Summary

Quantificazione assoluta del metabolismo della sintesi proteica senza cellule da demografia-cromometria di massa a fase reverse

Published: October 25, 2019
doi:

Summary

Qui, presentiamo un protocollo robusto per quantificare 40 composti coinvolti nel metabolismo centrale del carbonio e dell’energia nelle reazioni di sintesi proteica priva di cellule. La miscela di sintesi senza cellule viene derivata con un’anilina per una separazione efficace utilizzando la cromatografia liquida a fase invertita e quindi quantificata dalla spettrometria di massa utilizzando standard interni etichettati isotopicamente.

Abstract

La sintesi delle proteine prive di cellule (CFPS) è una tecnologia emergente nei sistemi e nella biologia sintetica per la produzione in vitro di proteine. Tuttavia, se CFPS sta per andare oltre il laboratorio e diventare una tecnologia di produzione diffusa e standard just in time, dobbiamo capire i limiti di prestazioni di questi sistemi. A questa domanda, abbiamo sviluppato un protocollo robusto per quantificare 40 composti coinvolti nella glicolisi, la via del fosfato della pentosi, il ciclo dell’acido tricarboxillico, il metabolismo energetico e la rigenerazione del cofattore nelle reazioni CFPS. Il metodo utilizza standard interni contrassegnati con 13C-anilina, mentre i composti nel campione vengono derivati con 12C-anilina. Gli standard e il campione interni sono stati miscelati e analizzati mediante spettrometria cromatografia-massa liquida in fase invertita (LC/MS). La co-eluzione dei composti ha eliminato la soppressione degli ioni, consentendo la quantificazione accurata delle concentrazioni di metaboliti su 2-3 ordini di grandezza dove il coefficiente di correlazione medio era 0,988. Cinque dei quaranta composti sono stati senza tag con anilina, tuttavia, sono stati ancora rilevati nel campione CFPS e quantificati con un metodo di curva standard. La corsa cromatica richiede circa 10 minuti per essere completata. Nel loro insieme, abbiamo sviluppato un metodo veloce e robusto per separare e quantificare con precisione 40 composti coinvolti nella CFPS in un’unica corsa LC/MS. Il metodo è un approccio completo e preciso per caratterizzare il metabolismo privo di cellule, in modo che in ultima analisi, possiamo comprendere e migliorare la resa, la produttività e l’efficienza energetica dei sistemi senza cellule.

Introduction

La sintesi delle proteine prive di cellule (CFPS) è una piattaforma promettente per la produzione di proteine e sostanze chimiche, un’applicazione tradizionalmente riservata alle cellule viventi. I sistemi senza cellule sono derivati da estratti di cellule grezze ed eliminano le complicazioni associate alla crescita cellulare1. Inoltre, CFPS consente l’accesso diretto ai metaboliti e ai macchinari biosintetici senza l’interferenza di una parete cellulare. Tuttavia, è stata carente una comprensione fondamentale dei limiti di prestazioni dei processi senza cellule. I metodi ad alta produttività per la quantificazione dei metaboliti sono preziosi per la caratterizzazione del metabolismo e sono fondamentali per la costruzione di modelli metabolici computazionali2,3,4. I metodi più comuni utilizzati per determinare le concentrazioni di metaboliti includono la risonanza magnetica nucleare (NMR), la spettroscopia a infrarossi a infrarossi di Fourier (FT-IR), i saggi basati su enzimi e la spettrometria di massa (MS)5,6,7 ,8. Tuttavia, questi metodi sono spesso limitati dalla loro incapacità di misurare in modo efficiente più composti contemporaneamente e spesso richiedono una dimensione del campione maggiore rispetto alle tipiche reazioni senza cellule. Ad esempio, i saggi basati su enzimi spesso possono essere utilizzati solo per quantificare un singolo composto in una corsa e sono limitati quando la dimensione del campione è piccola, ad esempio nelle reazioni di sintesi proteica priva di cellule (tipicamente eseguite su una scala 10-15). Nel frattempo, NMR richiede un’elevata abbondanza di metaboliti per il rilevamento e la quantificazione5.  Verso queste carenze, i metodi di cromatografia in tandem con la spettrometria di massa (LC/MS) offrono diversi vantaggi, tra cui l’elevata sensibilità e la capacità di misurare più specie contemporaneamente9; tuttavia, la complessità analitica aumenta considerevolmente con il numero e la diversità delle specie misurate. È quindi importante sviluppare metodi in grado di realizzare appieno il potenziale ad alta produttività dei sistemi LC/MS. I composti in un campione sono separati dalla cromatografia liquida e identificati attraverso la spettrometria di massa. Il segnale del composto dipende dalla sua efficienza di concentrazione e ionizzazione, dove la ionizzazione può variare tra i composti e può anche dipendere dalla matrice del campione.

Raggiungere la stessa efficienza di ionizzazione tra il campione e gli standard è una sfida quando si utilizza LC/MS per quantificare gli analiti. Inoltre, la quantificazione diventa più impegnativa con la diversità dei metaboliti a causa della divisione del segnale e dell’eterogeneità nell’affinità protonica e nella polarità10. Infine, la matrice di co-eluting del campione può anche influenzare l’efficienza della ionizzazione dei composti. Per risolvere questi problemi, i metaboliti possono essere derivati chimicamente, aumentando la risoluzione di separazione e la sensibilità da parte dei sistemi LC/MS, riducendo contemporaneamente la suddivisione del segnale in alcuni casi10,11. La derivazione chimica funziona etichettando specifici gruppi funzionali di metaboliti per regolare le loro proprietà fisiche come carica o idrofobicità per aumentare l’efficienza di ionizzazione11. Vari agenti di etichettatura possono essere utilizzati per indirizzare diversi gruppi funzionali (ad esempio, ammine, idrossidi, fosfati, acidi carboxylici, ecc.). Aniline, uno di questi agenti di derivazione, si rivolge a più gruppi funzionali contemporaneamente, e aggiunge un componente idrofobico in molecole idrofile, aumentando così la loro risoluzione di separazione e il segnale12. Per affrontare l’effetto di soppressione degli ioni a matrice co-elutazione, Yang e i colleghi hanno sviluppato una tecnica basata sull’etichettatura GSIST (Group Specific Internal Standard Technology) in cui gli standard sono contrassegnati con isotopi di anilinea 13C e mescolati con il campione 12,13. Il metabolita e il corrispondente standard interno hanno la stessa efficienza di ionizzazione dal momento che co-eluito, e il loro rapporto di intensità può essere utilizzato per quantificare la concentrazione nel campione sperimentale.

In questo studio, abbiamo sviluppato un protocollo per rilevare e quantificare 40 composti coinvolti nella glicolisi, la via del fosfato pentosi, il ciclo dell’acido tricarboxyillico, il metabolismo energetico e la rigenerazione del cofattore nelle reazioni CFPS. Il metodo si basa sull’approccio GSIST, dove abbiamo usato 12C-anilina e 13C-anilina per etichettare, rilevare e quantificare i metaboliti utilizzando LC/MS in fase invertita. La gamma lineare di tutti i composti si estendeva su 2-3 ordini di grandezza con un coefficiente di correlazione medio di 0,988. Così, il metodo è un approccio robusto e preciso per interrogare il metabolismo senza cellule, e possibilmente estratti interi cellulari.

Protocol

1. Preparazione dei reagenti per l’etichettatura di anilina Preparare una soluzione di anilina da 6 M a pH 4.5. Lavorando in una cappa, unire 550 l di anilina con 337,5 l di acqua di grado LCMS e 112,5 -L di acido cloridrico 12 M (HCl) in un tubo centrifuga. Vortice bene e conservare a 4 gradi centigradi.NOTA: Aniline può essere conservato a 4 gradi centigradi per 2 mesi.AVVISO: L’anilina è altamente tossica e deve essere lavorata in un cofano di fumi. L’acido cloridrico è altamente corrosivo <…

Representative Results

Come prova di concetto, abbiamo usato il protocollo per quantificare i metaboliti in un sistema CFPS basato su E. coli che esprimeva proteine fluorescenti verdi (GFP).  La reazione della CFPS (14) è stata spenta e deproteinizzata con etanolo. Il campione CFPS è stato quindi contrassegnato con 12C-anilina, mentre gli standard sono stati contrassegnati con 13C-anilina. Il campione e gli standard contrassegnati sono stati quindi combinati e iniettati in LC/MS (Figura 1<…

Discussion

I sistemi privi di cellule non hanno una parete cellulare, quindi c’è accesso diretto ai metaboliti e ai macchinari biosintetici senza la necessità di una complessa preparazione del campione. Tuttavia, è stato fatto molto poco lavoro per sviluppare protocolli approfonditi e robusti per interrogare quantitativamente sistemi di reazione privi di cellule. In questo studio, abbiamo sviluppato un metodo veloce e robusto per quantificare i metaboliti nelle miscele di reazione prive di cellule e potenzialmente in estratti in…

Disclosures

The authors have nothing to disclose.

Acknowledgements

Il lavoro descritto è stato supportato dal Centro sulla Fisica del Metabolismo del Cancro attraverso il premio numero 1U54CA210184-01 del National Cancer Institute (https://www.cancer.gov/ ). Il contenuto è di esclusiva responsabilità degli autori e non rappresenta necessariamente le opinioni ufficiali del National Cancer Institute o dei National Institutes of Health. I finanziatori non hanno avuto alcun ruolo nella progettazione dello studio, nella raccolta e nell’analisi dei dati, nella decisione di pubblicazione o nella preparazione del manoscritto.

Materials

12C Aniline Sigma-Aldrich 242284 Aniline 12C
13C labeled aniline Sigma-Aldrich 485797 Aniline 13C6
3-Phosphoglyceric acid Sigma-Aldrich P8877 3PG
Acetic Acid FisherScientific AC222140010 ACE
Acetonitrile, LCMS JT BAKER 9829-03 ACN
Acetyl-coenzyme A Sigma-Aldrich A2056 ACA
Acquity UPLC BEH C18 1.7 μM, 2.1 x 150 mm Column Waters 186002353 Column
Adenosine diphosphate Sigma-Aldrich A2754 ADP
Adenosine monophosphate Sigma-Aldrich A1752 AMP
Adenosine triphosphate Sigma-Aldrich A2383 ATP
Alpha-ketoglutarate Sigma-Aldrich K1128 aKG
Citrate Sigma-Aldrich 251275 CIT
Cytidine diphosphate Sigma-Aldrich C9755 CDP
Cytidine monophosphate Sigma-Aldrich C1006 CMP
Cytidine triphosphate Sigma-Aldrich C9274 CTP
D-glyceraldehyde 3-phosphate Sigma-Aldrich 39705 GAP
Erythrose 4-phosphate Sigma-Aldrich E0377 E4P
Ethanol Sigma-Aldrich EX0276 EtOH
Fisher Scientific accuSpin Micro 17 Centrifuge FisherScientific Centrifuge
Flavin adenine dinucleotide Sigma-Aldrich F6625 FAD
Fructose 1,6-bisphosphate Sigma-Aldrich F6803 F16P
Fructose 6-phosphate Sigma-Aldrich F3627 F6P
Fumarate Sigma-Aldrich F8509 FUM
Gluconate 6-phosphate Sigma-Aldrich P7877 6PG
Glucose Sigma-Aldrich G8270 GLC
Glucose 6-phosphate Sigma-Aldrich G7879 G6P
Glycerol 3-phosphate Sigma-Aldrich G7886 Gly3P
Guanosine diphosphate Sigma-Aldrich G7127 GDP
Guanosine monophosphate Sigma-Aldrich G8377 GMP
Guanosine triphosphate Sigma-Aldrich G8877 GTP
Hydrochloric acid Sigma-Aldrich 258148 HCl
Isocitrate Sigma-Aldrich I1252 ICIT
Lactate Sigma-Aldrich L1750 LAC
Malate Sigma-Aldrich 02288 MAL
myTXTL – Sigma 70 Master Mix Kit ArborBiosciences 507024 Cell-free protein synthesis
N-(3-dimethylaminopropyl)-N′-ethylcarbodiimide hydrochloride Sigma-Aldrich 03449 EDC
Nicotinamide adenine dinucleotide Sigma-Aldrich 43410 NAD
Nicotinamide adenine dinucleotide phosphate Sigma-Aldrich N5755 NADP
Nicotinamide adenine dinucleotide phosphate reduced Sigma-Aldrich 481973 NADPH
Nicotinamide adenine dinucleotide reduced Sigma-Aldrich N8129 NADH
Oxalacetate Sigma-Aldrich O4126 OAA
Phosphoenolpyruvate Sigma-Aldrich P0564 PEP
Pyruvate Sigma-Aldrich P5280 PYR
Ribose 5-phosphate Sigma-Aldrich R7750 R5P
Ribulose 5-phosphate CarboSynth MR45852 RL5P
Sedoheptulose 7-phosphate CarboSynth MS07457 S7P
Succinate Sigma-Aldrich S3674 SUCC
Tributylamine Sigma-Aldrich 90780 TBA
Triethylamine FisherScientific O4884 TEA
ultrapure water FisherScientific 10977-015 water
Uridine diphosphate Sigma-Aldrich U4125 UDP
Uridine monophosphate Sigma-Aldrich U6375 UMP
Uridine triphosphate Sigma-Aldrich U6625 UTP
VWR Heavy Duty Vortex VWR Vortex
Water, LCMS JT BAKER 9831-03 WATER
Waters Acquity H UPLC Class Quaternary Solvent Manager Waters LCMS
Waters Acquity H UPLC Class Sample Manager FTN Waters LCMS
Waters Acquity Qda detector Waters LCMS
Waters Empower 3 Waters Software
Waters LCMS Total Recovery Vial Waters 186000384c LCMS Vial

References

  1. Hodgman, C. E., Jewett, M. C. Cell-free synthetic biology: thinking outside the cell. Metabolic Engineering. 14, 261-269 (2012).
  2. Vilkhovoy, M., et al. Sequence specific modeling of E. coli cell-free protein synthesis. ACS Synthetic Biology. 7 (8), 1844-1857 (2018).
  3. Vilkhovoy, M., Minot, M., Varner, J. D. Effective dynamic models of metabolic networks. IEEE Life Sciences Letters. 2 (4), 51-54 (2016).
  4. Horvath, N., et al. Toward a genome scale sequence specific dynamic model of cell-free protein synthesis in Escherichia coli. bioRxiv. , 215012 (2017).
  5. Dettmer, K., Aronov, P. A., Hammock, B. D. Mass spectrometry-based metabolomics. Mass spectrometry reviews. 26 (1), 51-78 (2007).
  6. Hajjaj, H., Blanc, P. J., Goma, G., François, J. Sampling techniques and comparative extraction procedures for quantitative determination of intra- and extracellular metabolites in filamentous fungi. FEMS Microbiology Letters. 164 (1), 195-200 (1998).
  7. Ruijter, G. J. G., Visser, J. Determination of intermediary metabolites in Aspergillus niger. Journal of Microbiological Methods. 25 (3), 295-302 (1996).
  8. Mailinger, W., Baltes, M., Theobald, U., Reuss, M., Rizzi, M. In vivo analysis of metabolic dynamics in Saccharomyces cerevisiae: I. Experimental observations. Biotechnology and Bioengineering. 55 (2), 305-316 (1997).
  9. Dunn, W. B., et al. Mass appeal: metabolite identification in mass spectrometry-focused untargeted metabolomics. Metabolomics. 9 (1), 44-66 (2013).
  10. Huang, T., Toro, M., Lee, R., Hui, D. S., Edwards, J. L. Multi-functional derivatization of amine, hydroxyl, and carboxylate groups for metabolomic investigations of human tissue by electrospray ionization mass spectrometry. Analyst. 143 (14), 3408-3414 (2018).
  11. Huang, T., Armbruster, M. R., Coulton, J. B., Edwards, J. L. Chemical Tagging in Mass Spectrometry for Systems Biology. Analytical Chemistry. 91 (1), 109-125 (2019).
  12. Yang, W. C., Sedlak, M., Regnier, F. E., Mosier, N., Ho, N., Adamec, J. Simultaneous quantification of metabolites involved in central carbon and energy metabolism using reversed-phase liquid chromatography-mass spectrometry and in vitro 13C labeling. Analytical Chemistry. 80 (24), 9508-9516 (2008).
  13. Jannasch, A., Sedlak, M., Adamec, J., Metz, T. O. Quantification of Pentose Phosphate Pathway (PPP) Metabolites by Liquid Chromatography-Mass Spectrometry (LC-MS). Metabolic Profiling. Methods in Molecular Biology 708 (Methods and Protocols). , 159-171 (2011).
  14. Luo, B., Groenke, K., Takors, R., Wandrey, C., Oldiges, M. Simultaneous determination of multiple intracellular metabolites in glycolysis, pentose phosphate pathway, and tricarboxylic acid cycle by liquid chromatography-mass spectrometry. Journal of Chromatography A. 1147 (2), 153-164 (2007).

Play Video

Cite This Article
Vilkhovoy, M., Dai, D., Vadhin, S., Adhikari, A., Varner, J. D. Absolute Quantification of Cell-Free Protein Synthesis Metabolism by Reversed-Phase Liquid Chromatography-Mass Spectrometry. J. Vis. Exp. (152), e60329, doi:10.3791/60329 (2019).

View Video