Analyse van fecale microbiotadynamiek bij lupusgevoelige muizen met behulp van een eenvoudige, kosteneffectieve DNA-isolatiemethode
Summary
Dit protocol biedt een eenvoudige, kosteneffectieve DNA-isolatiemethode voor de analyse van veranderingen in de microbiota van de muizendarm tijdens de ontwikkeling van auto-immuunziekten.
Abstract
Darmmicrobiota heeft een belangrijke rol bij het opleiden van het immuunsysteem. Deze relatie is uiterst belangrijk voor het begrijpen van auto-immuunziekten die niet alleen worden aangedreven door genetische factoren, maar ook omgevingsfactoren die het begin kunnen veroorzaken en / of het ziekteverloop kunnen verergeren. Een eerder gepubliceerde studie over de dynamiek van de darmmicrobiota bij lupus-gevoelige MRL / lpr vrouwelijke muizen toonde aan hoe veranderingen van de darmmicrobiota de progressie van de ziekte kunnen veranderen. Hier wordt een protocol beschreven voor het extraheren van representatieve monsters uit de darmmicrobiota voor studies van auto-immuniteit. Microbiotamonsters worden verzameld uit de anus en verwerkt, waaruit het DNA wordt geëxtraheerd met behulp van een fenol-chloroform-methode en gezuiverd door alcoholprecipitatie. Nadat PCR is uitgevoerd, worden gezuiverde amplicons gesequenced met behulp van een Next Generation Sequencing-platform in het Argonne National Laboratory. Ten slotte worden de 16S ribosomale RNA-gensequencinggegevens geanalyseerd. Als voorbeeld worden gegevens getoond die zijn verkregen uit darmmicrobiotavergelijkingen van MRL/lpr-muizen met of zonder CX3CR1. De resultaten toonden significante verschillen in geslachten die pathogene bacteriën bevatten, zoals die in het phylum Proteobacteria, evenals het geslacht Bifidobacterium, dat wordt beschouwd als onderdeel van de gezonde commensale microbiota. Kortom, deze eenvoudige, kosteneffectieve DNA-isolatiemethode is betrouwbaar en kan helpen bij het onderzoek naar veranderingen in de darmmicrobiota geassocieerd met auto-immuunziekten.
Introduction
Mens en bacterie bestaan al heel lang naast elkaar. Ze hebben een codependente relatie opgebouwd met wederzijdse gunstige effecten die de immuunrespons van de gastheer op kwantitatieve en kwalitatieve manieren beïnvloedt1. Recente studies suggereren een verband tussen de samenstelling van de darmmicrobiota en de pathogenese van auto-immuunziekten, waaronder multiple sclerose2, reumatoïde artritis3, type 2 diabetes4, inflammatoire darmziekte5 en systemische lupus erythematosus (SLE)6. Of de darmmicrobiota de hoofdoorzaak of een secundair effect van deze auto-immuunziekten is, is echter nog onduidelijk7. Mogelijk kan de darmmicrobiota de ziekte verergeren tijdens de effectorfase van auto-immuunziekten of een rol spelen bij het reguleren van de inductie van deze ziekten8.
Intestinale dysbiose is gemeld bij vrouwelijke lupus-gevoelige MRL / Mp-Faslpr (MRL / lpr) muizen, en darmmicrobiota veranderingen met een significante uitputting van Lactobacillen werden waargenomen9. Wanneer een mengsel van vijf Lactobacillus-stammen oraal werd toegediend, werden lupus-achtige symptomen bij deze muizen grotendeels verzwakt, wat wijst op een essentiële rol van microbiota bij het reguleren van SLE-pathogenese.
De volgende techniek van DNA-extractie maakt het mogelijk om microbiotafluctuaties te volgen en deze kwalitatief en kwantitatief te analyseren in de loop van murine SLE-achtige ziekte bij lupusgevoelige muizen. Of het nu gaat om het onderzoeken van de gezonde darmmicrobiota of het definiëren van dysbiose, het is belangrijk om kritisch te onderzoeken hoe gegevens worden verzameld en of deze nauwkeurig en reproduceerbaar zijn10. Elke stap is cruciaal in dit proces. Er moet een geschikte methodologie worden gebruikt om microbieel DNA te extraheren, omdat elk mogelijk probleem dat vooroordelen introduceert tijdens het DNA-extractieproces kan leiden tot onnauwkeurige microbiële representatie. Hoewel de fenol-chloroformmethode hier wordt beschreven, zijn er in de handel verkrijgbare kits om DNA te extraheren uit bacteriën die in bepaalde gevallen goed werken11. Hun bruikbaarheid wordt echter beperkt door de kosten en de vereiste monsterhoeveelheid.
Het hier gepresenteerde protocol is kosteneffectief en vereist slechts een kleine hoeveelheid monster. Het werkt prima met elk soort ontlastingsmonster en is nuttig bij het bestuderen van de dynamiek van de darmmicrobiota in de loop van de tijd en vergelijkingen tussen groepen. DNA wordt geïsoleerd met een methode van alcoholzuivering, waarbij fenol, chloroform en isoamylalcohol worden gebruikt. Extractie op basis van alcohol helpt bij het reinigen en verwijderen van het monster van eiwitten en lipiden, waarbij DNA in de laatste stap wordt neergeslagen. De voorgestelde methode heeft een aanzienlijk hoge efficiëntie en kwaliteit en is bewezen nauwkeurig te zijn bij het identificeren van bacteriepopulaties. Een kritische noot tijdens de procedure is dat DNA-besmetting kan optreden, en dus is een passende monsterbehandeling vereist12.
Het DNA wordt vervolgens geanalyseerd door de Next Generation Sequencing-platforms voor het 16S-rRNA-gen, zoals de Illumina MiSeq. In het bijzonder wordt het hypervariabele V4-gebied geanalyseerd om een betere kwantificering te bieden voor taxa13 met een hoge rang. De daaropvolgende bioinformatica-analyse wordt uitbesteed, gevolgd door interne analyse met behulp van standaard statistische methoden. Er zijn tal van open-source bioinformatica softwareprogramma’s beschikbaar voor downstream sequencing, en het type analyses dat wordt uitgevoerd, hangt sterk af van de specifieke biologische vraag van belang14. Dit protocol richt zich specifiek op de experimentele stappen voorafgaand aan sequencing en biedt een meer veelzijdige, kosteneffectieve, vergelijkbare en efficiënte methode om DNA uit fecale monsters te verkrijgen.
Protocol
De Cx3cr1gfp/gfp locus van B6.129P2(Cg)-Cx3cr1tm1Litt/J muizen werd gedurende 10 generaties teruggekruist naar MRL/MpJ-Fas lpr/J (MRL/lpr) om MRL/lpr-CX3CR1gfp/gfp muizen te genereren. Genoomscreening met behulp van single nucleotide polymorphism (SNP) panels bevestigde dat de genetische achtergrond van nieuw gegenereerde muizen meer dan 97% identiek was aan die van MRL / lpr. Daarna werden muizen gefokt en onderhouden in een specifieke pathogeenvri…
Representative Results
De resultaten van argonne national laboratory worden geanalyseerd door een gekwalificeerde bio-informaticus, gevolgd door een interne analyse van de gegevens met behulp van standaard statistische methoden. Typische microbioomanalyses omvatten clustering van vergelijkbare sequenties in operationele taxonomische eenheden (OTA’s) of ampliconsequentievarianten (ASV’s) als een proxy voor verschillende micro-organismen in een monster. Tellingen van OTA’s of ASV’s in steekproeven kunnen vervolgens worden gebruikt om te testen o…
Discussion
Evenwichtige darmmicrobiota kunnen het menselijk lichaam beschermen tegen ziekten. Zodra dit evenwicht wordt verstoord door externe of interne triggers, kunnen de gevolgen verwoestend zijn. Deze methode presenteert een manier om de dynamiek van darmmicrobiota in muizenmodellen te analyseren. De methode is niet alleen geschikt voor vergelijkingen tussen groepen, maar ook voor het volgen van de darmmicrobiota in de loop van de tijd om tijdsafhankelijke factoren die de darmmicrobiota verstoren beter te identificeren.
<p…Disclosures
The authors have nothing to disclose.
Acknowledgements
We waarderen de hulp van het Argonne National Laboratory en onze samenwerkende bio-informatici. Dit werk wordt ondersteund door verschillende NIH en interne subsidies.
Materials
| 0.1 mm glass beads | BioSpec Products | 11079101 | |
| 2 mL screw cap tubes | Thermo Fisher Scientific | 3488 | |
| 20% SDS | FisherScientific | BP1311-1 | SDS 20% |
| 96% Ethanol, Molecular Biology Grade | Thermo Fisher Scientific | T032021000CS | |
| Ammonium Acetate (5 M) | Thermo Fisher Scientific | AM9071 | NH4AC 5M |
| B6.129P2(Cg)-Cx3cr1tm1Litt/J | Jackson Laboratory | 005582 | |
| Bullet Blender storm 24 | Next Advance | 4116-BBY24M | Homogenizer |
| Chloroform | FisherScientific | C298-500 | |
| DEPC-Treated Water | Thermo Fisher Scientific | AM9916 | |
| Ethylenediamine Tetraacetic Acid | FisherScientific | BP118-500 | EDTA |
| Foil plate seal | FisherScientific | NC0302491 | |
| Kimwipes-Kimtech 34256 | FisherScientific | 06-666C | |
| MRL/MpJ-Faslpr/J (MRL/lpr) mice | Jackson Laboratory | 000485 | |
| Nanodrop 2000 spectrophotomer | Thermo Fisher Scientific | ND2000CLAPTOP | |
| Phenol: chloroform: isoamylalchohol (25:24:1) | FisherScientific | BP1752I-400 | PCI |
| Scale with 4 decimals | Mettler Toledo | MS205DU | |
| Skirted 96-well plates | Thermo Fisher Scientific | AB-0800 | |
| Sodium chloride | FisherScientific | 15528154 | NaCl |
| Tris Hydrochloride | FisherScientific | BP1757-100 | |
| Vortex | Scientific Industries | SI-0236 |
References
- Lee, Y. K., Mazmanian, S. K. Has the microbiota played a critical role in the evolution of the adaptive immune system. Science. 330 (6012), 1768-1773 (2010).
- Lee, Y. K., Menezes, J. S., Umesaki, Y., Mazmanian, S. K. Proinflammatory T-cell responses to gut microbiota promote experimental autoimmune encephalomyelitis. Proceedings of the National Academy of Sciences of the United States of America. 108, 4615-4622 (2011).
- Yeoh, N., Burton, J. P., Suppiah, P., Reid, G., Stebbings, S. The role of the microbiome in rheumatic diseases. Current Rheumatology Reports. 15 (3), 314 (2013).
- Larsen, N., et al. Gut microbiota in human adults with type 2 diabetes differs from non-diabetic adults. PLoS One. 5 (2), 9085 (2010).
- Alam, M. T., et al. Microbial imbalance in inflammatory bowel disease patients at different taxonomic levels. Gut Pathogens. 12 (1), (2020).
- Vieira, S. M., Pagovich, O. E., Kriegel, M. A. Diet, microbiota and autoimmune diseases. Lupus. 23 (6), 518-526 (2014).
- Mu, Q., Zhang, H., Luo, X. M. SLE: another autoimmune disorder influenced by microbes and diet. Frontiers of Immunology. 6, 608 (2015).
- Tektonidou, M. G., Wang, Z., Dasgupta, A., Ward, M. M. Burden of serious infections in adults with systemic lupus erythematosus: a national population-based study. Arthritis Care & Research. 67 (8), 1078-1085 (2015).
- Mu, Q., et al. Control of lupus nephritis by changes of gut microbiota. Microbiome. 5 (1), 73 (2017).
- Panek, M., et al. Methodology challenges in studying human gut microbiota – effects of collection, storage, DNA extraction and next generation sequencing technologies. Scientific Reports. 8 (1), 5143 (2018).
- Fiedorová, K., et al. The impact of dna extraction methods on stool bacterial and fungal microbiota community recovery. Frontiers in Microbiology. 10, 821 (2019).
- Gerasimidis, K., et al. The effect of DNA extraction methodology on gut microbiota research applications. BMC Research Notes. 9, 365 (2016).
- Bukin, Y. S., et al. The effect of 16S rRNA region choice on bacterial community metabarcoding results. Scientific Data. 6 (1), 190007 (2019).
- Galloway-Peña, J., Hanson, B. Tools for analysis of the microbiome. Digestive Diseases and Sciences. 65 (3), 674-685 (2020).
- Sharpton, T. J. An introduction to the analysis of shotgun metagenomic data. Frontiers in Plant Science. 5, 209 (2014).
