Summary

Metabolomica quantitativa di Saccharomyces Cerevisiae mediante cromatografia liquida accoppiata con spettrometria di massa tandem

Published: January 05, 2021
doi:

Summary

Presentiamo un protocollo per l’identificazione e la quantificazione delle principali classi di metaboliti idrosolubili nel lievito Saccharomyces cerevisiae. Il metodo descritto è versatile, robusto e sensibile. Permette la separazione di isomeri strutturali e forme stereoisomeriche di metaboliti idrosolubili l’uno dall’altro.

Abstract

La metabolomica è una metodologia utilizzata per l’identificazione e la quantificazione di molti intermedi a basso peso molecolare e prodotti del metabolismo all’interno di una cellula, tessuto, organo, fluido biologico o organismo. La metabolomica si concentra tradizionalmente sui metaboliti solubili in acqua. Il metaboloma solubile in acqua è il prodotto finale di una complessa rete cellulare che integra vari fattori genomici, epigenomici, trascrittomici, proteomici e ambientali. Quindi, l’analisi metabolomica valuta direttamente l’esito dell’azione per tutti questi fattori in una pletora di processi biologici all’interno di vari organismi. Uno di questi organismi è il lievito in erba Saccharomyces cerevisiae, un eucariota unicellulare con il genoma completamente sequenziato. Poiché S. cerevisiae è suscettibile di analisi molecolari complete, viene utilizzato come modello per sezionare i meccanismi alla base di molti processi biologici all’interno della cellula eucariotica. Un metodo analitico versatile per la valutazione quantitativa robusta, sensibile e accurata del metaboloma solubile in acqua fornirebbe la metodologia essenziale per sezionare questi meccanismi. Qui presentiamo un protocollo per le condizioni ottimizzate di tempra dell’attività metabolica e l’estrazione di metaboliti solubili in acqua dalle cellule di S. cerevisiae. Il protocollo descrive anche l’uso della cromatografia liquida accoppiata con la spettrometria di massa tandem (LC-MS/MS) per l’analisi quantitativa dei metaboliti idrosolubili estratti. Il metodo LC-MS/MS di metabolomica non mirata qui descritto è versatile e robusto. Consente l’identificazione e la quantificazione di oltre 370 metaboliti solubili in acqua con diverse proprietà strutturali, fisiche e chimiche, tra cui diversi isomeri strutturali e forme stereoisomeriche di questi metaboliti. Questi metaboliti includono varie molecole vettore di energia, nucleotidi, amminoacidi, monosaccaridi, intermedi di glicolisi e intermedi del ciclo tricarbossilico. Il metodo LC-MS/MS di metabolomica non mirata è sensibile e consente l’identificazione e la quantificazione di alcuni metaboliti idrosolubili a concentrazioni fino a 0,05 pmol/μL. Il metodo è stato utilizzato con successo per valutare i metabolomi idrosolubili di cellule di lievito selvatiche e mutanti coltivate in condizioni diverse.

Introduction

I metaboliti idrosolubili sono intermedi a basso peso molecolare e prodotti del metabolismo che contribuiscono ai processi cellulari essenziali. Questi processi evolutivamente conservati includono la conversione dei nutrienti in energia utilizzabile, la sintesi di macromolecole, la crescita e la segnalazione cellulare, il controllo del ciclo cellulare, la regolazione dell’espressione genica, la risposta allo stress, la regolazione post-traduzionale del metabolismo, il mantenimento della funzionalità mitocondriale, il traffico cellulare vescicolare, l’autofagia, l’invecchiamento cellulare e la morte cellulare regolata1,2,3.

Molti di questi ruoli essenziali dei metaboliti idrosolubili sono stati scoperti da studi nel lievito in erba S. cerevisiae1,3,4,7,9,14,15,16,17,18,19,20,21,22. Questo eucariota unicellulare è un organismo modello utile per i meccanismi di dissezione attraverso i quali i metaboliti idrosolubili contribuiscono ai processi cellulari grazie alla sua suscettibilità ad analisi biochimiche, genetiche e biologiche molecolari avanzate23,24,25,26. Sebbene i metodi LC-MS/MS di metabolomica non mirata siano stati utilizzati per studiare i ruoli dei metaboliti idrosolubili nel lievito in erba3,18,22,27,questo tipo di analisi richiede il miglioramento della sua versatilità, robustezza, sensibilità e capacità di distinguere tra diversi isomeri strutturali e forme stereoisomeriche di questi metaboliti.

Gli ultimi anni sono caratterizzati da progressi significativi nell’applicazione dei metodi LC-MS/MS di metabolomica non mirata alla profilazione di metaboliti idrosolubili in vivo. Tuttavia, molte sfide nell’utilizzo di questa metodologia rimangono2,28, 29,30,31,32,33,34,35,36. Queste sfide includono quanto segue. In primo luogo, le concentrazioni intracellulari di molti metaboliti solubili in acqua sono al di sotto di una soglia di sensibilità per i metodi attualmente utilizzati. In secondo luogo, l’efficienza della tempra dell’attività metabolica è troppo bassa e l’entità della perdita cellulare associata alla tempra dei metaboliti intracellulari è troppo alta per i metodi attuali; quindi, i metodi attualmente utilizzati sottostivalutano le concentrazioni intracellulari dei metaboliti idrosolubili. In terzo luogo, i metodi esistenti non possono differenziare gli isomeri strutturali (cioè molecole con la stessa formula chimica ma diversa connettività atomica) o stereoisomeri (cioè molecole con la stessa formula chimica e connettività atomica, ma con la diversa disposizione atomica nello spazio) di metaboliti specifici; ciò impedisce la corretta annotazione di alcuni metaboliti con i metodi attualmente utilizzati. In quarto luogo, i database online spettrali di massa esistenti di ioni genitori (MS1) e ioni secondari (MS2) sono incompleti; ciò influisce sulla corretta identificazione e quantificazione di metaboliti specifici utilizzando i dati grezzi LC-MS/MS prodotti con l’aiuto dei metodi attuali. In quinto luogo, i metodi esistenti non possono utilizzare un singolo tipo di estrazione di metaboliti per recuperare tutte o la maggior parte delle classi di metaboliti solubili in acqua. Sesto, i metodi esistenti non possono utilizzare un singolo tipo di colonna LC per separare l’uno dall’altro tutte o la maggior parte delle classi di metaboliti solubili in acqua.

Qui, abbiamo ottimizzato le condizioni per la tempra dell’attività metabolica all’interno delle cellule di S. cerevisiae, mantenendo la maggior parte dei metaboliti idrosolubili all’interno di queste cellule prima dell’estrazione ed estraendo la maggior parte delle classi di metaboliti idrosolubili dalle cellule di lievito. Abbiamo sviluppato un metodo versatile, robusto e sensibile per l’identificazione e la quantificazione basata su LC-MS/MS di oltre 370 metaboliti idrosolubili estratti dalle cellule di S. cerevisiae. Questo metodo di metabolomica non mirata consente di valutare le concentrazioni intracellulari di varie molecole vettore energetico, nucleotidi, amminoacidi, monosaccaridi, intermedi di glicolisi e intermedi del ciclo tricarbossilico. Il metodo LC-MS/MS sviluppato consente l’identificazione e la quantificazione di diversi isomeri strutturali e forme stereoisomeriche di metaboliti idrosolubili con diverse proprietà strutturali, fisiche e chimiche.

Protocol

1. Fare e sterilizzare un mezzo per la coltivazione del lievito Fare 180 ml di un estratto di lievito completo con bactopeptone (YP) mezzo. Il mezzo YP completo contiene l’1% (p/v) di estratto di lievito e il 2% (p/v) di bactopeptone. Distribuire 180 mL del mezzo YP in modo equo in quattro palloni Erlenmeyer da 250 mL. Ognuno di questi palloni contiene 45 ml del mezzo YP. Sterilizzare i palloni con YP medium mediante autoclave a 15 psi/121 °C per 45 min. 2. C…

Representative Results

Per migliorare una valutazione quantitativa dei metaboliti solubili in acqua all’interno di una cellula di lievito, abbiamo ottimizzato le condizioni di tempra cellulare per il rilevamento dei metaboliti. La tempra cellulare per questo scopo comporta un rapido arresto di tutte le reazioni enzimatiche all’interno di una cellula31,33,37,38. Tale arresto dell’attiv…

Discussion

Per utilizzare con successo il protocollo qui descritto, seguire le misure preventive descritte di seguito. Il cloroformio e il metanolo estraggono varie sostanze dalla plastica da laboratorio. Pertanto, maneggiarli con cautela. Evitare l’uso di materie plastiche in fasi che comportano il contatto con uno di questi due solventi organici. Utilizzare pipette in vetro borosilicato per questi passaggi. Sollevare queste pipette con cloroformio e metanolo prima dell’uso. Utilizzare solo punte e tubi in micropipette in poliprop…

Divulgazioni

The authors have nothing to disclose.

Acknowledgements

Siamo grati agli attuali ed ex membri del laboratorio Titorenko per le discussioni. Riconosciamo il Centro per le applicazioni biologiche della spettrometria di massa, il Centro per la genomica strutturale e funzionale e il Centro per la microscopia e l’imaging cellulare (tutti presso la Concordia University) per i servizi eccezionali. Questo studio è stato supportato da sovvenzioni del Natural Sciences and Engineering Research Council (NSERC) del Canada (RGPIN 2014-04482 e CRDPJ 515900 – 17). K.M. è stato sostenuto dalla Concordia University Armand C. Archambault Fellowship e dal Concordia University Dean of Arts and Sciences Award of Excellence.

Materials

Chemicals
Acetonitrile Fisher Scientific A9554
Ammonium acetate Fisher Scientific A11450
Ammonium bicarbonate Sigma 9830
Bactopeptone Fisher Scientific BP1420-2
Chloroform Fisher Scientific C297-4
Glucose Fisher Scientific D16-10
L-histidine Sigma H8125
L-leucine Sigma L8912
L-lysine Sigma L5501
Methanol Fisher Scientific A4564
Methanol Fisher Scientific A4564
Propidium iodide Thermo Scientific R37108
Uracil Sigma U0750
Yeast extract Fisher Scientific BP1422-2
Hardware equipment
500 ml centrifuge bottles Beckman 355664
Agilent 1100 series LC system Agilent Technologies G1312A
Beckman Coulter Centrifuge Beckman 6254249
Beckman Coulter Centrifuge Rotor Beckman JA-10
Centra CL2 clinical centrifuge Thermo Scientific 004260F
Digital thermometer Omega HH509
Foam Tube Holder Kit with Retainer Thermo Scientific 02-215-388
SeQuant ZIC-pHILIC zwitterionic-phase column (5µm polymer 150 x 2.1 mm) Sigma Milipore 150460
Thermo Orbitrap Velos MS Fisher Scientific ETD-10600
Ultrasonic sonicator Fisher Scientific 15337416
Vortex Fisher Scientific 2215365
ZORBAX Bonus-RP, 80Å, 2.1 x 150 mm, 5 µm Agilent Technologies 883725-901
Laboratory materials
2-mL Glass sample vials with Teflon lined caps Fisher Scientific 60180A-SV9-1P
Glass beads (acid-washed, 425-600 μm) Sigma-Aldrich G8772
Hemacytometer Fisher Scientific 267110
15-mL High-speed glass centrifuge tubes with Teflon lined caps PYREX 05-550
Software
Compound Discoverer 3.1 Fisher Scientific V3.1
Yeast strain
Yeast strain BY4742 Dharmacon YSC1049

Riferimenti

  1. Hackett, S. R., et al. Systems-level analysis of mechanisms regulating yeast metabolic flux. Science. 354 (6311), aaf2786 (2016).
  2. Johnson, C. H., Ivanisevic, J., Siuzdak, G. Metabolomics: beyond biomarkers and towards mechanisms. Nature Reviews Molecular Cell Biology. 17 (7), 451-459 (2016).
  3. Mülleder, M., et al. Functional metabolomics describes the yeast biosynthetic regulome. Cell. 167 (2), 553-565 (2016).
  4. López-Otín, C., Galluzzi, L., Freije, J., Madeo, F., Kroemer, G. Metabolic control of longevity. Cell. 166 (4), 802-821 (2016).
  5. Krishnaiah, S. Y., et al. Clock regulation of metabolites reveals coupling between transcription and metabolism. Cell Metabolism. 25 (4), 961-974 (2017).
  6. Lee, H. J. Proteomic and metabolomic characterization of a mammalian cellular transition from quiescence to proliferation. Cell Reports. 20 (3), 721-736 (2017).
  7. Stryeck, S., Birner-Gruenberger, R., Madl, T. Integrative metabolomics as emerging tool to study autophagy regulation. Microbial Cell. 4 (8), 240-258 (2017).
  8. Babst, M. Eisosomes at the intersection of TORC1 and TORC2 regulation. Traffic. 20 (8), 543-551 (2019).
  9. Pedro, J., Sica, V., Madeo, F., Kroemer, G. Acyl-CoA-binding protein (ACBP): the elusive ‘hunger factor’ linking autophagy to food intake. Cell Stress. 3 (10), 312-318 (2019).
  10. Rahmani, S., Defferrari, M. S., Wakarchuk, W. W., Antonescu, C. N. Energetic adaptations: Metabolic control of endocytic membrane traffic. Traffic. 20 (12), 912-931 (2019).
  11. Viltard, M., et al. The metabolomic signature of extreme longevity: naked mole rats versus mice. Aging. 11 (14), 4783-4800 (2019).
  12. Zhu, J., Thompson, C. B. Metabolic regulation of cell growth and proliferation. Nature Reviews Molecular Cell Biology. 20 (7), 436-450 (2019).
  13. Morrison, A. J. Chromatin-remodeling links metabolic signaling to gene expression. Molecular Metabolism. 38, 100973 (2020).
  14. Bitterman, K. J., Medvedik, O., Sinclair, D. A. Longevity regulation in Saccharomyces cerevisiae: linking metabolism, genome stability, and heterochromatin. Microbiology and Molecular Biology Reviews. 67 (3), 376-399 (2003).
  15. Carmona-Gutierrez, D. Apoptosis in yeast: triggers, pathways, subroutines. Cell Death and Differentiation. 17 (5), 763-773 (2010).
  16. Minois, N., Carmona-Gutierrez, D., Madeo, F. Polyamines in aging and disease. Aging. 3 (8), 716-732 (2011).
  17. Ring, J., et al. The metabolism beyond programmed cell death in yeast. Experimental Cell Research. 318 (11), 1193-1200 (2012).
  18. Ibáñez, A. J., et al. Mass spectrometry-based metabolomics of single yeast cells. Proceedings of the National Academy of Sciences of the United States of America. 110 (22), 8790-8794 (2013).
  19. Pietrocola, F., et al. Acetyl coenzyme A: a central metabolite and second messenger. Cell Metabolism. 21 (6), 805-821 (2015).
  20. Carmona-Gutierrez, D., et al. Guidelines and recommendations on yeast cell death nomenclature. Microbial Cell. 5 (1), 4-31 (2018).
  21. Zimmermann, A., et al. Yeast as a tool to identify anti-aging compounds. FEMS Yeast Research. 18 (6), foy020 (2018).
  22. Leupold, S., et al. Saccharomyces cerevisiae goes through distinct metabolic phases during its replicative lifespan. eLife. 8, e41046 (2019).
  23. Weissman, J., Guthrie, C., Fink, G. R. . Guide to Yeast Genetics: Functional Genomics, Proteomics, and Other Systems Analyses. , (2010).
  24. Botstein, D., Fink, G. R. Yeast: an experimental organism for 21st century biology. Genetica. 189 (3), 695-704 (2011).
  25. Duina, A. A., Miller, M. E., Keeney, J. B. Budding yeast for budding geneticists: a primer on the Saccharomyces cerevisiae model system. Genetica. 197 (1), 33-48 (2014).
  26. Strynatka, K. A., Gurrola-Gal, M. C., Berman, J. N., McMaster, C. R. How surrogate and chemical genetics in model organisms can suggest therapies for human genetic diseases. Genetica. 208 (3), 833-851 (2018).
  27. Boer, V. M., et al. Growth-limiting intracellular metabolites in yeast growing under diverse nutrient limitations. Molecular Biology of the Cell. 21 (1), 198-211 (2010).
  28. Clish, C. B. Metabolomics: an emerging but powerful tool for precision medicine. Cold Spring Harbor Molecular Case Studies. 1 (1), a000588 (2015).
  29. Fuhrer, T., Zamboni, N. High-throughput discovery metabolomics. Current Opinion in Biotechnology. 31, 73-78 (2015).
  30. Liu, X., Locasale, J. W. Metabolomics: A primer. Trends in Biochemical Sciences. 42 (4), 274-284 (2017).
  31. Lu, W., et al. Metabolite measurement: pitfalls to avoid and practices to follow. Annual Review of Biochemistry. 86, 277-304 (2017).
  32. Riekeberg, E., Powers, R. New frontiers in metabolomics: from measurement to insight. F1000 Reseach. 6, 1148 (2017).
  33. Gertsman, I., Barshop, B. A. Promises and pitfalls of untargeted metabolomics. Journal of Inherited Metabolic Disease. 41 (3), 355-366 (2018).
  34. Cui, L., Lu, H., Lee, Y. H. Challenges and emergent solutions for LC-MS/MS based untargeted metabolomics in diseases. Mass Spectrometry Reviews. 37 (6), 772-792 (2018).
  35. Ivanisevic, J., Want, E. J. From samples to insights into metabolism: Uncovering biologically relevant information in LC-HRMS metabolomics data. Metabolites. 9 (12), 308 (2019).
  36. Srivastava, S. Emerging insights into the metabolic alterations in aging using metabolomics. Metabolites. 9 (12), 301 (2019).
  37. Chetwynd, A. J., Dunn, W. B., Rodriguez-Blanco, G. Collection and preparation of clinical samples for metabolomics. Advances in Experimental Medicine and Biology. 965, 19-44 (2017).
  38. Pinu, F. R., Villas-Boas, S. G., Aggio, R. Analysis of intracellular metabolites from microorganisms: quenching and extraction protocols. Metabolites. 7 (4), (2017).
  39. Zhang, N., et al. Cell permeability and nuclear DNA staining by propidium iodide in basidiomycetous yeasts. Applied Microbiology and Biotechnology. 102 (9), 4183-4191 (2018).
  40. Tu, B. P., et al. Cyclic changes in metabolic state during the life of a yeast cell. Proceedings of the National Academy of Sciences of the United States of America. 104 (43), 16886-16891 (2007).
  41. Walvekar, A., Rashida, Z., Maddali, H., Laxman, S. A versatile LC-MS/MS approach for comprehensive, quantitative analysis of central metabolic pathways. Wellcome Open Research. 3, 122 (2018).
  42. Buescher, J. M., Moco, S., Sauer, U., Zamboni, N. Ultrahigh performance liquid chromatography-tandem mass spectrometry method for fast and robust quantification of anionic and aromatic metabolites. Analytical Chemistry. 82 (11), 4403-4412 (2010).
  43. Cui, L., Lu, H., Lee, Y. H. Challenges and emergent solutions for LC-MS/MS based untargeted metabolomics in diseases. Mass Spectrometry Reviews. 37 (6), 772-792 (2018).
  44. Oberacher, H., et al. Annotating nontargeted LC-HRMS/MS data with two complementary tandem mass spectral libraries. Metabolites. 9 (1), 3 (2018).
  45. Tada, I., et al. Creating a reliable mass spectral-retention time library for all ion fragmentation-based metabolomics. Metabolites. 9 (11), 251 (2019).
  46. Villas-Bôas, S. G., et al. Global metabolite analysis of yeast: evaluation of sample preparation methods. Yeast. 22 (14), 1155-1169 (2005).
  47. Crutchfield, C. A., Lu, W., Melamud, E., Rabinowitz, J. D. Mass spectrometry-based metabolomics of yeast. Methods in Enzymology. 470, 393-426 (2010).
  48. Zhang, T., Creek, D. J., Barrett, M. P., Blackburn, G., Watson, D. G. Evaluation of coupling reversed phase, aqueous normal phase, and hydrophilic interaction liquid chromatography with Orbitrap mass spectrometry for metabolomic studies of human urine. Analytical Chemistry. 84 (4), 1994-2001 (2012).
  49. Villas-Bôas, S. G., Moxley, J. F., Akesson, M., Stephanopoulos, G., Nielsen, J. High-throughput metabolic state analysis: the missing link in integrated functional genomics of yeasts. Biochemical Journal. 388 (Pt 2), 669-677 (2005).
  50. Buescher, J. M., Moco, S., Sauer, U., Zamboni, N. Ultrahigh performance liquid chromatography-tandem mass spectrometry method for fast and robust quantification of anionic and aromatic metabolites. Analytical Chemistry. 82 (11), 4403-4412 (2010).

Play Video

Citazione di questo articolo
Mohammad, K., Jiang, H., Titorenko, V. I. Quantitative Metabolomics of Saccharomyces Cerevisiae Using Liquid Chromatography Coupled with Tandem Mass Spectrometry. J. Vis. Exp. (167), e62061, doi:10.3791/62061 (2021).

View Video