Bir Vaka Çalışması Olarak Tütün Geçici Protein Expression: Deneyler Yaklaşımı Tasarım Kullanma Karmaşık Sistemler Karakterizasyonu
Summary
Bu bitkilerde monoklonal antikorlar ve raportör proteinlerin geçici transgen ifadesi üzerindeki düzenleyici elemanlar, bitki büyüme ve gelişme parametreleri ve inkübasyon koşullarının etkisini belirlemek ve modellemek için kullanılabilecek deneyler yaklaşımın bir tasarımını tarif eder.
Abstract
Bitkiler düşük maliyet, ölçeklenebilirlik ve güvenlik dahil biyofarmösetiklerinin üretimi için birden çok yarar sağlar. Geçici sentezleme, kısa geliştirme ve üretim kez ek bir avantaj sunar, ancak ekspresyon seviyeleri böylece iyi üretim uygulamaları bağlamında düzenleyici endişelere yol açan gruplar arasında önemli ölçüde değişebilir. Biz böyle partiler arasındaki ifade değişkenliğine ifadesi sırasında düzenleyici ifade yapı elemanları, bitki büyüme ve gelişme parametreleri ve inkübasyon koşulları gibi önemli faktörlerin etkisini belirlemek için deneyler (DOE) yaklaşımın bir tasarım kullanılmış. Bu model, anti-HIV monoklonal antikoru (2G12) ve bir flüoresan işaret proteini (DsRed) ifade eden bitkiler test edilmiştir. Biz modelin bazı özellikleri seçmek için gerekçe tartışmak ve potansiyel sınırlamaları belirlemek. Genel yaklaşım kolayca diğer sorunlara transfer edilebilir çünkü bu model ilkelerigeniş yeniden uygulanabilir: küçük modüller, optimum deney kombinasyonlar Yazılım destekli kurulum ve adım adım tasarım büyütme içine ilk sorunu bölerek bilgi-tabanlı parametre seçimi, karmaşıklığı azaltma. Bu nedenle, yöntem, sadece bitkilerde protein ekspresyonu karakterize etmek için değil, aynı zamanda mekanik bir açıklama eksik diğer karmaşık sistemlerin araştırılması için yararlıdır. Parametreler arasındaki birleştiricisi tarif akıllı denklem diğer sistemler için karmaşık mekanik modelleri oluşturmak için kullanılabilir.
Introduction
Bitkiler büyümeye ucuzdur çünkü bitkilerde biofarmasötik proteinlerin üretimi avantajlıdır, platformu sadece daha fazla büyüyen bitkiler tarafından büyütülüyor olabilir, ve insan patojenler 1,2 çoğaltmak mümkün değildir. DNA teslimat ve arıtılmış bir ürün teslimat noktası arasındaki süre yaşındaki az 2 ay 3 azaltılır, çünkü Agrobacterium tumefaciens ile yaprakların infiltrasyonu örneğin göre geçici sentezleme stratejileri, ek faydalar sağlar. Geçici sentezleme aynı zamanda zarar fonksiyon-mutantları tamamlamak için veya protein etkileşimlerini incelemek 4-6 etme kabiliyetleri açısından test etmek için genlerin fonksiyonel analiz için, örneğin kullanılır. Bununla birlikte, geçici ekspresyon düzeyi transjenik bitkilerde 7-9 ifade seviyelerinde daha büyük partiden partiye farklılıklar gösterir eğilimindedir. Bu biyofarmasötik üretim süreçleri geçici ifade wi göre olasılığını azaltıruyarlık bir kritik kalite nitelik ve risk değerlendirmesi 10 tabi olduğu için iyi üretim uygulamaları (GMP) kapsamında onaylanmış olacak. Böyle bir varyasyon da araştırmacılar araştırmak niyetinde herhangi etkileşimleri maskeleyebilir. Bu nedenle, bitkiler geçici ekspresyon düzeylerini etkileyen ve yüksek kaliteli bir nicel öngörü modeli oluşturmak için önemli faktörleri belirlemek için yola çıktı.
Tek-faktör-at-a-time (OFAT) yaklaşım, genellikle bir deney 11 sonucuna belirli parametreler (faktörler) etkisi (etkisi) (tepki) karakterize etmek için kullanılır. Bir soruşturma (deney) sırasında bireysel testler (ishal) (tasarım alanı) test edilir faktörler tarafından yayılmış potansiyel alan boyunca bir dize inci gibi hizalanmış olacaktır çünkü ancak bu suboptimaldir. Tasarım alanı ve deneyden elde edilen bilgilerin dolayısıyla derecesi kapsamıdüşük, Şekil 1A, 12 'de gösterildiği gibi. Şekil 1B 13 gösterildiği gibi Dahası, farklı faktörlerin (faktör etkileşimleri) arasında karşılıklı bağımlılık, kötü modeller ve / veya yanlış optima tahmin sonuçlanan gizli kalabilir.
Yukarıda tarif edilen dezavantajları birden fazla faktör iki çalışan 14 arasında değişmiştir olduğunu, yani bir denemenin çalışır tasarım alanı boyunca daha eşit bir şekilde dağılmış olduğu deneyde (DOE) yaklaşımı bir tasarım kullanılarak önlenebilir. Faktörler (faktöryel tasarımlar) ve yanıtları faktör etkilerinin kantitatif (yanıt yüzey yöntemleri, RSM s) 15 tarama karışımları için özel tasarımları vardır. Ayrıca, RSMS merkezi kompozit tasarım olarak fark edilebilir ama aynı zamanda ishal seçimi için farklı kriterler uygulayabilirsiniz özel yazılımı kullanılarak etkili bir şekilde gerçekleşebilir. Örneğin, bu şekilde adlandırılan D-optimality kriter IV-optimalite kriter tasarım alanı 15,16 boyunca düşük tahmin varyansını elde çalışır seçer oysa bu yüzden, elde edilen modelin katsayıları hatayı en aza indirmek için çalışır seçecektir. Biz burada açıklamak RSM bitkilerde geçici protein ifade hassas kantitatif verir, ancak kolayca (5-8 ~) çeşitli içeren herhangi bir sistem transfer edilebilir sayısal faktörler (örneğin sıcaklık, zaman, konsantrasyon) ve birkaç (~ 2 – 4) mekanik bir açıklama modeli kullanılamaz veya çok karmaşık kategorik faktörler (örneğin organizatörü, renkli) olan.
DoE yaklaşım tarımsal bilimler kökenli ama bu güvenilir veri elde etmek için gerekli çalışan sayısını azaltmak ve karmaşık işlemler için açıklayıcı modeller üretmek için yararlı olan herhangi bir duruma devredilemez çünkü diğer alanlara yayıldı. Bu da için "Rehberlik Doe dahil yol açmıştırSanayi, Beşeri İlaçların (İSK) 17 Ruhsatlandırma Teknik Gereksinimleri Uyumu Uluslararası Konferansı tarafından yayınlanan S8 (R2) İlaç Geliştirme ". DoE artık bilimsel araştırma ve sanayi 18 yaygın olarak kullanılmaktadır. Ancak, bakım sırasında alınmalıdır çoklu lineer regresyon modeli (baz model) için uygunsuz bir polinom derecesi seçerek çünkü planlama ve deney yürütme doğru tüm faktör etkilerini modellemek için ek çalışmalar için bir ihtiyaç tanıtabilirsiniz. Ayrıca, bozuk veya eksik veriler yanlış modeller ve kusurlu oluşturmak tahminler, ve hatta protokol ve tartışma bölümlerinde 18 anlatıldığı gibi herhangi bir model kurma girişimi engelleyebilir. protokol bölümünde, başlangıçta RSM-tabanlı bir deney için en önemli planlama adımları belirlemek ve daha sonra DOE dayalı tasarım açıklayacağız yazılım DesignExpert v8.1. Fakat benzer tasarımlar diğer yazılım includi ile inşa edilebilirng JMP, MODDE ve İSTATİKSEL. Deneysel prosedürler veri analizi ve değerlendirilmesi için talimatlar tarafından takip edilmektedir.
Şekil 1. OFAT ve DoE. A'nın karşılaştırılması. Bir deneyde (siyah, kırmızı ve mavi daireler) bir süre (OFAT) az bir faktör Sıralı varyasyon tasarım alanı (taralı bölgeler) düşük bir kapsama alanı sağlar. Buna karşılık, deney (DOE) stratejisi (yeşil daireler) tasarımını kullanarak aynı anda birden fazla faktörü varyasyon kapsamını ve elde edilen modeller. B böylece hassas artırır. Önyargılı tasarım alanı kapsama OFAT deneyler (siyah daireler) aynı zamanda, optimum işletme bölgeleri (kırmızı) belirlemek ve alt-optimal çözümleri (büyük siyah daire) tahmin başarısız demektir oysa DoE şires (siyah yıldız) tercih koşulları (büyük siyah yıldız) tanımlamak için daha olasıdır.
Protocol
Representative Results
Discussion
Kaynaklar genellikle kıt ve pahalı olduğu için her deneme dikkatli bir planlama gerektirir. Planlama aşamasında (örneğin tüm önemli faktör etkileşimleri kapsamaz bir baz model seçerek) esnasında hataları büyük ölçüde çıkan modellerin tahmin gücünü azaltmak ve böylece tüm deney devalüasyon olabilir, çünkü bu DoE stratejileri için özellikle doğrudur. Ancak, bu hataları kolayca temel prosedürleri takip ederek önlenebilir.
DoE planlama sırasında Husus…
Divulgations
The authors have nothing to disclose.
Acknowledgements
Yazarlar bu çalışmada kullanılan tütün bitkileri yetiştirilmesi için ppam bitki ekspresyon vektörü ve İbrahim Al Amed sağlamak için Dr Thomas Rademacher minnettarız. Biz el yazması düzenleme ile yaptığı yardım için Dr Richard M. Twyman teşekkür etmek istiyorum. Bu çalışma kısmen Avrupa Araştırma Konseyi İleri Hibe "Future-Pharma" tarafından finanse edildi, öneri sayısı 269.110 ve Fraunhofer Zukunftsstiftung (Fraunhofer Gelecek Vakfı).
Materials
| Design-Expert(R) 8 | Stat-Ease, Inc. | n.a. | DoE software |
| Tryptone | Carl Roth GmbH | 8952.2 | Media component |
| Yeast extract | Carl Roth GmbH | 2363.2 | Media component |
| Sodium chloride | Carl Roth GmbH | P029.2 | Media component |
| Ampicillin | Carl Roth GmbH | K029.2 | Antibiotic |
| Agar-Agar | Carl Roth GmbH | 5210.2 | Media component |
| Escherichia coli K12 DH5a | Life technologies | 18263-012 | Microorganism |
| pPAM | GenBank | AY027531 | Cloning/expression vector; |
| NucleoSpin Plasmid | MACHEREY-NAGEL GmbH | 740588.250 | Plasmid DNA isolation kit |
| NucleoSpin Gel and PCR Clean-up | MACHEREY-NAGEL GmbH | 740609.250 | Plasmid DNA purification kit |
| NanoDrop 2000 | Thermo Scientific | n.a. | Spectrophotometer |
| NcoI | New England Biolabs Inc. | R3193L | Restrictionendonuclease |
| EcoRI | New England Biolabs Inc. | R3101L | Restrictionendonuclease |
| AscI | New England Biolabs Inc. | R0558L | Restrictionendonuclease |
| NEB 4 | New England Biolabs Inc. | B7004S | Restrictionendonuclease buffer |
| TRIS | Carl Roth GmbH | 4855.3 | Media component |
| Disodium tetraborate | Carl Roth GmbH | 4403.3 | Media component |
| EDTA | Carl Roth GmbH | 8040.2 | Media component |
| Agarose | Carl Roth GmbH | 6352.4 | Media component |
| Bromophenol blue | Carl Roth GmbH | A512.1 | Color indicator |
| Xylene cyanol | Carl Roth GmbH | A513.1 | Color indicator |
| Glycerol | Carl Roth GmbH | 7530.2 | Media component |
| Mini-Sub Cell GT Cell | BioRad | 170-4406 | Gel electrophoresis chamber |
| Agrobacterium tumefaciens strain GV3101:pMP90RK | DSMZ | 12365 | Microorganism |
| Electroporator 2510 | Eppendorf | 4307000.658 | Electroporator |
| Beef extract | Carl Roth GmbH | X975.2 | Media component |
| Peptone | Carl Roth GmbH | 2365.2 | Media component |
| Sucrose | Carl Roth GmbH | 4621.2 | Media component |
| Magnesium sulfate | Carl Roth GmbH | 0261.3 | Media component |
| Carbenicillin | Carl Roth GmbH | 6344.2 | Antibiotic |
| Kanamycin | Carl Roth GmbH | T832.3 | Antibiotic |
| Rifampicin | Carl Roth GmbH | 4163.2 | Antibiotic |
| FWD primer | Eurofins MWG Operon | n.a. | CCT CAG GAA GAG CAA TAC |
| REV primer | Eurofins MWG Operon | n.a. | CCA AAG CGA GTA CAC AAC |
| 2720 Thermal cycler | Applied Biosystems | 4359659 | Thermocycler |
| RNAfold webserver | University of Vienna | n.a. | Software |
| Ferty 2 Mega | Kammlott | 5.220072 | Fertilizer |
| Grodan Rockwool Cubes 10x10cm | Grodan | n.a. | Rockwool block |
| Greenhouse | n.a. | n.a. | For plant cultivation |
| Phytotron | Ilka Zell | n.a. | For plant cultivation |
| Omnifix-F Solo | B. Braun | 6064204 | Syringe |
| Murashige and Skoog salts | Duchefa | M 0222.0010 | Media component |
| Glucose | Carl Roth GmbH | 6780.2 | Media component |
| Acetosyringone | Sigma-Aldrich | D134406-5G | Phytohormon analogon |
| BioPhotometer plus | Eppendorf | 6132 000.008 | Photometer |
| Osram cool white 36 W | Osram | 4930440 | Light source |
| Disodium phosphate | Carl Roth GmbH | 4984.3 | Media component |
| Centrifuge 5415D | Eppendorf | 5424 000.410 | Centrifuge |
| Forma -86C ULT freezer | ThermoFisher | 88400 | Freezer |
| Synergy HT | BioTek | SIAFRT | Fluorescence plate reader |
| Biacore T200 | GE Healthcare | n.a. | SPR device |
| Protein A | Life technologies | 10-1006 | Antibody binding protein |
| HEPES | Carl Roth GmbH | 9105.3 | Media component |
| Tween-20 | Carl Roth GmbH | 9127.3 | Media component |
| 2G12 antibody | Polymun | AB002 | Reference antibody |
References
- Fischer, R., Emans, N. Molecular farming of pharmaceutical proteins. Transgenic research. 9, 277-299 (2000).
- Commandeur, U., Twyman, R. M., Fischer, R. The biosafety of molecular farming in plants. AgBiotechNet. 5, 9 (2003).
- Shoji, Y., et al. A plant-based system for rapid production of influenza vaccine antigens. Influenza Other Resp. 6, 204-210 (2012).
- Goodin, M. M., Zaitlin, D., Naidu, R. A., Lommel, S. A. Nicotiana benthamiana: Its history and future as a model for plant-pathogen interactions. Mol Plant Microbe In. 21, 1015-1026 (2008).
- Berg, R. H., Beachy, R. N. Fluorescent protein applications in plants. Method Cell Biol. 85, 153 (2008).
- Chung, S. M., Vaidya, M., Tzfira, T. Agrobacterium is not alone: gene transfer to plants by viruses and other bacteria. Trends in plant science. 11, 1-4 (2006).
- Sheludko, Y. V., Sindarovska, Y. R., Gerasymenko, I. M., Bannikova, M. A., Kuchuk, N. V. Comparison of several Nicotiana species as hosts for high-scale Agrobacterium-mediated transient expression. Biotechnology and Bioengineering. 96, 608-614 (2007).
- Wydro, M., Kozubek, E., Lehmann, P. Optimization of transient Agrobacterium-mediated gene expression system in leaves of Nicotiana benthamiana. Acta Biochimica Polonica. 53, 289-298 (2006).
- Buyel, J. F., Fischer, R. Processing heterogeneous biomass: Overcoming the hurdles in model building. Bioengineered. 4, (2013).
- Fischer, R., Schillberg, S., Hellwig, S., Twyman, R. M., Drossard, J. GMP issues for recombinant plant-derived pharmaceutical proteins. Biotechnol Adv. 30, 434-439 (2012).
- Daniel, C. One-at-a-time plans. Journal of the American Statistical Association. 68, 353-360 (1973).
- Czitrom, V. One-Factor-at-a-Time versus Designed Experiments The American Statistician. 53, 6 (1999).
- Anderson, M. J., Kraber, S. L. Keys to successful designed experiments. ASQ – The global voice of quality. 6, 6 (1999).
- Montgomery, D. C. . Design and Analysis of Experiments. , (2007).
- Myers, R. H., Montgomery, D. C., Anderson-Cook, C. M. . Response Surface Methodology: Process and Product Optimization Using Designed Experiments. , (2009).
- Piepel, G. F. Programs for generating extreme vertices and centroids of linearly constrained experimental regions. J Qual Technol. 20, 15 (1988).
- . . FDA. , (2009).
- Shivhare, M., McCreath, G. Practical Considerations for DoE Implementation in Quality By Design. BioProcess International. 8, 9 (2010).
- Buyel, J. F., Fischer, R. Predictive models for transient protein expression in tobacco (Nicotiana tabacum L.) can optimize process time, yield, and downstream costs. Biotechnology and bioengineering. 109, 2575-2588 (2012).
- Buyel, J. F., Kaever, T., Buyel, J. J., Fischer, R. Predictive models for the accumulation of a fluorescent marker protein in tobacco leaves according to the promoter/5’UTR combination. Biotechnology and bioengineering. 110, 471-482 (2013).
- Anderson, M. J., Whitcomb, P. J. . DOE Simplified: Practical Tools for Effective Experimentation. , (2000).
- Anderson, M. J., Whitcomb, P. J. . Response Surface Methods Simplified. , (2005).
- De Gryze, S., Langhans, I., Vandebroek, M. Using the correct intervals for prediction: A tutorial on tolerance intervals for ordinary least-squares regression. Chemometr Intell Lab. 87, 147-154 (2007).
- . . Plasmid DNA purification User manual. , (2012).
- . . PCR clean-up Gel extraction User manual. , (2012).
- . . Quick Ligation Protocol. 4, (2009).
- Inoue, H., Nojima, H., Okayama, H. High-Efficiency Transformation of Escherichia-Coli with Plasmids. Gene. 96, 23-28 (1990).
- Main, G. D., Reynolds, S., Gartland, J. S. Electroporation protocols for Agrobacterium. Methods in Molecular Biology. 44, 405-412 (1995).
- Gruber, A. R., Lorenz, R., Bernhart, S. H., Neubock, R., Hofacker, I. L. The Vienna RNA websuite. Nucleic acids research. 36, 70-74 (2008).
- Howell, S., Kenmore, M., Kirkland, M., Badley, R. A. High-density immobilization of an antibody fragment to a carboxymethylated dextran-linked biosensor surface. J Mol Recognit. 11, 200-203 (1998).
- Newcombe, A. R., et al. Evaluation of a biosensor assay to quantify polyclonal IgG in ovine serum used for the production of biotherapeutic antibody fragments. Process Biochem. 41, 842-847 (2006).
- Peixoto, J. L. Hierarchical Variable Selection in Polynomial Regression-Models. Am Stat. 41, 311-313 (1987).
- Peixoto, J. L. A Property of Well-Formulated Polynomial Regression-Models. Am Stat. 44, 26-30 (1990).
- Sanders, P. R., Winter, J. A., Barnason, A. R., Rogers, S. G., Fraley, R. T. Comparison of cauliflower mosaic virus 35S and nopaline synthase promoters in transgenic plants. Nucleic acids research. 15, 1543-1558 (1987).
- Ma, J. K. C., et al. Generation and Assembly of Secretory Antibodies in Plants. Science. 268, 716-719 (1995).
- Wycoff, K. L. Secretory IgA antibodies from plants. Curr Pharm Design. 11, 2429-2437 (2005).
- Pace, C. N., Vajdos, F., Fee, L., Grimsley, G., Gray, T. How to measure and predict the molar absorption coefficient of a protein. Protein Sci. 4, 2411-2423 (1995).
