Messung der mRNA-Niveaus im Laufe der Zeit während der Hefe S. Cerevisiae hypoxischen Antwort
Summary
Hier präsentieren wir ein Protokoll mit RNA-Seq, um mRNA-Niveaus im Laufe der Zeit während der hypoxischen Antwort von S. Cerevisiae Zellen zu überwachen. Diese Methode kann zu analysieren, gen-Expression in eine zelluläre Reaktion angepasst werden.
Abstract
Komplexe Änderungen in der Genexpression zu vermitteln in der Regel einen Großteil eine zelluläre Reaktion. Jedes Gen kann Ausdruck mit einzigartigen Kinetik ändern, da das Gen durch den bestimmten Zeitpunkt einer der vielen Reize, Signalisierung, Wege oder Nebenwirkungen geregelt ist. Um das gesamte gen einzufangen war Ausdruck Reaktion auf Hypoxie in der Hefe S. Cerevisiae, RNA-Seq-Analyse verwendet, um die mRNA-Niveaus aller Gene zu bestimmten Zeitpunkten nach der Exposition gegenüber Hypoxie zu überwachen. Hypoxie entstand durch wachsenden Zellen in ~ 100 % N2 Gas. Wichtig ist, wurden im Gegensatz zu anderen hypoxischen Studien, Ergosterin und ungesättigten Fettsäuren nicht zu den Medien hinzugefügt, da dieser Metaboliten Genexpression beeinflussen. Zeitpunkten wurden im Bereich von 0 – 4 h nach Hypoxie ausgewählt, weil damals die wichtigsten Änderungen in der Genexpression erfasst. Zu jedem Zeitpunkt Mitte Log hypoxische Zellen waren schnell gefiltert und eingefroren, Begrenzung der Exposition gegenüber O2 und damit einhergehende Veränderungen der Genexpression. Gesamt-RNS war aus Zellen extrahiert und verwendet, um bereichern für mRNA, die dann in cDNA umgewandelt wurde. Aus diesem cDNA Multiplex-Bibliotheken erstellt wurden und mindestens acht Proben wurden in einer Spur von einer nächsten Generation Sequenzer sequenziert. Eine Post-Sequenzierung Pipeline wird beschrieben, worunter Qualität Basis trimmen, Kartierung und Bestimmung der Anzahl der Lesevorgänge pro gen zu lesen. DESeq2 innerhalb der statistischen R-Umgebung wurde verwendet, um Gene zu identifizieren, die an einem hypoxischen Zeitpunkten wesentlich verändern. Analyse von drei biologische Wiederholungen zeigte hohen Reproduzierbarkeit, Gene der unterschiedlichen Kinetik und eine große Anzahl von erwartet O2-Gene reguliert. Diese Methoden können zur Untersuchung, wie die Zellen der verschiedenen Organismen auf Hypoxie im Laufe der Zeit reagieren und angepasst, um gen-Expression in anderen zellulären Reaktionen zu studieren.
Introduction
Viele Organismen reagieren auf Hypoxie oder niedrigen O2, durch die Veränderung der gen-Expression- 1,–2,–3. Diese Antwort hilft Zellen, die mit dem Mangel an ein Substrat für die aerobe Atmung und für mehrere biosynthetischen Reaktionen von entscheidender Bedeutung, sondern auch mit einem wechselnden Redox-Zustand 4zu bewältigen. Mehrere Studien in S. Cerevisiae Microarray zeigen, dass die mRNA-Niveaus von Hunderten von Genen in Erwiderung auf Hypoxie 5,6,7,8,9 ändern , 10 , 11 , 12. vor kurzem RNA-Seq wurde verwendet, um Veränderungen der Genexpression im Laufe der Zeit während der Hypoxie 13charakterisieren. Hier werden die experimentellen Details präsentiert und diskutiert.
Hypoxie kann auf verschiedene Weise, jeder produziert eine andere Ebene der O2erreicht werden. Hier, gründete Hypoxie kontinuierlich fließenden ultra-high-Reinheit N2 in Flaschen, die [O2] senkt sofort mit reproduzierbaren Kinetik 10aufgelöst. Es ist möglich, dass es einige O2 Moleküle, die Stoffwechsel und die Genexpression beitragen, aber dieses Umfeld sehr in der Nähe von anaeroben als. In Ermangelung von O2nicht Hefezellen Biosynthese Häm, Ergosterin und ungesättigten Fettsäuren 4,12,14. Frühere Studien haben daher diese Metaboliten aufgenommen, beim Anbau von Hefe ohne Sauerstoff 5,10,15. Jedoch viele hypoxische Antworten sind durch Erschöpfung dieser Metaboliten vermittelt und somit ergänzen sie kehrt die hypoxischen gen Ausdruck Antworten 12,16. Um natürliche Hypoxie zu imitieren, waren diese Metaboliten die Medien nicht hinzugefügt. In der kurzen Zeit, dass Zellen Hypoxie ohne das Vorhandensein dieser wichtige Metaboliten ausgesetzt waren gab es keine spürbaren Zelltod (Daten nicht gezeigt) noch ein längerer Stress-Reaktion- 13.
Die Antwort ist ebenfalls abhängig von der Belastung und der Genotyp. Besonders wichtig sind die Allele der bekannten Regulatoren von hypoxischen Antworten 2. S288C Belastung Hintergrund ist sehr gewünscht, so dass Ergebnisse mit den anderen genomischen Studien mit dieser Sorte verglichen werden können. S288C enthält jedoch ein teilweiser Verlust der Funktion Allel der HAP1 gen 17, kritische transcriptional Regulator für die hypoxischen Antwort. Dieses Allel wurde repariert, in S288C mit einem Wildtyp Kopie aus dem Σ1278b Stamm Hintergrund 11.
Genexpression ist stark abhängig von der zellulären Umgebung. Genomweite mRNA Analyse durchführen, ist es daher wichtig, eine konstante Umgebung beizubehalten und gleichzeitig die unterschiedlichen ein weiterer Parameter wie Zeit, Anregung oder Genotyp. Um hoch reproduzierbare Ergebnisse zu erzielen, betrachten Sie diese drei Methoden für die Untersuchung und aller seiner biologischen oder technischen Wiederholungen. Erstens sollten die gleichen Experimenter(s) Durchführung der Studie, da technische Verfahren über Experimentatoren variieren. Zweitens sollte die gleiche Charge von Zutaten in den Wachstumsmedien verwendet werden, da jede Charge hat eine etwas andere Zusammensetzung, die Genexpression beeinflussen können. Drittens um Zellzyklus Auswirkungen zu minimieren, sollte jeden Zeitpunkt des asynchronen Zellen in der Mitte des Log-Phase des Wachstums (1-2 x 107 Zellen/mL) bestehen.
Wenn eine komplexe Antwort wie die gen-Ausdruck-Reaktion auf Hypoxie zu charakterisieren, ist ein zeitlichen Verlauf vorteilhaft für die Bestimmung der Kinetik der verschiedenen Veranstaltungen. Bestimmten Zeitpunkten sollte gewählt werden, die die wichtigsten Änderungen der Antwort zu erfassen. In dieser Studie wurden Zeitpunkten zwischen 0 und 4 h beobachtet, weil letzten Experimente weit verbreitete Änderungen in der Genexpression während diesem Zeitraum 13 zeigten.
Zur Messung der globalen Genexpression wurde RNA-Seq gebrauchte 18,19. Diese Methode nutzt Next Generation Sequencing, um die relative Häufigkeit jedes Gen Niederschrift zu bestimmen. Im Vergleich zu DNA-Microarray Analyse, weist RNA-Seq höhere Empfindlichkeit (, weniger reichlich Transkripte zu erkennen), einen größeren Dynamikbereich (um größere Falte Veränderungen zu messen) und hervorragende Reproduzierbarkeit (, Genexpression im Laufe der Zeit genau zu folgen). In der Regel ist die zelluläre RNA ribosomalen RNA, die so viele Methoden entwickelt wurden, um für spezifische RNA Arten 20bereichern. Hier, Poly-T Perlen wurden verwendet, um Poly-A-haltige mRNA Transkripte, obwohl die verschiedenen kommerziell zu reinigen – erhältlichen rRNA Erschöpfung Kits könnte auch wirksam bei der mRNA Bereicherung sein.
Hier zeichnete sich die S. Cerevisiae gen Ausdruck Reaktion auf Hypoxie. Zellen Hypoxie ausgesetzt waren und dann zu acht Zeitpunkten abgetastet (0, 5, 10, 30, 60, 120, 180 und 240 min). Reproduzierbarkeit zu bestätigen und um statistisch veränderte Abschriften zu identifizieren, wurden drei biologische Wiederholungen durchgeführt. RNA wurde durch mechanische Störungen und Spalte Reinigung extrahiert und dann für die Analyse der RNA-Seq verarbeitet. Die Post-Sequenzierung Pipeline wird beschrieben und Programmierung Skripte werden bereitgestellt, mit denen die exakte Replikation der Analysen durchgeführt. Speziell, Trimmomatic 21, TopHat2 22, HTseq 23, R statistische Umgebung 24und die DESeq2 Paket 25 dienten, die RNA-Seq-Daten verarbeiten und 607 Gene zu identifizieren, die wesentlich zu, während verändern Hypoxie. Hauptkomponentenanalyse (PCA) und Genexpression von der Wiederholungen angegeben die Reproduzierbarkeit der Technik. Clustering und Heatmaps offenbart weit reichende Ausdruck Kinetik, während gen Ontology (gehen Sie) Analyse zeigte, dass viele zelluläre Prozesse, wie Atmung, in den Sauerstoff-regulierten Genen angereichert sind.
Protocol
Representative Results
Discussion
In dieser Studie wurde die mRNA-Niveaus für alle Gene während Hypoxie in der Hefe S. Cerevisiaegemessen. Ziel war es, wie die globalen Veränderungen der Genexpression durch Wachstum in einer kontrollierten Umgebung in der Nähe von anoxischen analysieren. Mehrere Maßnahmen wurden ergriffen, um sicherzustellen, dass die hier beschriebene Methode sorgfältig kontrolliert und reproduzierbar war. Erstens Zellen einer genau definierten hypoxischen Umgebung ausgesetzt waren: 99,999 % N2 in rich-Media (Y…
Declarações
The authors have nothing to disclose.
Acknowledgements
Wir danken der Lewis-Sigler-Institut für Integrative Genomics Sequenzierung Core Facility an der Princeton University für technische Beratung und RNA Bibliothek Vorbereitung und Sequenzierung. Diese Arbeit wurde unterstützt durch Zuschüsse der Rowan University und NIH NIGMS R15GM113187, M.J.H.
Materials
| Enclosed dry incubator | Thermo Scientific | MaxQ 4000 | Set at 30°C. Modify the door to allow entry of one Tygon tube. Alternatively, use the New Brunswick G25 incubator, which contains a tube port. Do not use an open-air water shaker, as condensation will collect in the tubes between flasks, possibly cross-contaminating cultures. |
| Micro-analysis Filter Holder | Millipore | XX1002530 | 25mm diameter, stainless steel support, no. 5 perforated silicone stopper mounts in standard 125mL filtering flask |
| Strong vacuum | Edwards | E-LAB 2 | The “house” vacuum may be too weak. Alternatively, use an electric-power portable vacuum pump like the one listed here. |
| 1000-mL flask | To act as vacuum trap. | ||
| ~2-foot lengths of Heavy Wall Vacuum Tubing, inner diameter 3/8 in, outer diameter 7/8 in | Tygon | 38TT | Two pieces: the first connects vacuum to trap, and the second connects trap to filter system. |
| High-pressure N2 gas tank | 99.999% purity, >1000psi, with a regulator and gas flow controller | ||
| Autoclaved 500mL flask | Opening covered with aluminum foil. One for each yeast strain. | ||
| Autoclaved 250mL flasks | Openings covered with aluminum foil. One for each time point plus two for water traps. | ||
| Flask stoppers (size 6, two holes with 5mm diameter) | Sterilized with 70% ethanol. One for each flask. | ||
| Glass tubing, length 9 cm or 17 cm, inner diameter 2 mm, outer diameter 5 mm | Sterilized with 70% ethanol. Two tubes for each flask. Place into the holes of each stopper. See Figure 1 for placement of 9- vs 17- cm tubes. | ||
| ~25-cm lengths of plastic tubing, inner diameter 5 mm | Tygon | E-3603 | One piece for each flask. Sterilized with 70% ethanol. |
| Sterile filter discs | Millipore | HAWP02500 | 25mm diameter, 0.45 µm pore size, one for each time point |
| Sterile dH2O (~100mL) | |||
| 1-mL cuvettes | For measuring OD600 (i.e., cell concentration) | ||
| 50-mL sterile centrifuge tubes | One for each time point | ||
| Clean and sterile tweezers | |||
| liquid nitrogen | For freezing cells | ||
| acid-washed beads | Sigma | G8772 | Keep at 4°C for lysing cells |
| Qiagen RNeasy Mini Kit | Qiagen | 74104 | For RNA column purification |
| Qiagen RLT buffer | Prepare by adding 10µL of β-Mercaptoethanol per 1mL of RLT buffer, keep at 4C. | ||
| 2-mL collection tubes | Qiagen | included in the Qiagen Rneasy Mini Kit | |
| Buffer RPE | Qiagen | included in the Qiagen Rneasy Mini Kit | |
| Buffer RW1 | Qiagen | included in the Qiagen Rneasy Mini Kit | |
| DNase I stock and working solutions | Qiagen | 79254 | The DNase I enzyme comes as lyophilized powder in a glass vial. Using a sterile needle and syringe, inject 550µL of RNase-free water (provided in Qiagen kit) into the vial. Mix by gently inverting the bottle. To avoid denaturing the enzyme, do not vortex. Using a pipet, remove this stock solution from the vial and store in freezer (-20°C) in single-use aliquots (80µL each). The stock solution should not be thawed and refrozen. |
| Buffer RDD | Qiagen | included in the Qiagen DNase Kit | |
| Ice cold 2-mL screw-cap tubes | For lysing cells during RNA extraction | ||
| bead mill homogenizer | Biospec Mini-Beadbeater-24 | 112011 | Keep in cold room |
| Bacto Peptone | BD | DF0118 | for liquid YPD media |
| Bacto Yeast Extract | BD | DF0886 | for liquid YPD media |
| glucose | Fisher | D16 | for liquid YPD media |
| Qubit assay tubes | Thermo Fisher | Q32856 | for measuring nucleic acid concentration |
| Quant-iTTM dsDNA BR Assay Kit | Thermo Fisher | Q32853 | for measuring nucleic acid concentration |
| Quant-iTTM RNA Assay Kit | Thermo Fisher | Q32855 | for measuring nucleic acid concentration |
| Qubit Fluorometer | Thermo Fisher | Q33216 | for measuring nucleic acid concentration |
| Commercial electrophoresis system | Agilent | Bioanalyzer 2100 | for measuring nucleic acid quality |
| Next-generation sequencer | Illumina | HiSeq 2500 | for sequencing libraries |
| automated liquid handling system | Wafergen | Apollo 324 | for creating sequencing libraries |
| PrepX PolyA mRNA Isolation Kit | Wafergen | 400047 | for isolating mRNA from total RNA |
| PrepX RNA SEQ for Illumina Library Kit | Wafergen | 400039 | for creating strand-specific sequencing libraries from total RNA |
| Barcode Splitter | https://toolshed.g2.bx.psu.edu/repository?repository_id=7119c4f7a89efa57&changeset_revision=e7b7cdc1834d | ||
| Samtools, which includes the gzip command | http://www.htslib.org/download/ | ||
| Trimmomatic | http://www.usadellab.org/cms/?page=trimmomatic | ||
| Bowtie2 (installed before TopHat) | http://bowtie-bio.sourceforge.net/bowtie2/index.shtml | ||
| TopHat | https://ccb.jhu.edu/software/tophat/index.shtml | ||
| HTSeq | http://www-huber.embl.de/HTSeq/doc/overview.html | ||
| R (installed before R Studio) | https://cran.rstudio.com | ||
| R Studio (free version) | https://www.rstudio.com/products/rstudio/download/ |
Referências
- Semenza, G. L. Oxygen sensing, homeostasis, and disease. New Eng. J Med. 365 (6), 537-547 (2011).
- Butler, G. Hypoxia and gene expression in eukaryotic microbes. Annu. Rev. Micro. 67, 291-312 (2013).
- Ratcliffe, P. J. Oxygen sensing and hypoxia signalling pathways in animals: the implications of physiology for cancer. J. Physiol. 591 (Pt 8), 2027-2042 (2013).
- Rosenfeld, E., Beauvoit, B. Role of the non-respiratory pathways in the utilization of molecular oxygen bySaccharomyces cerevisiae. Yeast. 20 (13), 1115-1144 (2003).
- Ter Linde, J. J., et al. Genome-wide transcriptional analysis of aerobic and anaerobic chemostat cultures of Saccharomyces cerevisiae. J. Bacteriol. 181 (24), 7409-7413 (1999).
- Ter Linde, J. J., Steensma, H. Y. A microarray-assisted screen for potential Hap1 and Rox1 target genes in Saccharomyces cerevisiae. Yeast. 19 (10), 825-840 (2002).
- Kwast, K. E., et al. Genomic analyses of anaerobically induced genes in Saccharomyces cerevisiae: functional roles of Rox1 and other factors in mediating the anoxic response. J. Bacteriol. 184 (1), 250-265 (2002).
- Becerra, M., et al. The yeast transcriptome in aerobic and hypoxic conditions: effects of hap1, rox1, rox3 and srb10 deletions. Mol. Microbiol. 43 (3), 545-555 (2002).
- Lai, L. -. C., Kosorukoff, A. L., Burke, P. V., Kwast, K. E. Dynamical remodeling of the transcriptome during short-term anaerobiosis in Saccharomyces cerevisiae: differential response and role of Msn2 and/or Msn4 and other factors in galactose and glucose media. Mol. Cell. Biol. 25 (10), 4075-4091 (2005).
- Lai, L. C., Kosorukoff, A. L., Burke, P. V., Kwast, K. E. Metabolic-State-Dependent Remodeling of the Transcriptome in Response to Anoxia and Subsequent Reoxygenation in Saccharomyces cerevisiae. Euk. Cell. 5 (9), 1468-1489 (2006).
- Hickman, M. J., Winston, F. Heme levels switch the function of Hap1 of Saccharomyces cerevisiae between transcriptional activator and transcriptional repressor. Mol. Cell. Biol. 27 (21), 7414-7424 (2007).
- Hickman, M. J., Spatt, D., Winston, F. The Hog1 mitogen-activated protein kinase mediates a hypoxic response in Saccharomyces cerevisiae. Genética. 188 (2), 325-338 (2011).
- Bendjilali, N., et al. Time-Course Analysis of Gene Expression During the Saccharomyces cerevisiae Hypoxic Response. G3. 7 (1), 221-231 (2017).
- Chellappa, R., et al. The membrane proteins, Spt23p and Mga2p, play distinct roles in the activation of Saccharomyces cerevisiae OLE1 gene expression. Fatty acid-mediated regulation of Mga2p activity is independent of its proteolytic processing into a soluble transcription activator. J. Biol. Chem. 276 (47), 43548-43556 (2001).
- Abramova, N. E., et al. Regulatory mechanisms controlling expression of the DAN/TIR mannoprotein genes during anaerobic remodeling of the cell wall in Saccharomyces cerevisiae. Genética. 157 (3), 1169-1177 (2001).
- Hughes, A. L., Todd, B. L., Espenshade, P. J. SREBP Pathway Responds to Sterols and Functions as an Oxygen Sensor in Fission Yeast. Cell. 120 (6), 831-842 (2005).
- Gaisne, M., Bécam, A. M., Verdière, J., Herbert, C. J. A "natural" mutation in Saccharomyces cerevisiae strains derived from S288c affects the complex regulatory gene HAP1 (CYP1). Curr. Gen. 36 (4), 195-200 (1999).
- Wang, Z., Gerstein, M., Snyder, M. RNA-Seq: a revolutionary tool for transcriptomics. Nat. Rev. Gen. 10 (1), 57-63 (2009).
- Anders, S., Huber, W. Differential expression analysis for sequence count data. Genome Biol. 11 (10), R106 (2010).
- Conesa, A., et al. A survey of best practices for RNA-seq data analysis. Genome Biol. 17 (1), 13 (2016).
- Bolger, A. M., Lohse, M., Usadel, B. Trimmomatic: a flexible trimmer for Illumina sequence data. Bioinf. 30 (15), 2114-2120 (2014).
- Kim, D., Pertea, G., Trapnell, C., Pimentel, H., Kelley, R., Salzberg, S. L. TopHat2: accurate alignment of transcriptomes in the presence of insertions, deletions and gene fusions. Genome Biol. 14 (4), R36 (2013).
- Anders, S., Pyl, P. T., Huber, W. HTSeq–A Python framework to work with high-throughput sequencing data. Bioinf. 31 (2), 166-169 (2015).
- . R: A Language and Environment for Statistical Computing Available from: https://www.R-project.org (2015)
- Love, M. I., Huber, W., Anders, S. Moderated estimation of fold change and dispersion for RNA-seq data with DESeq2. Genome Biol. 15 (12), 550 (2014).
- Brown, T., Mackey, K., Du, T. Analysis of RNA by Northern and Slot Blot Hybridization. Curr. Prot. Mol. Biol. 74, 4.9.1-4.9.19 (2004).
- Edgar, R., Domrachev, M., Lash, A. E. Gene Expression Omnibus: NCBI gene expression and hybridization array data repository. Nuc. Acids Res. 30 (1), 207-210 (2002).
- Cherry, J. M., et al. Saccharomyces Genome Database: the genomics resource of budding yeast. Nuc. Acids Res. 40, D700-D705 (2012).
- Hothorn, T., Everitt, B. S. . A Handbook of Statistical Analyses using R. , (2014).
- Saldanha, A. J. Java Treeview–extensible visualization of microarray data. Bioinformatics. 20 (17), 3246-3248 (2004).
- Eisen, M. B., Spellman, P. T., Brown, P. O., Botstein, D. Cluster analysis and display of genome-wide expression patterns. Proc. Nat. Acad. Sci. 95 (25), 14863-14868 (1998).
- Davies, B. S. J., Rine, J. A Role for Sterol Levels in Oxygen Sensing in Saccharomyces cerevisiae. Genética. 174 (1), 191-201 (2006).
- Meena, R. C., Kumar, N., Nath, S., Chakrabarti, A. Homologous Recombination is Activated at Early Time Points Following Exposure to Cobalt Chloride Induced Hypoxic Conditions in Saccharomyces cerevisiae. Ind. J. Microb. 52 (2), 209-214 (2012).
- Snoek, I. S. I., Tai, S. L., Pronk, J. T., Yde Steensma, H., Daran, J. -. M. Involvement of Snf7p and Rim101p in the transcriptional regulation of TIR1 and other anaerobically upregulated genes in Saccharomyces cerevisiae. FEMS Yeast Res. 10 (4), 367-384 (2010).
- Ellahi, A., Thurtle, D. M., Rine, J. The Chromatin and Transcriptional Landscape of Native Saccharomyces cerevisiae Telomeres and Subtelomeric Domains. Genética. 200 (2), 505-521 (2015).
- Collart, M. A., Oliviero, S., et al. Preparation of yeast RNA. Curr. Prot. Mol. Biol. , (2001).
- Blankenberg, D., et al. Manipulation of FASTQ data with Galaxy. Bioinf. 24 (14), 1783-1785 (2010).
- Martini, P., et al. timeClip: pathway analysis for time course data without replicates. BMC Bioinf. 15, (2014).
- Oh, S., Song, S., Grabowski, G., Zhao, H., Noonan, J. P. Time series expression analyses using RNA-seq: a statistical approach. BioMed Res. Int. 2013, 1-16 (2013).
