pour appliquer eVOLVER dans la conception de leurs propres expériences de croissance cellulaire complexes et à haut débit pour étudier et manipuler les systèmes biologiques.

Introduction

Les techniques continues de culture cellulaire, développées pour la première fois il y a près de 70 ans,1,2, profitent d’un renouveau récent,3,4. Cela est dû à une confluence de facteurs. Premièrement, le développement de techniques d’OMICS à haut débit, qui ont permis de lire et de générer un grand nombre de génotypes5,6, a créé une demande concomitante de techniques expérimentales qui facilitent croissance cellulaire bien contrôlée et le phénotypage. À cette fin, la culture continue représente une approche expérimentale puissante pour capitaliser sur les avancées génomiques émergentes. En facilitant les sélections/expériences de croissance sur les populations cellulaires dans des conditions environnementales contrôlées (et dynamiques) précises, la culture continue fournit un moyen de cartographier rigoureusement les génotypes aux phénotypes7,8, caractériser quantitativement les souches et les organismes d’ingénierie9, et suivre les changements génétiques adaptatifs dans les études d’évolution en laboratoire10,11,12.

Deuxièmement, l’émergence récente de techniques de prototypage accessibles, telles que la fabrication additive et les éléments matériels et logiciels open source, a permis à un plus large éventail d’utilisateurs de concevoir et de construire leurs propres formes rentables de systèmes de culture continue directement dans le laboratoire. Tout cela a conduit à un éventail passionnant de faire-it-yourself (DIY) des dispositifs qui exécutent des fonctionnalités de culture continue, comme le chémostat13, turbidostat14, ou morbidostat15. Malheureusement, bien qu’ils aient réussi à résoudre des problèmes spécifiques (de niche) pour lesquels ils ont été conçus, ces solutions ad hoc manquent généralement de la capacité d’évoluer dans le débit et/ou la complexité de la conception expérimentale.

Le système eVOLVER a été conçu dans le but de créer une plate-forme unique qui peut répondre aux besoins expérimentaux croissants de culture continue et correspondre à la vitesse et à l’échelle des techniques génomiques émergentes16 (figure 1a). la conception d’eVOLVER met en œuvre des principes communs sous-jacents à des technologies hautement évolutives d’autres disciplines17, y compris des empreintes normalisées, des composants modulaires et des règles de conception Open-source. Ainsi, les solutions pour les nouvelles applications de niche peuvent être conçues sans modifications majeures du système. Composé de logiciels de haute modularité et open source, de matériel, d’électronique et de logiciel Web, eVOLVER est le premier système de culture continue automatisé qui peut être rentable et facilement reconfiguré pour effectuer pratiquement n’importe quel type de expérience de croissance à haut débit. Grâce à des manchons intelligents modulaires et programmables qui permettent de loger tous les capteurs et actionneurs nécessaires pour contrôler les cultures individuelles, eVOLVER permet une mise à l’échelle unique du débit et du contrôle individuel des conditions de culture. En outre, en tant que plate-forme Web, eVOLVER échange des données et des informations avec des ordinateurs distants en temps réel, permettant une surveillance simultanée de centaines de cultures individuelles et de perturbations de culture automatisées par le biais d’un contrôle arbitrairement défini Algorithmes.

Dans les travaux précédents16, la performance robuste d’Evolver a été démontrée dans des expériences à long terme sur des centaines d’heures de fonctionnement, et sa capacité à cultiver divers organismes, de E. coli et s. cerevisiae à non domestiqué Microbes. Une série d’expériences de sélection de croissance distinctes ont été réalisées, dans lesquelles des gradients de sélection multidimensionnels définis par programme ont été appliqués dans un ensemble de conditions de culture individuelles et les paysages cellulaires de conditionnement physique qui en résultent ont été Quantifiés. Ici, l’objectif est de fournir aux utilisateurs d’eVOLVER une description de la façon d’utiliser le système pour concevoir et ces types d’expériences. À titre d’exemple, on présente des méthodes quantifiant le paysage de forme physique des mutants de S. cerevisiae à travers un gradient environnemental bidimensionnel composé de la température et du stress osmotique. Le protocole guide les utilisateurs en configurant l’infrastructure eVOLVER pour cette expérience à la fois par programmation, en utilisant le logiciel pour définir des routines de turbidité et de contrôle de température personnalisées pour chacune des 16 cultures continues parallèles, et physiquement, à travers la disposition fluidique pour acheminer de manière appropriée les médias de différentes concentrations de sel. Ce protocole devrait servir de rubrique générale pour configurer eVOLVER afin d’exécuter une grande variété d’expériences de culture continue automatisées pour diverses études et disciplines.

Protocol

1. préparation des supports, flacons et inoculum Remarque: Ce protocole suppose que les utilisateurs ont déjà calibré le système eVOLVER et utilisent la configuration Smart Sleeve décrite dans le travail antérieur16. Les manchons intelligents sont facilement redessinés ou modifiés, mais les détails de configuration des paramètres de volume et de contrôle peuvent différer pour des configurations alternatives. La veille de l’expérience, préparer 2 mL de cultures liquides de nuit de S. cerevisiae BY4741 souche de référence et souches variant dans les milieux YPD (levure peptone dextrose) à 30 ° c dans un incubateur à agitation fixé à au moins 300 tr/min Transférez les fluides YPD stériles dans des flacons propres et autoclavés munis de tubulures. Alternativement, les supports peuvent être autoclavés directement dans des bouteilles pré-équipées de tubes.Remarque: Les bouteilles sont en forme avec le tube en perçant un trou dans le bouchon et en exécutant le tube à travers elle avec des connecteurs pour le fixer en place. Voir le tableau des matériaux. Ajouter la barre d’agitation à chaque flacon et visser un couvercle de flacon muni de pailles d’afflux et d’efflux. Assurez-vous que tous les composants sont propres par inspection visuelle. Placer les flacons dans un rack autoclavable, recouvrir d’une feuille d’aluminium et l’autoclave sur un cycle de gravité ou de vide avec une étape de stérilisation de 20 minutes. 2. Configuration d’une expérience Dans trois grands béchers, préparer 500 mL d’eau de Javel à 10%, 200 mL d’eau de Javel à 10% et 300 mL d’éthanol à 70%. En utilisant les commutateurs de l’appareil eVOLVER, allumez l’alimentation 5 V de l’eVOLVER, attendez 5 s, puis allumez l’alimentation 12 V. Si vous exécutez plusieurs flacons à partir de la même bouteille de support, connectez plusieurs lignes d’entrée multimédia avec des séparateurs de tubulure. Les répartiteurs de tuyauterie personnalisés peuvent être construits avec des composants Luer. Submerge les lignes d’entrée de médias dans le premier bécher de javellisant, et les lignes d’efflux de médias dans le deuxième bécher de javellisant. Placez l’extrémité aval des lignes d’entrée du support dans le deuxième bécher avec les lignes d’efflux. Placer les lignes de déchets dans les déchets de Carboy. Ajouter 1-2 L d’eau de Javel dans de grands déchets vides, qui stériliseront les déchets générés pendant l’expérimentation. Consulter un coordonnateur de la sécurité pour assurer l’élimination correcte des déchets. À l’aide de l’écran tactile de l’eVOLVER, naviguez jusqu’à la section de configuration, et exécutez toutes les pompes pendant 20 s pour remplir les lignes de fluide avec 10% d’eau de Javel. Pendant l’exécution, assurez-vous par une inspection visuelle que toutes les lignes ont été remplies et que les pompes fonctionnent normalement. Laisser l’eau de Javel s’asseoir dans les lignes pendant au moins 30 min pour stériliser. Exécutez de nouveau les pompes à l’aide de l’application tactile jusqu’à ce que les lignes ne soient plus immergées, poussant l’air à travers les lignes pour obtenir autant de l’eau de Javel que possible. Placer les lignes d’entrée du support dans le bécher à l’éthanol et répéter comme ci-dessus, en remplissant les lignes avec de l’éthanol et le rinçage avec de l’air.Remarque: Comme l’éthanol tue rapidement, il n’est pas nécessaire d’attendre 30 min pour la stérilisation. Attachez les lignes d’entrée du support aux bouteilles de support avec les connecteurs Luer et exécutez les pompes jusqu’à ce que le support traverse complètement les lignes, en rinçant tout l’éthanol résiduel. Insérez partiellement des flacons stérilisés dans les manchons intelligents eVOLVER et accrochez les lignes aux positions appropriées, selon le codage des couleurs sur les lignes. Commencez par attacher les lignes d’entrée à la paille de l’afflux court, puis les lignes de déchets à la longue paille efflux.Attention: Il est essentiel de vérifier les connexions desserrées ou les lignes mal acheminées. Le fait de ne pas le faire entraînera des débordements et pourrait endommager la Smart Sleeve. Exécuter toutes les pompes en incréments de 10 s pour remplir les flacons avec un support. Assurez-vous par les pompes d’efflux d’inspection visuelle sont efficacement enlevant le support par les pailles d’efflux, pour empêcher des débordements. Si les pailles efflux ne semblent pas fonctionner efficacement, inspectez les raccords de la ligne fluidique et la pompe péristaltique. Corrigez ou remplacez les pièces si nécessaire. Poussez les flacons vers le bas jusqu’à ce qu’ils soient entièrement encastrés par le Smart Sleeve. Définissez les conditions initiales des paramètres expérimentaux à l’aide de l’écran tactile eVOLVER sur la page de configuration interactive. Pour tous les flacons, réglez la température à 30 ° c et le remuez à 10. Cela peut être fait pour tous les flacons à la fois en faisant glisser un doigt sur l’écran tactile pour sélectionner tous les flacons. 3. Configuration du logiciel eVOLVER et programmation des routines de culture algorithmique Dans le tableau de bord eVOLVER sur un ordinateur, accédez à la page du gestionnaire d’expériences. Sélectionnez l’expérience de base dans le panneau de navigation de l’expérience ou une expérience existante comme point de départ et cliquez sur Cloner nouveau.Remarque: Il est possible d’utiliser des expériences d’autres groupes en collant le lien GitHub vers le référentiel où la définition expérimentale est enregistrée dans le gestionnaire d’expérience. Spécifiez le nom de l’expérience et le périphérique eVOLVER sur lequel l’expérience sera exécutée. Assurez-vous que les paramètres d’étalonnage souhaités ont été sélectionnés en modifiant ces champs sur la page. Utilisez le sélecteur de flacon et les volets de définition de paramètres pour définir des conditions expérimentales. Par exemple, pour régler la température des flacons 0-4 à 30 ° c, sélectionnez les flacons dans le sélecteur de flacon, réglez la définition de paramètre sur 30, puis cliquez sur définir. Répétez ceci pour OD pour définir un seuil supérieur et inférieur pour chaque flacon. Une fois les définitions de paramètres expérimentales terminées, enregistrez l’expérience en cliquant sur Enregistrer et cliquez sur Démarrer pour exécuter. 4. initier l’expérimentation et la surveillance en temps réel Une fois l’expérience en cours, naviguez jusqu’au panneau de données en temps réel dans le tableau de bord interactif. Pour chaque flacon, vérifiez que les valeurs OD sont en attente à zéro, et que les températures sont à ou progressent vers les niveaux programmés en parcourant les graphiques. Pour préparer l’inoculum, mesurer la OD des cultures de nuit, calculer la dilution de pli souhaitée en supposant un volume de flacon de 25 mL, et prélever le volume calculé d’inoculum dans les flacons à travers le port d’échantillonnage. Par exemple, pour atteindre un OD de départ désiré d’environ 0,05 dans le flacon de culture des cultures de nuit qui sont à OD 2,0, 625 μL de cellules doivent être ajoutés à chaque flacon. Vérifiez les graphiques sur le tableau de bord pour voir que les graphes OD ont été mis à jour en conséquence. Une augmentation à proximité de la OD de départ souhaitée doit être observée dans les graphiques. Suivez les différents types de données (tels que l’OD, la température, le taux de croissance, les générations et la consommation des médias) tout au long de l’expérience en parcourant les graphiques correspondants dans le tableau de bord. Ces valeurs peuvent éclairer les décisions expérimentales de l’utilisateur (par exemple, les délais de planification) ou même utilisées dans les fonctions pour effectuer des retours automatisés. Pour remplacer les bouteilles multimédias Mid Experiment, interrompez l’expérience dans le panneau du gestionnaire d’expériences pour éviter que les événements de pompe ne se produisent. Dévissez rapidement la ligne de support de la bouteille vide et connectez-la à la nouvelle bouteille. Évitez de toucher les extrémités du tube pour éviter toute contamination. Reprenez l’expérience dans le gestionnaire de l’expérience. 5. échantillonnage des cellules de levure des flacons eVOLVER Préparez une solution de cycloheximide pour inhiber la synthèse protéique et fixer les cellules de levure pour l’analyse de cytométrie en flux. Dans un tube conique de 15 mL, ajouter 12 mL de PBS et 12 μL de 20 mg/mL de cycloheximide et le Vortex pendant 5 s. À l’aide d’une pipette multicanaux, aliquote 100 μL dans chaque puits d’une plaque de fond ronde de 96 puits. Envelopper la plaque dans une feuille d’aluminium pour bloquer la lumière et garder à 4 ° c jusqu’à ce que nécessaire. Pour échantillonner, Pipetter à travers le port d’échantillonnage sur le couvercle du flacon en utilisant des pointes 200 μL de longueur prolongée. Pipetter 100 μL d’un flacon dans un puits de la plaque de fixation, en mélangeant 2-3x en le faisant monter et descendre, puis récupérer dans une feuille et retourner la plaque à 4 ° c. 6. essayez de décomposer et de nettoyer Préparer 1 L de 10% de javellisant et 2 500 mL de solution d’eau DI dans les grands béchers. Arrêtez l’expérience en envoyant la commande d’arrêt dans le panneau du gestionnaire d’expérience. Les données sont toujours stockées dans la base de données Cloud et peuvent encore être consultées ultérieurement dans le panneau de données en temps réel du tableau de bord ou téléchargées pour une analyse hors ligne. Enlevez les flacons des manchons intelligents et placez-les dans un rack autoclave pour éviter les débordements dans les étapes suivantes. Dévissez les lignes d’entrée des supports des bouteilles de support et placez-les dans le bécher de l’eau de Javel à 10%. Exécutez les pompes de l’interface utilisateur eVOLVER comme dans la configuration pour stériliser les lignes et les flacons. Débranchez les lignes des flacons et submerger les lignes dans l’eau DI. Exécuter les pompes pour rincer tout le javellisant du système d’abord avec de l’eau DI, puis avec de l’air. Eteignez eVOLVER en éteignant d’abord l’alimentation 12 V, en attendant 5 s, puis en éteignant l’alimentation 5 V. Trempez les barres et les capuchons dans 10% d’eau de Javel, puis rincez avec de la DI. Assurez-vous de rincer l’afflux et les pailles efflux de chaque bouchon en exécutant de l’eau DI à travers eux. Frotter les flacons à l’aide d’un pinceau à tube d’essai si le film s’est formé sur les murs. Éliminez les déchets de manière appropriée et Rincez soigneusement les récipients à déchets.Attention: Les contenants de déchets contiendront un mélange de 10% d’eau de Javel, de déchets de culture cellulaire stérilisés et de traces d’éthanol. Consultez un coordinateur de sécurité pour une manipulation et une élimination adéquates. 7. quantification de la condition physique en utilisant l’analyse de cytométrie en flux des populations fractionnées Analyser les échantillons collectés à partir de la section 5 à l’aide d’un cytomètre à flux équipé du canal de fluorescence approprié et des détecteurs16. Acquérir au moins 10 000 événements par échantillon, et barrière pour les cellules intactes à l’aide des données de dispersion de l’avant et du côté. Porte basée sur le canal de fluorescence approprié (p. ex. GFP) pour déterminer la répartition fractionnaire de chaque population. Sur un ordinateur, enregistrez les données à l’emplacement souhaité à partir de la page Gestionnaire d’expériences en cliquant sur le bouton “Exporter”. À partir des fichiers de données eVOLVER, déterminez le nombre de générations terminées par chaque point de temps pour chaque flacon. Dans le code eVOLVER, les générations sont calculées en segmentant d’abord les données OD entre chaque événement de dilution, puis chaque segment est ajusté avec une exponentielle de base de la forme à chaque segment, donnant r, le taux de croissance16. Le nombre de générations sur une période de temps est ensuite calculé à l’aide de la formule suivante: Tracer le rapport de log des populations étiquetées et non étiquetées à partir des données de cytométrie de flux versus le numéro de génération des calculs ci-dessus au moment où des échantillons ont été prélevés. Identifiez la région linéaire et adapta la pente selon l’équation suivante. Cette pente est communément définie comme la compétition de remise en forme18,19.

Representative Results

Le protocole décrit ici a été utilisé pour construire des cartes de conditionnement physique pour les variantes génétiques de S. cerevisiae à travers un gradient de stress bidimensionnel de la température et de la salinité. Plus précisément, pour chaque souche variant, nous avons utilisé eVOLVER pour effectuer des expériences de compétition par paires contre une souche de référence marquée par fluorescence (S. cerevisiae souche BY4741 avec un reporter constitutif mNeonGreen intégré) dans 16 différents combinaisons de ces contraintes (figure 1). Pour les variantes, deux souches à élimination directe ont été choisies, chacune étant prédite sensible à l’un des axes de la condition de contrainte: Δprx1 qui a été rapporté pour avoir des défauts de conditionnement physique à des températures élevées20 et δpbs2 avec des défauts de remise en forme à haute concentrations de sel21. En tant que variante de contrôle, on a utilisé une souche BY4741 de type sauvage non étiquetée, qui devrait fonctionner de la même façon que la souche de référence. Au total, ces expériences de compétition de 3 72 heures ont été menées simultanément dans 48 flacons sur trois appareils eVOLVER (16 flacons) tous exécutés à partir d’un seul ordinateur. Le tableau de bord interactif eVOLVER permet de naviguer dans la grande quantité de données générées au cours de chaque expérience (figure 2a). Les traces représentatives d’OD sur les 16 flacons d’un seul appareil eVOLVER sont affichées à la figure 2b. Chaque trace affiche un modèle caractéristique de la dent de scie de l’algorithme de contrôle de turbidostat, qui utilise la rétroaction sur OD pour déclencher des dilutions et maintenir des cultures dans une plage de densité étroite (0.2-0.3 dans ce cas). Les données d’OD et de température sont continuellement mesurées, transmises à la base de données Cloud et mises à jour en temps réel dans le tableau de bord interactif eVOLVER. Des données diffusées en continu, des métriques d’ordre supérieur (par exemple, le taux de croissance, les générations cumulatives) peuvent être calculées et tracées dans le tableau de bord (Figure 2c) et même utilisées comme paramètres de rétroaction dans différents schémas de sélection (par exemple, morbidostat). Pour générer des cartes de remise en forme, nous mesurons la vitesse à laquelle la souche de référence dépasse la souche variant en incorporant à la fois des mesures de cytométrie en flux et des données de croissance eVOLVER. Plus précisément, les fractions de population sont calculées comme le rapport logarithmique de la souche variant par rapport à la souche de référence à l’aide des données de cytométrie en flux de chaque échantillon de temps. Pour chaque culture et chaque point temporel, le nombre de générations écoulées est interpolé à partir des données de taux de croissance eVOLVER pour chaque période de dilution. Tracer les rapports logarithmique par rapport aux générations, les différences qualitatives entre les conditions commencent à émerger (figure 3A). Pour calculer la forme physique, une pente est ajustée à travers la portion linéaire de chaque parcelle18,19, donnant une valeur de conditionnement physique quantitative (avec le signe et le taux) qui décrit comment la souche variant est en concurrence avec la souche de référence ( Figure 3B). Dans cette expérience, les valeurs de remise en forme négatives indiquent que la souche de variante est surlignée par la souche de référence. La construction de cartes thermiques à partir de tous les calculs de conditionnement physique permet de visualiser le paysage de conditionnement physique en deux dimensions, révélant des différences quantitatives subtiles de performance entre les souches et les conditions (figure 3C). À partir des cartes thermiques de conditionnement physique, nous voyons que chaque souche de variante présente des défauts de forme physique qui se manifestent de différentes façons. Δprx1 est principalement sensible aux températures élevées, mais le stress du sel semble avoir un effet additif, augmentant le défaut de remise en forme. Inversement, Δpbs2 montre des défauts de conditionnement physique principalement en réponse à des concentrations élevées de sel, avec des différences minimales le long de l’axe de température. Ces résultats soulignent l’utilité des expériences de sélection à haute résolution, en particulier pour déchiffrer les interactions de multiples facteurs de stress environnementaux, qui pourraient avoir des effets additifs, synergiques ou épistatiques. Enfin, il est important de noter que dans certains cas, en particulier pour les conditions de stress sévères, les calculs de conditionnement physique peuvent entraîner des résultats exagérés ou faussé. Par exemple, Δpbs2 semble montrer une pente positive abrupte dans la condition de 39 ° c/1 M de NaCl par rapport à la souche de référence (figure 3A). Ceci est attribué à une faible croissance des deux souches, qui se reflète dans les données de type sauvage et limite l’utilité de cette métrique particulière dans cette condition. Un nombre insuffisant de générations entraîne 1) une mauvaise séparation des points de temps qui interfère avec l’ajustement de la pente, et 2) la sensibilité aux effets stochastiques provenant de la phase de latence. Bien que nous n’ayons pas choisi de le faire dans cette étude, les données de croissance en temps réel recueillies par eVOLVER au cours de l’expérience auraient pu être utilisées pour informer la décision d’étendre l’expérience et de collecter des points de temps supplémentaires pour cette condition avec peu d’effort. Dans les expériences de suivi, les ratios de départ peuvent également être modulées pour prolonger la longueur de la région linéaire avant que la saturation ne se produise. Figure 1: vue d’ensemble du cadre eVOLVER et de la conception expérimentale. (A) Evolver est une plate-forme de culture continue automatisée permettant le contrôle multiparamètre des conditions de culture. La plate-forme se compose de Smart Sleeves, qui maison les capteurs et les actionneurs pour contrôler les conditions de culture, un réseau de pompes péristaltiques pour les fluides et les déchets dans et hors des cultures, un écran tactile pour interagir manuellement avec l’appareil, et un ordinateur utilisé pour interagir avec l’infrastructure cloud où les données de la plateforme sont diffusées en continu. (B) Evolver peut être configuré de plusieurs façons: physiquement, par le biais des entrées de cellules et de médias, et par programmation en ajustant les algorithmes contrôlant les modules de fiole de culture Smart Sleeve. Ceci peut être utilisé pour programmer la sélection multidimensionnelle/gradients environnementaux à haute résolution, avec des sorties composées de cellules collectées physiquement à des points de temps définis et de la diffusion en temps réel des données de culture. (C) configurer Evolver pour réaliser une expérience de conditionnement physique de croissance sur un gradient de sélection bidimensionnel, composé de température et de stress osmotique. les flacons de culture eVOLVER ont été ensemencés avec des proportions égales d’une souche de levure de référence et variant. Une routine de turbidostat a été programmée pour maintenir toutes les cultures en phase exponentielle dans une fenêtre OD définie (OD 0.2-0.3). Les conditions de température et de support ont été variées dans la baie Smart Sleeve pour former deux gradients de contrainte indépendants. Les milieux de base étaient composés de YPD (2% de glucose) + 100 μg/mL de carbénicilline + 25 μg/mL de chloramphénicol par précaution contre la contamination bactérienne. Les compositions médiatiques ont été variées en ajoutant du NaCl supplémentaire à 0 M, 0,6 M, 0,8 M, ou 1,0 M. les températures des flacons ont été programmées à l’une des quatre valeurs suivantes: 30 ° c, 35 ° c, 37 ° c ou 39 ° c. Dexemples de production brute pour la culture OD et les fractions de population de trois conditions testées. L’expérience de compétition a été maintenue pour 72 h, échantillonnage à 24 h et par la suite tous les 12 h jusqu’à la conclusion de l’expérience. S’il vous plaît cliquez ici pour voir une version plus grande de ce chiffre. Figure 2: tableau de bord d’analyse des données en temps réel eVOLVER. (A) les données Evolver sont traitées et diffusées en temps réel via un logiciel basé sur le Cloud vers un tableau de bord interactif. Grâce au tableau de bord, les utilisateurs peuvent définir et initier leurs propres routines de culture sur un eVOLVER connecté, surveiller les expériences en cours d’exécution sur toutes les unités eVOLVER et varier les conditions expérimentales manuellement sur un flacon individuel ou un ensemble de flacons si nécessaire. B) des traces d’OD pour chaque flacon dans la matrice des conditions testées pendant toute la durée de l’expérience. Les suivis peuvent être visualisés en temps réel pour s’assurer que l’expérience fonctionne comme désiré et utilisé après l’expérience pour une analyse plus approfondie. (C) les taux de croissance et les générations cellulaires peuvent être calculés à partir de traces OD à la volée pour suivre les progrès de l’expérience. S’il vous plaît cliquez ici pour voir une version plus grande de ce chiffre. Figure 3: Construction de surfaces de conditionnement physique. (A) fractions de lapopulation cellulaire log naturel (souche variant/souche de référence) tracée contre les générations cellulaires. La couleur indique la température de sélection tandis que les tirets distinguent les concentrations de sel. (B) pour quantifier l’aptitude relative de la variante à la souche de référence, une métrique de forme physique est dérivée de la vitesse à laquelle la fraction de la population cellulaire change au fil des générations. Cette métrique est calculée à partir de la région linéaire des parcelles de fraction cellulaire à l’aide d’un minimum de trois points. (C) les métriques relatives de conditionnement physique sont affichées dans une carte thermique pour construire une surface de conditionnement physique sur les gradients de contrainte environnementale. L’état du coin supérieur droit (39 ° c/1,0 M NaCl) pour le type sauvage et le Δpbs2 ne sont pas inclus dans cette analyse car les cultures sont passées par des générations insuffisantes (voir résultats représentatifs). S’il vous plaît cliquez ici pour voir une version plus grande de ce chiffre.

Discussion

La sélection de la croissance est un outil indispensable en biologie, largement utilisé pour générer et caractériser les différences phénotypiques entre les populations cellulaires. Bien que les cultures par lots permettent la sélection de la croissance d’une manière limitée, les techniques de culture continue augmentent considérablement le degré de contrôle et de prévisibilité de ces expériences, en exerçant une réglementation précise sur la forme et la dynamique de la sélection pour générer reproductibles, résultats quantitatifs22. Une culture continue a été employée pour contrôler rigoureusement la sélection des bibliothèques à haute diversité20,23,24,25, et pour mettre en œuvre des régimes d’adaptation sophistiqués dans les systèmes expérimentaux et Evolution dirigée11,12,26,27. La culture continue permet également une caractérisation précise des cellules dans un ensemble de conditions contrôlées quantitativement pour mieux comprendre les systèmes génétiques complexes et optimiser les souches de bioproduction d’ingénierie9,14 , le 28.

Cependant, il n’existe pas de protocole universel pour la culture continue, car des changements subtils aux conditions sélectives peuvent entraîner des changements radicaux dans les résultats biologiques4,29,30. Les expérimentateurs doivent pouvoir choisir entre les régimes de sélection et adapter les protocoles et l’équipement expérimentaux en conséquence. En plus d’offrir un choix entre les paramètres de contrôle, ces systèmes seraient idéalement assez sophistiqués pour gérer indépendamment plusieurs paramètres simultanément dans des expériences hautement parallèles qui sont nécessaires pour déchiffrer les entrées en interaction dans les complexes systèmes biologiques (p. ex. epistasis). eVOLVER résout ce défi en permettant aux utilisateurs de programmer arbitrairement le contrôle des retours entre les conditions de culture et les fonctions fluidiques afin de spécifier des niches environnementales hautement spécialisées.

Pour surmonter les limitations dans la configuration actuelle et développer ou modifier les paramètres de contrôle, le Smart Sleeve pourrait facilement être redessiné pour ajouter de nouveaux capteurs ou actionneurs. En outre, réduire le volume des flacons diminuerait les dépenses des médias, ce qui peut être significatif dans la culture continue. Bien que la conception actuelle permette de mesurer et de contrôler la température, l’agitation de la culture, l’induction de la lumière, la turbidité et la fluidité, d’autres paramètres doivent être mesurés à l’extérieur par échantillonnage à partir des flacons. Le travail actuel comprend l’incorporation de la capacité de surveiller l’activité enzymatique via la luciférase et de réguler l’oxygène dissous et le pH directement dans les cultures eVOLVER. En outre, bien qu’il ne soit pas démontré dans ce travail, eVOLVER peut s’interfacer avec de nouveaux dispositifs de multiplexage Millifluidique16 qui s’inspirer des principes d’intégration à grande échelle (provenant de l’électronique et adoptés par les microfluidiques) afin de permettent une manipulation plus complexe de la fluidité (par exemple, des entrées fluidiques multiplexées, des transferts de flacon à flacon). Ces modules de mouillage peuvent être conçus et fabriqués entièrement dans le laboratoire, ce qui permet aux utilisateurs de router les fluides en actifiant par programmation différentes combinaisons de vannes dans des routines fluidiques automatisées. Cela permet aux utilisateurs de surmonter les conceptions fluidiques rigides traditionnellement utilisées dans la culture continue, mais aussi de faire évoluer les capacités fluidiques vers un débit élevé avec un plus petit nombre d’éléments de contrôle coûteux (p. ex. pompes péristaltiques). Enfin, nous espérons incorporer une plate-forme d’échantillonnage automatique qui utilisera ces composants de millifluidics et de bricolage, en dépassant la limitation de l’interaction manuelle pendant les expériences plus longues et plus grandes où les cultures d’échantillonnage seraient encombrantes.

En plus des modifications physiques apportées à la plate-forme, le logiciel Web ouvre de nouveaux degrés de liberté en permettant aux utilisateurs d’écrire, de modifier et de partager des scripts eVOLVER personnalisés, générant des programmes de culture entièrement automatisés et activés pour les retours (par exemple, turbidostat). Les utilisateurs peuvent balayer par programme les plages de paramètres dans des variantes subtiles sur le même schéma de sélection ou connecter des algorithmes de contrôle dans de nouvelles combinaisons pour spécifier un nombre quelconque de schémas de sélection sophistiqués. En outre, la capacité de surveiller facilement les cultures en temps réel transforme la façon dont les expériences sont menées. Avec la surveillance en temps réel, les utilisateurs peuvent 1) vérifier la cohérence entre les exécutions, une caractéristique critique pour les applications de bioproduction et les expériences à haut débit, et 2) intervenir au cours des expériences si nécessaire, pour dépanner les souches difficiles qui présentent formation de biofilm ou de diagnostic des erreurs de l’utilisateur (p. ex. contamination). Enfin, avec la collecte et l’interprétation de plusieurs flux de données en temps réel pour chaque culture individuelle, eVOLVER génère une forte densité de données, ce qui peut faciliter les approches d’apprentissage automatique pour une nouvelle analyse en aval.

Au-delà des utilisations démontrées pour la caractérisation de conditionnement physique, la sélection de bibliothèque et l’évolution de laboratoire, nous avons vu un certain nombre de domaines connexes comme mûrs pour la mise en œuvre dans eVOLVER avec Fluidics intégré. les expériences d’Evolver avec des échantillons de microbiome pourraient analyser la stabilité de la Communauté dans les environnements contrôlés31,32, explorer la composition de microbiote à l’aide des techniques culturomics33, ou mélanger dynamiquement les espèces à interroger la dynamique écologique de la colonisation ou de l’invasion34,35. De nombreuses méthodes pour l’évolution dirigée continue des biomolécules pourraient facilement être mises en œuvre sur le dispositif aussi bien26,36,37, augmentant considérablement l’accessibilité et le débit de ces systèmes. La capacité d’optimiser les conditions de croissance telles que la composition des médias, la température et les souches dans une nature dynamique et à haut débit peut faciliter les efforts d’optimisation pour les applications de biomanufacturisation industrielle9. Nous avons davantage l’idée d’intégrer verticalement eVOLVER avec d’autres techniques d’analyse telles que la microscopie et la cytométrie en flux en boucle fermée, fournissant un système entièrement automatisé pour la croissance et l’analyse des cultures cellulaires à la fois à une seule cellule et à la population Niveaux. De plus, avec certaines modifications matérielles de la Smart Sleeve telles que l’étanchéité du récipient et le contrôle de la teneur en gaz, eVOLVER pourrait potentiellement être adapté pour soutenir la croissance d’une plus large gamme de types de cellules, tels que les cellules de mammifères de suspension. Il est également possible de placer l’ensemble du cadre dans une chambre anaérobie pour la culture cellulaire anaérobie. En regardant vers l’avenir, nous visons à construire notre infrastructure logicielle dans un environnement Cloud centralisé et croyons que cela permettrait aux utilisateurs de facilement configurer, analyser et partager leurs données à distance sans avoir besoin d’être physiquement présent dans le laboratoire. Fonctionnant en tant que conservateur de données, l’infrastructure cloud se prêterait également à des méta-analyses à grande échelle dans les expériences. Nous prévoyons que eVOLVER et ces futures avancées élargira grandement la portée des expériences possibles de sélection de la croissance en facilitant l’automatisation et l’innovation dans la culture continue.

Declarações

The authors have nothing to disclose.

Acknowledgements

Nous remercions B. Stafford pour son aide à la conception du système, et H. Khalil, A. Soltanianzadeh, A. Sun, S. pipe, et A. cavale pour l’aide à la construction du système. Nous reconnaissons l’Electronics Design Facility (EDF), le Engineering product innovation Center (EPIC) et le Software & application Innovation Lab (SAIL) de l’Institut Hariri pour l’informatique de l’Université de Boston pour leurs services. Ce travail a été appuyé par un prix de carrière NSF (MCB-1350949 à A.S.K.), et DARPA accorde HR0011-15-C-0091 et HR0011-18-2-0014 (à A.S.K.). A.S.K. reconnaît également le financement du nouveau prix innovateur du directeur du NIH (1DP2AI131083-01), du prix DARPA Young Faculty (D16AP00142) et des expéditions NSF en informatique (CCF-1522074).

Materials

5 Gallon Plastic Hedpack with cap Midwest Brewing and Winemaking Supplies 45-56Y8-E2FR For waste collection
a-D(+)-Glucose Chem-Impex 00805 For YPD Medium
Attune NxT Autosampler Thermo Fisher Allows Flow Cytometer to run samples from 96 well plate
Attune NxT Flow Cytometer Thermo Fisher Used to determine population fractions via single cell fluoresence
Bacto Peptone Fisher Scientific DF0118-07-0 For YPD Medium
Carbenicillin Fisher Scientific BP2648250 For YPD Medium
Chemical-Resistant Barbed Tube Fitting Tee Connector, for 1/8" Tube ID, 250°F Maximum Temperature McMaster- Carr 5121K731 For media input branching
Chloramphenicol Fisher Scientific BP904-100 For YPD Medium
CLOROX GERMICIDAL Bleach 8.25 Fisher Scientific 50371500 For Sterilization of fluidic lines
Custom eVOLVER vial lid FynchBio Lid has ports for sampling and fluidic input/output
Cycloheximide Fisher Scientific ICN10018301 For flow cytometry sampling plates
Ethanol, Anhydrous (Histological) Fisher Scientific A405P-4 For sterilization of fluidic lines
eVOLVER Unit FynchBio
Fisherbrand Extended-Length Tips (Lift Off Rack; 1 to 200 ul) Fisher Scientific 02-681-420 For vial sampling
Fisherbrand Octagon Spinbar Magnetic Stirring Bars Fisher Scientific 14-513-57 Diameter: 4.5 mm, Length, 12 mm
Fisherbrand Reusable Glass Media Bottles with Cap Fisher Scientific FB8002000 Must be fitted with tubing
High-Temperature Silicone Rubber Tubing Semi-Clear White, Durometer 70A, 1/8" ID, 1/4" OD McMaster- Carr 51135K73 For media bottles
Mac Mini Apple For running the experiment/collecting data
Phosphate Buffered Saline (PBS) Fisher Scientific BP243820 For flow cytometry sampling plates
Pipettes Eppendorf
Plastic Quick-Turn Tube Coupling, Plugs, for 1/16" Barbed Tube ID, Polypropylene McMaster- Carr 51525K141 For media bottles
Plastic Quick-Turn Tube Coupling, Plugs, for 5/32" Barbed Tube ID, Polypropylene McMaster- Carr 51525K144 For media bottles
Plastic Quick-Turn Tube Coupling, Sockets, for 1/16" Barbed Tube ID, Polypropylene McMaster- Carr 51525K291 For media bottles
Plastic Quick-Turn Tube Coupling, Sockets, for 5/32" Barbed Tube ID, Polypropylene McMaster- Carr 51525K294 For media bottles
SCREW CAPS, OPEN TOP, WITH PTFE FACED SILICONE SEPTA, LAB-PAC, SEPTUM. Screw thread size: 24-400, GREEN Chemglass CG-4910-04 Culture vials
Sodium Chloride (NaCl) Fsher Scientific S271-3 For YPD Medium
SpectraMax M5 Multi-Mode Microplate Reader Molecular Devices For measuring OD600 of overnight cell cultures
Vial Only, Sample, 40mL, Clear, 28x95mm, GPI 24-400 Chemglass CG-4902-08 Culture vials
Yeast Extract Fisher Scientific BP1422-500 For YPD Medium

Referências

  1. Monod, J. The Growth of Bacterial Cultures. Annual Review of Microbiology. , (1949).
  2. Novick, A., Szilard, L. Experiments with the Chemostat on spontaneous mutations of bacteria. Proceedings of the National Academy of Sciences of the United States of America. 36 (12), 708-719 (1950).
  3. Bull, A. T. The renaissance of continuous culture in the post-genomics age. Journal of Industrial Microbiology and Biotechnology. 37 (10), 993-1021 (2010).
  4. Gresham, D., Dunham, M. J. The enduring utility of continuous culturing in experimental evolution. Genomics. 104 (6), 399-405 (2014).
  5. Lang, G. I., et al. Pervasive genetic hitchhiking and clonal interference in forty evolving yeast populations. Nature. 500 (7464), 571-574 (2013).
  6. Maddamsetti, R., et al. Adaptation, Clonal Interference, and Frequency-Dependent Interactions in a Long-Term Evolution Experiment with Escherichia coli. Genética. 200 (2), 619-631 (2015).
  7. Ishii, N., et al. Multiple High-Throughput Analyses Monitor the Response of E. coli to Perturbations. Science. 316 (5824), 593-597 (2007).
  8. Brauer, M. J., et al. Coordination of Growth Rate, Cell Cycle, Stress Response, and Metabolic Activity in Yeast. Molecular Biology of the Cell. 19 (1), 352-367 (2008).
  9. Moser, F., et al. Genetic circuit performance under conditions relevant for industrial bioreactors. ACS Synthetic Biology. 1 (11), 555-564 (2012).
  10. Kao, K. C., Sherlock, G. Molecular characterization of clonal interference during adaptive evolution in asexual populations of Saccharomyces cerevisiae. Nature Genetics. 40 (12), 1499-1504 (2008).
  11. Toprak, E., Veres, A., Michel, J. -. B., Chait, R., Hartl, D. L., Kishony, R. Evolutionary paths to antibiotic resistance under dynamically sustained drug selection. Nature Genetics. 44 (1), 101-105 (2011).
  12. Hope, E. A., Amorosi, C. J., Miller, A. W., Dang, K., Heil, C. S., Dunham, M. J. Experimental Evolution Reveals Favored Adaptive Routes to Cell Aggregation in Yeast. Genética. 206 (2), 1153-1167 (2017).
  13. Miller, A. W., Befort, C., Kerr, E. O., Dunham, M. J. Design and Use of Multiplexed Chemostat Arrays. Journal of Visualized Experiments. (72), 2-7 (2013).
  14. Takahashi, C. N., Miller, A. W., Ekness, F., Dunham, M. J., Klavins, E. A low cost, customizable turbidostat for use in synthetic circuit characterization. ACS Synthetic Biology. 4 (1), 32-38 (2015).
  15. Toprak, E., et al. Building a morbidostat: an automated continuous-culture device for studying bacterial drug resistance under dynamically sustained drug inhibition. Nature Protocols. 8 (3), 555-567 (2013).
  16. Wong, B. G., Mancuso, C. P., Kiriakov, S., Bashor, C. J., Khalil, A. S. Precise, automated control of conditions for high-throughput growth of yeast and bacteria with eVOLVER. Nature Biotechnology. 36 (7), 614-623 (2018).
  17. Bondi, A. B. Characteristics of scalability and their impact on performance. Proceedings of the Second International Workshop on Software and Performance – WOSP ’00. , 195-203 (2000).
  18. Ziv, N., Brandt, N. J., Gresham, D. The Use of Chemostats in Microbial Systems Biology. Journal of Visualized Experiments. (80), e50168 (2013).
  19. Sanchez, M. R., et al. Differential paralog divergence modulates genome evolution across yeast species. PLOS Genetics. 13 (2), e1006585 (2017).
  20. Gibney, P. A., Lu, C., Caudy, A. A., Hess, D. C., Botstein, D. Yeast metabolic and signaling genes are required for heat-shock survival and have little overlap with the heat-induced genes. Proceedings of the National Academy of Sciences of the United States of America. 110 (46), E4393-E4402 (2013).
  21. Giaever, G., et al. Functional profiling of the Saccharomyces cerevisiae genome. Nature. 418 (6896), 387-391 (2002).
  22. Piper, M. D. W., et al. Reproducibility of oligonucleotide microarray transcriptome analyses. An interlaboratory comparison using chemostat cultures of Saccharomyces cerevisiae. Journal of Biological Chemistry. 277 (40), 37001-37008 (2002).
  23. Badarinarayana, V., et al. Selection analyses of insertional mutants using subgenic-resolution arrays. Nature Biotechnology. 19 (11), 1060-1065 (2001).
  24. Dai, J., Hyland, E. M., Yuan, D. S., Huang, H., Bader, J. S., Boeke, J. D. Probing Nucleosome Function: A Highly Versatile. Library of Synthetic Histone H3 and H4. 134 (6), 1066-1078 (2008).
  25. McGeachy, A. M., Meacham, Z. A., Ingolia, N. An Accessible Continuous-Culture Turbidostat for Pooled Analysis of Complex Libraries. bioRxiv. , 450536 (2018).
  26. Esvelt, K. M., Carlson, J. C., Liu, D. R. A system for the continuous directed evolution of biomolecules. Nature. 472 (7344), 499-503 (2011).
  27. Carlson, J. C., Badran, A. H., Guggiana-Nilo, D. A., Liu, D. R. Negative selection and stringency modulation in phage-assisted continuous evolution. Nature Chemical Biology. 10 (3), 216-222 (2014).
  28. Milias-Argeitis, A., Rullan, M., Aoki, S. K., Buchmann, P., Khammash, M. Automated optogenetic feedback control for precise and robust regulation of gene expression and cell growth. Nature Communications. 7 (May), 12546 (2016).
  29. Wenger, J. W., Piotrowski, J., Nagarajan, S., Chiotti, K., Sherlock, G., Rosenzweig, F. Hunger Artists: Yeast Adapted to Carbon Limitation Show Trade-Offs under Carbon Sufficiency. PLoS Genetics. 7 (8), e1002202 (2011).
  30. Yona, A. H., et al. Chromosomal duplication is a transient evolutionary solution to stress. Proceedings of the National Academy of Sciences of the United States of America. 109 (51), 21010-21015 (2012).
  31. Auchtung, J. M., Robinson, C. D., Britton, R. A. Cultivation of stable, reproducible microbial communities from different fecal donors using minibioreactor arrays (MBRAs). Microbiome. 3, 42 (2015).
  32. Goldford, J. E., et al. Emergent simplicity in microbial community assembly. Science. 361 (6401), 469-474 (2018).
  33. Lagier, J. -. C., Dubourg, G., Million, M., Cadoret, F., Fournier, P. Culturing the human microbiota and culturomics. Nature Reviews Microbiology. 16 (September), 540-550 (2018).
  34. Fukami, T. Historical Contingency in Community Assembly: Integrating Niches, Species Pools, and Priority Effects. Annual Review of Ecology, Evolution, and Systematics. 46 (1), 1-23 (2015).
  35. Friedman, J., Gore, J. Ecological systems biology: The dynamics of interacting populations. Current Opinion in Systems Biology. 1, 114-121 (2017).
  36. Crook, N., Abatemarco, J., Sun, J., Wagner, J. M., Schmitz, A., Alper, H. S. In vivo continuous evolution of genes and pathways in yeast. Nature Communications. 7, 13051 (2016).
  37. Ravikumar, A., et al. Scalable, Continuous Evolution of Genes at Mutation Rates above Genomic Error Thresholds. Cell. 175, (2018).

Play Video

Citar este artigo
Heins, Z. J., Mancuso, C. P., Kiriakov, S., Wong, B. G., Bashor, C. J., Khalil, A. S. Designing Automated, High-throughput, Continuous Cell Growth Experiments Using eVOLVER. J. Vis. Exp. (147), e59652, doi:10.3791/59652 (2019).

View Video