Summary

Visualisation des monocarboxylates et d’autres métabolites pertinents dans le cerveau larvaire de la drosophile ex vivo à l’aide de capteurs génétiquement codés

Published: October 27, 2023
doi:

Summary

Nous présentons ici un protocole pour visualiser le transport des monocarboxylates, du glucose et de l’ATP dans les cellules gliales et les neurones à l’aide de capteurs basés sur le transfert d’énergie par résonance de Förster génétiquement codés dans une préparation cérébrale ex-vivo de larves de drosophile .

Abstract

Les besoins énergétiques élevés du cerveau dus à l’activité électrique sont l’une de leurs caractéristiques les plus distinctives. Ces besoins sont satisfaits par la production d’ATP à partir du glucose et de ses métabolites, tels que les monocarboxylates lactate et pyruvate. On ne sait toujours pas comment ce processus est réglementé ni qui en sont les principaux acteurs, en particulier chez la drosophile.

En utilisant des capteurs basés sur le transfert d’énergie par résonance de Förster génétiquement codés, nous présentons une méthode simple pour mesurer le transport des monocarboxylates et du glucose dans les cellules gliales et les neurones dans une préparation ex-vivo du cerveau larvaire de la drosophile . Le protocole décrit comment disséquer et coller un cerveau larvaire exprimant l’un des capteurs à une lamelle en verre.

Nous présentons les résultats d’une expérience complète dans laquelle le transport du lactate a été mesuré dans le cerveau des larves en neutralisant des transporteurs de monocarboxylate précédemment identifiés dans les cellules gliales. De plus, nous démontrons comment augmenter rapidement l’activité neuronale et suivre les changements de métabolites dans le cerveau actif. La méthode décrite, qui fournit toutes les informations nécessaires, peut être utilisée pour analyser d’autres tissus vivants de la drosophile .

Introduction

Le cerveau a des besoins énergétiques élevés en raison du coût élevé de la restauration des gradients ioniques dans les neurones causés par la génération et la transmission du signal électrique neuronal, ainsi que par la transmission synaptique 1,2. On a longtemps pensé que cette forte demande énergétique était satisfaite par l’oxydation continue du glucose pour produire de l’ATP3. Des transporteurs spécifiques à la barrière hémato-encéphalique transfèrent le glucose dans le sang vers le cerveau. Des niveaux glycémiques constants garantissent que le cerveau reçoit un apport constant de glucose4. Il est intéressant de noter que de plus en plus de preuves expérimentales suggèrent que les molécules dérivées du métabolisme du glucose, telles que le lactate et le pyruvate, jouent un rôle important dans la production d’énergie des cellules cérébrales 5,6. Cependant, il y a encore un débat sur l’importance de ces molécules pour la production d’énergie et sur les cellules du cerveau qui les produisent ou les utilisent 7,8. Le manque d’outils moléculaires appropriés avec la haute résolution temporelle et spatiale requise pour cette tâche est un problème important qui a empêché cette controverse d’être complètement résolue.

Le développement et l’application de plusieurs capteurs métaboliques fluorescents ont permis d’améliorer considérablement notre compréhension de l’endroit et de la manière dont les métabolites sont produits et utilisés, ainsi que de la façon dont les flux métaboliques se produisent pendant l’activité neuronale basale et élevée9. Des capteurs métaboliques génétiquement codés basés sur la microscopie à transfert d’énergie par résonance de Förster (FRET), tels que ATeam (ATP), FLII12Pglu700μδ6 (glucose), Laconic (lactate) et Pyronic (pyruvate), ont contribué à notre compréhension du métabolisme énergétique cérébral 10,11,12,13. Cependant, en raison des coûts élevés et de l’équipement sophistiqué requis pour mener des expériences sur des animaux vivants ou des tissus, les résultats des modèles de vertébrés sont encore principalement limités aux cultures cellulaires (cellules gliales et neurones).

L’utilisation émergente du modèle de la drosophile pour exprimer ces capteurs a révélé que les caractéristiques métaboliques clés sont conservées à travers les espèces et que leur fonction peut être facilement traitée avec cet outil. Plus important encore, le modèle de la drosophile a mis en lumière la façon dont le glucose et le lactate/pyruvate sont transportés et métabolisés dans le cerveau de la mouche, le lien entre la consommation de monocarboxylate et la formation de la mémoire, et la démonstration remarquable de la façon dont les augmentations de l’activité neuronale et du flux métabolique se chevauchent 14,15,16,17. La méthode présentée ici pour mesurer les niveaux de monocarboxylate, de glucose et d’ATP à l’aide de capteurs FRET génétiquement codés exprimés dans le cerveau larvaire permet aux chercheurs d’en savoir plus sur la façon dont le cerveau de la drosophile utilise l’énergie, qui peut être appliquée au cerveau d’autres animaux.

Nous montrons que cette méthode est efficace pour détecter le lactate et le glucose dans les cellules gliales et les neurones, et qu’un transporteur de monocarboxylate (Chaski) est impliqué dans l’importation du lactate dans les cellules gliales. Nous démontrons également une méthode simple pour étudier les changements de métabolites lors d’une activité neuronale accrue, qui peut être facilement induite par l’application d’un antagoniste du récepteur GABAA . Enfin, nous montrons que cette méthodologie peut être utilisée pour mesurer le transport du monocarboxylate et du glucose dans d’autres tissus métaboliquement significatifs, tels que les corps adipeux.

Protocol

1. Entretien de la souche de mouche et synchronisation larvaire Pour réaliser ces expériences, utilisez des cultures de mouches élevées à 25 °C sur des aliments standard pour drosophiles composés de 10 % de levure, 8 % de glucose, 5 % de farine de blé, 1,1 % de gélose, 0,6 % d’acide propionique et 1,5 % de méthylparabène. Pour suivre ce protocole, utilisez les lignes suivantes : w1118 (fond de contrôle expérimental), OK6-GAL4 (pilote pour le…

Representative Results

Jusqu’à 1 h, cette procédure permet de mesurer facilement les changements intracellulaires dans la fluorescence des capteurs de monocarboxylate et de glucose. Comme le montre la figure 4, les capteurs laconiques dans les cellules gliales et les motoneurones répondent à 1 mM de lactate à un rythme similaire au début de l’impulsion, mais les motoneurones atteignent une augmentation plus élevée par rapport à la ligne de base pendant l’impulsion de 5 minutes, comme démontré pré…

Discussion

L’utilisation du modèle de la drosophile pour l’étude du métabolisme cérébral est relativement nouvelle26, et il a été démontré qu’il partage plus de caractéristiques que prévu avec le métabolisme des mammifères, qui a été principalement étudié in vitro dans des cultures de neurones primaires ou des tranches de cerveau. La drosophile excelle dans les expériences in vivo grâce à la batterie d’outils génétiques et de capteurs généti…

Disclosures

The authors have nothing to disclose.

Acknowledgements

Nous remercions tous les membres du Sierralta Lab. Ce travail a été soutenu par FONDECYT-Iniciación 11200477 (à AGG) et FONDECYT Regular 1210586 (à JS). UAS-FLII12Pglu700μδ6 (capteur de glucose) a été gracieusement offert par Pierre-Yves Plaçais et Thomas Préat, CNRS-Paris.

Materials

Agarose Sigma A9539
CaCl2 Sigma C3881
CCD Camera ORCA-R2 Hamamatsu
Cell-R Software Olympus
CG-GAL4 Bloomington Drosophila Stock Center 7011 Fat body driver
Dumont # 5 Forceps Fine Science Tools 11252-30
DV2-emission splitting system Photometrics
Glass coverslips (25 mm diameter) Marienfeld 111650 Germany
Glucose Sigma G8270
GraphPad Prism GraphPad Software Version 8,0,2
HEPES Sigma H3375
ImageJ software National Institues of Health Version 1,53t
KCl Sigma P9541
LUMPlanFl 40x/0.8 water immersion objective Olympus
Methylparaben Sigma H5501
MgCl2 Sigma M1028
NaCl Sigma S7653
OK6-GAL4 Bloomington Drosophila Stock Center Motor neuron driver
Picrotoxin Sigma P1675S CAUTION-Fatal if swallowed
Poly-L-lysine Sigma P4707
Propionic Acid Sigma P1386
Repo-GAL4 Bloomington Drosophila Stock Center 7415 Glial cell driver (all)
Sodium Lactate Sigma 71718
Sodium pyruvate Sigma P2256
Spinning Disk fluorescence Microscope BX61WI Olympus
Sucrose Sigma S0389
Trehalose US Biological T8270
UAS-AT1.03NL  Kyoto Drosophila Stock Center 117012 ATP sensor
UAS-Chk RNAi GD1829 Vienna Drosophila Resource Center v37139 Chk RNAi line
UAS-FLII12Pglu700md6  Bloomington Drosophila Stock Center 93452 Glucose sensor
UAS-GCaMP6f  Bloomington Drosophila Stock Center 42747 Calcium sensor
UAS-Laconic Sierralta Lab Lactate sensor
UAS-Pyronic Pierre Yves Placais/Thomas Preat CNRS-Paris
UMPlanFl 20x/0.5 water immersion objective Olympus

References

  1. Vergara, R. C., et al. The energy homeostasis principle: neuronal energy regulation drives local network dynamics generating behavior. Frontiers in Computational Neuroscience. 13 (49), 1-18 (2019).
  2. Pulido, C., Ryan, T. A. Synaptic vesicle pools are a major hidden resting metabolic burden of nerve terminals. Science Advances. 7 (49), 1-9 (2021).
  3. Benton, D., Parker, P. Y., Donohoe, R. T. The supply of glucose to the brain and cognitive functioning. Journal of Biosocial Science. 28 (4), 463-479 (1996).
  4. Mergenthaler, P., Lindauer, U., Dienel, G. A., Meisel, A. Sugar for the brain: the role of glucose in physiological and pathological brain function. Trends in Neurosciences. 36 (10), 587-597 (2013).
  5. Boumezbeur, F., et al. The contribution of blood lactate to brain energy metabolism in humans measured by dynamic 13C nuclear magnetic resonance spectroscopy. The Journal of Neuroscience. 30 (42), 13983-13991 (2010).
  6. Baltan, S. Can lactate serve as an energy substrate for axons in good times and in bad, in sickness and in health. Metabolic Brain Disease. 30 (1), 25-30 (2015).
  7. Barros, L. F., Weber, B. CrossTalk proposal: an important astrocyte-to-neuron lactate shuttle couples neuronal activity to glucose utilization in the brain. The Journal of Physiology. 596 (3), 347-350 (2018).
  8. Yellen, G. Fueling thought: Management of glycolysis and oxidative phosphorylation in neuronal metabolism. The Journal of Cell Biology. 217 (7), 2235-2246 (2018).
  9. Koveal, D., Diaz-Garcia, C. M., Yellen, G. Fluorescent biosensors for neuronal metabolism and the challenges of quantitation. Current Opinion in Neurobiology. 63, 111-121 (2020).
  10. Imamura, H., et al. Visualization of ATP levels inside single living cells with fluorescence resonance energy transfer-based genetically encoded indicators. Proceedings of the National Academy of Sciences of the United States of America. 106 (37), 15651-15656 (2009).
  11. Takanaga, H., Chaudhuri, B., Frommer, W. B. GLUT1 and GLUT9 as major contributors to glucose influx in HepG2 cells identified by a high sensitivity intramolecular FRET glucose sensor. Biochimica et Biophysica Acta. 1778 (4), 1091-1099 (2008).
  12. San Martin, A., et al. A genetically encoded FRET lactate sensor and its use to detect the Warburg effect in single cancer cells. PloS One. 8 (2), 1-13 (2013).
  13. San Martin, A., et al. Imaging mitochondrial flux in single cells with a FRET sensor for pyruvate. PloS One. 9 (1), 1-9 (2014).
  14. Placais, P. Y., et al. Upregulated energy metabolism in the Drosophila mushroom body is the trigger for long-term memory. Nature Communications. 8, 1-14 (2017).
  15. Mann, K., Deny, S., Ganguli, S., Clandinin, T. R. Coupling of activity, metabolism and behaviour across the Drosophila brain. Nature. 593 (7858), 244-248 (2021).
  16. Volkenhoff, A., Hirrlinger, J., Kappel, J. M., Klambt, C., Schirmeier, S. Live imaging using a FRET glucose sensor reveals glucose delivery to all cell types in the Drosophila brain. Journal of Insect Physiology. 106 (1), 55-64 (2018).
  17. Gonzalez-Gutierrez, A., Ibacache, A., Esparza, A., Barros, L. F., Sierralta, J. Neuronal lactate levels depend on glia-derived lactate during high brain activity in Drosophila. Glia. 68 (6), 1213-1227 (2020).
  18. Geistlinger, K., Schmidt, J. D. R., Beitz, E. Human monocarboxylate transporters accept and relay protons via the bound substrate for selectivity and activity at physiological pH. PNAS Nexus. 2 (2), 1-8 (2023).
  19. Pasco, M. Y., Leopold, P. High sugar-induced insulin resistance in Drosophila relies on the lipocalin Neural Lazarillo. PloS One. 7 (5), 1-8 (2012).
  20. McMullen, E., Weiler, A., Becker, H. M., Schirmeier, S. Plasticity of carbohydrate transport at the blood-brain barrier. Frontiers in Behavioral Neuroscience. 14, 1-15 (2020).
  21. Delgado, M. G., et al. Chaski, a novel Drosophila lactate/pyruvate transporter required in glia cells for survival under nutritional stress. Scientific Reports. 8 (1), 1-13 (2018).
  22. Stilwell, G. E., Saraswati, S., Littleton, J. T., Chouinard, S. W. Development of a Drosophila seizure model for in vivo high-throughput drug screening. European Journal of Neuroscience. 24 (8), 2211-2222 (2006).
  23. Lerchundi, R., Huang, N., Rose, C. R. Quantitative imaging of changes in astrocytic and neuronal adenosine triphosphate using two different variants of Ateam. Frontiers in Cellular Neuroscience. 14 (80), 1-13 (2020).
  24. Baeza-Lehnert, F., et al. Non-canonical control of neuronal Energy Status by the Na(+) Pump. Cell Metabolism. 29 (3), 668-680 (2019).
  25. Mattila, J., Hietakangas, V. Regulation of carbohydrate energy metabolism in Drosophilamelanogaster. Genetics. 207 (4), 1231-1253 (2017).
  26. De Backer, J., Grunwald, I. A role for glia in cellular and systemic metabolism: insights from the fly. Current Opinion in Insect Science. 53 (100947), 1-8 (2022).
  27. Loganathan, S., Ball, H., Manzo, E., Zarnescu, D. Measuring glucose uptake in Drosophila models of TDP-43 proteinopathy. Journal of Visualized Experiments. (174), e62936 (2021).
  28. Dienel, G., Rothman, D. L. In vivo calibration of genetically encoded metabolite biosensors must account for metabolite metabolism during calibration and cellular volume. Journal of Neurochemistry. , (2023).
  29. Gandara, L., Durrieu, L., Behrensen, C., Wappner, P. A genetic toolkit for the analysis of metabolic changes in Drosophila provides new insights into metabolic responses to stress and malignant transformation. Scientific Reports. 9, 1-11 (2019).
  30. Gandara, L., Durrieu, L., Wappner, P. Metabolic FRET sensors in intact organs: Applying spectral unmixing to acquire reliable signals. BioRxiv. , (2023).

Play Video

Cite This Article
González-Gutiérrez, A., Gaete, J., Esparza, A., Toledo, J., Köhler-Solis, A., Sierralta, J. Visualizing Monocarboxylates and Other Relevant Metabolites in the Ex Vivo Drosophila Larval Brain Using Genetically Encoded Sensors. J. Vis. Exp. (200), e65846, doi:10.3791/65846 (2023).

View Video