Summary

Абсолютная количественная количественная количественная количественная метания белка без клеток путем обратной фазы жидкой хроматографии-масс-спектрометрии

Published: October 25, 2019
doi:

Summary

Здесь мы представляем надежный протокол для количественной оценки 40 соединений, участвующих в центральном метаболизме углерода и энергии в реакции синтеза белка без клеток. Смесь синтеза без клеток производная с анилином для эффективного разделения с использованием обратной фазы жидкой хроматографии, а затем количественно масс-спектрометрии с использованием изотопно обозначенных внутренних стандартов.

Abstract

Синтез белка без клеток (CFPS) является новой технологией в системах и синтетической биологии для производства белков in vitro. Однако, если CFPS собирается выйти за пределы лаборатории и стать широко распространенной и стандартной как раз вовремя технологии производства, мы должны понимать пределы производительности этих систем. На этот вопрос мы разработали надежный протокол для количественной оценки 40 соединений, участвующих в гликолизе, пентоза фосфата пути, трикарбоксиловая кислота цикла, метаболизм энергии и кофактор регенерации в CFPS реакций. Метод использует внутренние стандарты, отмеченные 13C-анилин, в то время как соединения в образце производные с 12C-анилин. Внутренние стандарты и образец были смешаны и проанализированы с помощью обратной фазы жидкой хроматографии-масс-спектрометрии (LC/MS). Со-элютация соединений устранила подавление иона, позволив точно количественно определить концентрацию метаболитов на 2-3 порядка, где средний коэффициент корреляции составлял 0,988. Пять из сорока соединений были не отмечены анилином, однако они все еще были обнаружены в образце CFPS и количественно с помощью стандартного метода кривой. Хроматографический пробег занимает около 10 минут. В совокупности мы разработали быстрый и надежный метод разделения и точной количественной оценки 40 соединений, участвующих в CFPS в одном запуске LC/MS. Этот метод представляет собой комплексный и точный подход к характеристике метаболизма без клеток, так что в конечном счете, мы можем понять и улучшить урожайность, производительность и энергоэффективность систем, свободных от клеток.

Introduction

Синтез белка без клеток (CFPS) является перспективной платформой для производства белков и химических веществ, приложение, которое традиционно зарезервировано для живых клеток. Системы, свободные от клеток, получены из экстрактов сырой клетки и устраняют осложнения, связанные с ростом клеток1. Кроме того, CFPS обеспечивает прямой доступ к метаболитам и биосинтетическому оборудованию без вмешательства клеточной стенки. Однако фундаментальное понимание пределов производительности процессов, свободных от клеток, отсутствует. Высокопроизводительные методы метаболитной количественной оценки имеют важное значение для характеристики метаболизма и имеют решающее значение для построения метаболических вычислительных моделей2,3,4. Общие методы, используемые для определения концентрации метаболита включают ядерный магнитный резонанс (NMR), Фурье трансинфракрасной спектроскопии (FT-IR), ферментнаосновения и масс-спектрометрии (MS)5,6,7 ,8. Однако эти методы часто ограничиваются их неспособностью эффективно измерять несколько соединений одновременно и часто требуют размера выборки, превышающее типичные реакции, свободные от клеток. Например, анализы на основе ферментов часто могут использоваться только для количественной оценки одного соединения в пробеге, и ограничены, когда размер выборки мал, например, в реакции синтеза белка без клеток (обычно работают по шкале 10-15 л). Между тем, ЯМР требует высокого изобилия метаболитов для обнаружения и количественной оценки5.  К этим недостаткам, методы хроматографии в тандеме с масс-спектрометрией (LC/MS) обеспечивают несколько преимуществ, включая высокую чувствительность и возможность измерения нескольких видов одновременно9; однако сложность аналитических исследований значительно возрастает по мере измерения количества и разнообразия видов. Поэтому важно разработать методы, которые в полной мере реализуют высокопроизводительный потенциал систем LC/MS. Соединения в образце разделены жидкой хроматографией и идентифицируются с помощью масс-спектрометрии. Сигнал соединения зависит от его концентрации и эффективности ионизации, где ионизация может варьироваться между соединениями, а также может зависеть от матрицы образца.

Достижение той же эффективности ионизации между образцом и стандартами является сложной задачей при использовании LC/MS для количественной оценки анализов. Кроме того, количественная оценка становится все более сложной задачей с метаболитным разнообразием из-за расщепления сигналов и неоднородности в сродстве протона и полярности10. Наконец, матрица совместного использования образца может также влиять на эффективность ионизации соединений. Для решения этих проблем метаболиты могут быть химически производными, увеличивая разрешение разделения и чувствительность систем LC/MS, одновременно уменьшая расщепление сигнала в некоторых случаях10,11. Химическая произвена работает путем пометки конкретных функциональных групп метаболитов, чтобы настроить их физические свойства, такие как заряд или гидрофобность для повышения эффективности ионизации11. Различные метки могут быть использованы для целевых различных функциональных групп (например, амины, гидроксилы, фосфаты, карбоксиловая кислоты и т.д.). Анилин, один из таких агентов производной, цели нескольких функциональных групп одновременно, и добавляет гидрофобный компонент в гидрофильных молекул, тем самым увеличивая их разделение резолюции исигнал12. Для решения эффекта подавления ко-элюлинга матрицы Ян и его коллеги разработали методику, основанную на маркировке групповых специфических внутренних стандартных технологий (GSIST), где стандарты маркируются 13-c-изотопов анилина и смешиваются с образцом 12,13. Метаболит и соответствующий внутренний стандарт имеют одинаковую эффективность ионизации, поскольку они совместно элютируются, и коэффициент их интенсивности может быть использован для количественной оценки концентрации в экспериментальной выборке.

В этом исследовании мы разработали протокол для обнаружения и количественной оценки 40 соединений, участвующих в гликолизе, пентоза фосфатпуть, трикарбоксиловая кислота цикла, метаболизм энергии и кофактор регенерации в CFPS реакций. Метод основан на подходе GSIST, где мы использовали 12C-анилин и 13C-анилин для тегов, обнаружения и количественной оценки метаболитов с помощью обратной фазы LC/MS. Линейный диапазон всех соединений охватывал 2-3 порядка величины со средним коэффициентом корреляции 0,988. Таким образом, метод является надежным и точным подходом к допросу клеточного метаболизма, и, возможно, цельноклеточных экстрактов.

Protocol

1. Подготовка реагентов для анилиновых пометок Подготовьте анилинный раствор 6 M на уровне pH 4.5. Работая в капюшоне, смешайте 550 л анилина с 337,5 л воды класса LCMS и 112,5 л соляной кислоты (HCl) в центрифуговой трубке. Вихрь хорошо и хранить при 4 градусах Цельсия.ПРИМЕЧАНИЕ: Анилин может хр…

Representative Results

В качестве доказательства концепции мы использовали протокол для количественной оценки метаболитов в системе CFPS на основе кишечной палочки, выражающей зеленый флуоресцентный белок (GFP).  Реакция CFPS (14 л) была утоплена и депротеинизирована этанолом. Образец CFPS был затем помечен 1…

Discussion

Системы, свободные от клеток, не имеют клеточной стенки, поэтому существует прямой доступ к метаболитам и биосинтетическому оборудованию без необходимости сложной подготовки образцов. Тем не менее, было проделано очень мало работы по разработке тщательных и надежных протоколов для ко…

Disclosures

The authors have nothing to disclose.

Acknowledgements

Описанная работа была поддержана Центром по физике метаболизма рака через премию Номер 1U54CA210184-01 от Национального института рака (https://www.cancer.gov/). Содержание является исключительно ответственностью авторов и не обязательно отражает официальные взгляды Национального института рака или Национальных институтов здравоохранения. Спонсоры не принимали никакой роли в разработке, сборе и анализе данных, принятии решения о публикации или подготовке рукописи.

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