Mass Spectrometry-Guided Genome Mining come strumento per scoprire nuovi prodotti naturali

Summary

Un protocollo di estrazione del genoma guidato dalla spettrometria di massa è stabilito e descritto qui. Si basa sulle informazioni sulla sequenza genomica e sull’analisi LC-MS/MS e mira a facilitare l’identificazione di molecole da complessi estratti microbici e vegetali.

Abstract

Lo spazio chimico coperto da prodotti naturali è immenso e ampiamente non riconosciuto. Pertanto, sono desiderate metodologie convenienti per eseguire una valutazione ad ampio raggio delle loro funzioni in natura e potenziali benefici umani (ad esempio, per applicazioni di scoperta di farmaci). Questo protocollo descrive la combinazione di estrazione del genoma (GM) e networking molecolare (MN), due approcci contemporanei che corrispondono alle annotazioni con codifica a cluster genico nel sequenziamento dell’intero genoma con le firme della struttura chimica da estratti metabolici grezzi. Questo è il primo passo verso la scoperta di nuove entità naturali. Questi concetti, se applicati insieme, sono qui definiti come estrazione genomica guidata da MS. In questo metodo, i componenti principali sono designati in precedenza (utilizzando MN) e i nuovi candidati strutturalmente correlati sono associati alle annotazioni della sequenza del genoma (utilizzando GM). La combinazione di GM e MN è una strategia redditizia per colpire nuove spinadorsali molecolari o raccogliere profili metabolici al fine di identificare analoghi da composti già noti.

Introduction

Le indagini sul metabolismo secondario spesso consistono nello screening di estratti grezzi per specifiche attività biologiche seguite da purificazione, identificazione e caratterizzazione dei costituenti appartenenti a frazioni attive. Questo processo si è dimostrato efficiente, promuovendo l’isolamento di diverse entità chimiche. Tuttavia, al giorno d’oggi questo è visto come irrealizzabile, principalmente a causa degli alti tassi di riscoperta. Come l’industria farmaceutica rivoluzionato senza conoscenza dei ruoli e le funzioni di metaboliti specializzati, la loro identificazione è stata effettuata in condizioni di laboratorio che non rappresentavano con precisione la natura¹. Oggi, c’è una migliore comprensione delle influenze di segnalazione naturale, secrezione, e la presenza della maggior parte degli obiettivi a concentrazioni non rilevabili basse. Inoltre, la regolamentazione del processo aiuterà la comunità accademica e l’industria farmaceutica a trarre vantaggio da queste conoscenze. Ne beneficeranno anche la ricerca che coinvolgerà l’isolamento diretto dei metaboliti legati ai cluster genici biosintetici silenziosi (BCC)².

In questo contesto, i progressi nel sequenziamento genomico hanno rinnovato l’interesse per i metaboliti dei microrganismi di screening. Questo perché l’analisi delle informazioni genomiche degli ammassi biosintetici scoperti può rivelare geni che codificano nuovi composti non osservati o prodotti in condizioni di laboratorio. Molti progetti o correnti d’aria microbici dell’intero genoma sono oggi disponibili, e il numero è in crescita ogni anno, fornendo enormi prospettive per scoprire nuove molecole bioattive attraverso l’estrazione del genoma^3,4.

L’Atlante dei cluster di geni biosintetici è la più grande collezione di cluster genici estratti automaticamente come componente della piattaforma integrata dei genomi microbici del Joint Genome Institute (JGI IMG-ABC)². Più recentemente, la Minimum Information for Biosynthetic Gene Clusters (MIBiG) Standardization Initiative ha promosso la riannotazione manuale dei BMC, fornendo un set di dati di riferimento altamente curato⁵. Al giorno d’oggi, sono disponibili molti strumenti per consentire l’estrazione computazionale dei dati genetici e la loro connessione ai metaboliti secondari noti. Sono state inoltre sviluppate diverse strategie per accedere a nuovi prodotti naturali bioattivi (ad esempio, espressione etetologa, cancellazione genica mirata, ricostituzione in vitro, sequenza genomica, screening guidato da isotopi [approccio genomitopico], manipolazione delle autorità di regolamentazione locali e globali, estrazione basata su target di resistenza, estrazione indipendente dalla cultura e, più recentemente, approccio al codice^{MS 2,6,7,8,9, 10,11,12,13,14,15}).

L’estrazione del genoma come strategia singolare richiede sforzi per annotare un singolo o un piccolo gruppo di molecole; pertanto, permangono lacune nel processo in cui i nuovi composti sono prioritari per l’isolamento e la chiarificazione della struttura. In linea di principio, questi approcci si rivolgono a un solo percorso biosintetico per esperimento, con conseguente rallentamento del tasso di scoperta. In questo senso, l’utilizzo di GM insieme a un approccio di rete molecolare rappresenta un importante progresso per la ricerca sui prodotti naturali^14,15.

La versatilità, la precisione e l’elevata sensibilità della spettrometria cromatografica-massa liquida (LC-MS) lo rendono un buon metodo per l’identificazione composta. Attualmente, diverse piattaforme hanno investito algoritmi e suite software per metabolomica non mirata^16,17,18,19^,20.²⁰ Il nucleo di questi programmi include il rilevamento delle funzionalità (picco di raccolta)²¹ e l’allineamento di picco, che consente la corrispondenza di funzionalità identiche in un batch di campioni e la ricerca di modelli. Gli algoritmi basati su modelli MS^22,,23 confrontano i modelli di frammentazione caratteristici e corrispondono alle somiglianze ms² generando famiglie molecolari che condividono caratteristiche strutturali. Queste caratteristiche possono quindi essere evidenziate e raggruppate, conferendo la capacità di scoprire rapidamente molecole note e sconosciute da un complesso estratto biologico in tandem MS^2,24,25. Pertanto, la SM in tandem è un metodo versatile per ottenere informazioni strutturali su diversi chemiotipi contenuti contemporaneamente in una grande quantità di dati.

L’algoritmo Global Natural Products Social Molecular Networking (GNPS)²⁶ utilizza l’intensità degli ioni di frammento normalizzati per costruire vettori multidimensionali, in cui le somiglianze vengono confrontate utilizzando una funzione coseno. La relazione tra i diversi ioni padre viene tracciata in una rappresentazione del diagramma, in cui ogni frammentazione viene visualizzata come nodo (cerchi) e la correlazione di ogni nodo è definita da uno spigolo (linee). La visualizzazione globale delle molecole provenienti da un’unica fonte è definita come una rete molecolare. Molecole strutturalmente divergenti che si frammentano in modo univoco formeranno il proprio ammasso o costellazione specifica, mentre le molecole correlate si raggruppano. I chemiotipi di clustering consentono l’ipotetica connessione di caratteristiche strutturali simili alle loro origini biosintetiche.

La combinazione di approcci chemiotipo-genotipo e genotipo è potente quando si creano collegamenti bioinformatici tra BCC e i loro piccoli prodotti molecolari²⁷. Pertanto, l’estrazione del genoma guidata dalla MS è un metodo rapido e una strategia a basso consumo di materiali e aiuta a colmare gli ioni dei genitori e le vie biosintetiche rivelate dal WGS di uno o più ceppi in diverse condizioni metaboliche e ambientali.

Il flusso di lavoro di questo protocollo (Figura 1) consiste nell’inserire i dati WGS in una piattaforma di annotazione del cluster di geni biosintetici come antiSMASH^28,29,30. Aiuta a stimare la varietà di composti e la classe di composti codificati dal genoma. Deve essere adottata una strategia per colpire un cluster di geni biosintetici che codifica un’entità chimica di interesse, e gli estratti di coltura da un ceppo di tipo selvaggio e/o ceppo eteboloso contenente il BGC possono essere analizzati per generare ioni raggruppati in base alle somiglianze utilizzando GNPS^26,31. Di conseguenza, è possibile identificare nuove molecole che si associano al BGC mirato e non sono disponibili nel database (principalmente analoghi sconosciuti, a volte prodotti in elementi bassi). È importante considerare che gli utenti possono contribuire a queste piattaforme e che la disponibilità di bioinformatica e dati MS/MS sta aumentando rapidamente, spingendo a uno sviluppo costante e l’aggiornamento di strumenti e algoritmi computazionali efficaci per guidare connessioni efficienti di estratti complessi con molecole.

Figura 1: Panoramica dell’intero flusso di lavoro. È mostrato un’illustrazione delle fasi bioinformatiche, clonazione e networking molecolare coinvolte nell’approccio descritto nell’estrazione del genoma guidato dalla Ms per identificare nuovi metaboliti. Fare clic qui per visualizzare una versione più grande di questa figura.

Questo protocollo descrive un flusso di lavoro rapido ed efficiente per combinare l’estrazione del genoma e la rete molecolare come punto di partenza per la pipeline di scoperta naturale dei prodotti. Anche se molte applicazioni sono in grado di visualizzare la composizione e la relatedness delle molecole rilevabili dalla MS in una rete, diverse sono adottate qui per visualizzare molecole raggruppate strutturalmente simili. Utilizzando questa strategia, vengono identificati con successo nuovi prodotti ciclodepsipeptide osservati negli estratti metabolici di Streptomyces sp. CBMAI 2042. Guidato dall’estrazione del genoma, l’intera codifica del cluster genico biosintetico per le valiomiciche è riconosciuta e clonata nel ceppo produttore Streptomices coelicolor M1146. Infine, a seguito di una rete molecolare basata su modelli di SM, le molecole rilevate dalla SM sono correlate con i BMC responsabili della loro biogenesi³².

Protocol

1. Estrazione del genoma per cluster genici biosintetici Eseguire il sequenziamento dell’intero genoma (WGS) come primo passo per eleggere un cluster genico biosintetico (BCG) per l’estrazione del genoma guidata dalla MS. L’intero genoma del ceppo di interesse (batteri) può essere ottenuto dalla tecnologia Illumina MiSeq utilizzando quanto segue con DNA genomico di alta qualità: fucile TruSeq PCR-Free library prep e Nextera Mate Pair Library Preparation Kit33.NOTA: dopo la sequenza…

Representative Results

Il protocollo è stato esemplificato con successo utilizzando una combinazione di estrazione del genoma, espressione etetologa e approcci MS-guidato/codice per accedere a nuove molecole specializzate di analoghi di valinomicina. Il flusso di lavoro genoma-molecola per il bersaglio, la valiomicina (VLM), è rappresentato nella Figura 8. Il genoma del progetto CBMAI 2042 è stato analizzato in silico e il cluster genico VLM è stato quindi identificato e trasferito in un ospite etelog…

Discussion

Il vantaggio più forte di questo protocollo è la sua capacità di dereplicare rapidamente i profili metabolici e le informazioni genomiche del ponte con i dati MS al fine di chiarire le strutture di nuove molecole, in particolare analoghi strutturali². Sulla base di informazioni genomiche, è possibile studiare chemiotipi di prodotti naturali diversi, come i polionidi (PK), i peptidi non ribonsuici (NRP) e i prodotti naturali glicosillati (GNP), nonché gli screening metabolomici criptici. Così…

Materials

Acetonitrile	Tedia	AA1120-048	HPLC grade
Agar	Oxoid	LP0011	NA
Apramycin	Sigma Aldrich	A2024	NA
Carbenicillin	Sigma Aldrich	C9231	NA
Centrifuge	Eppendorf	NA	5804
Chloramphenicol	Sigma Aldrich	C3175	NA
Column C18	Agilent Technologies	NA	ZORBAX RRHD Extend-C18, 80Å, 2.1 x 50 mm, 1.8 µm, 1200 bar pressure limit P/N 757700-902
Kanamycin	Sigma Aldrich	K1377	NA
Manitol P.A.- A.C.S.	Synth	NA	NA
Microcentrifuge	Eppendorf	NA	5418
Nalidixic acid	Sigma Aldrich	N4382	NA
Phusion Flash High-Fidelity PCR Master Mix	ThermoFisher Scientific	F548S	NA
Q-TOF mass spectrometer	Agilent technologies	NA	6550 iFunnel Q-TOF LC/MS
Sacarose P.A.- A.C.S.	Synth	NA	NA
Shaker/Incubator	Marconi	MA420	NA
Sodium Chloride	Synth	NA	P. A. – ACS
Soy extract	NA	NA	NA
Sucrose	Synth	NA	P. A. – ACS
Thermal Cycles	Eppendorf	NA	Mastercycler Nexus Gradient
Thiostrepton	Sigma Aldrich	T8902	NA
Tryptone	Oxoid	LP0042	NA
Tryptone Soy Broth	Oxoid	CM0129	NA
UPLC	Agilent Technologies	NA	1290 Infinity LC System
Yeast extract	Oxoid	LP0021	NA