JoVE Logo

登录

需要订阅 JoVE 才能查看此. 登录或开始免费试用。

本文内容

  • 摘要
  • 摘要
  • 引言
  • 研究方案
  • 结果
  • 讨论
  • 披露声明
  • 致谢
  • 材料
  • 参考文献
  • 转载和许可

摘要

该协议提供了一种简单,具有成本效益的DNA分离方法,用于分析自身免疫性疾病发展过程中的小鼠肠道微生物群改变。

摘要

肠道微生物群在教育免疫系统方面起着重要作用。这种关系对于理解自身免疫性疾病非常重要,这些疾病不仅由遗传因素驱动,而且由可能引发发病和/或恶化病程的环境因素驱动。之前发表的一项关于狼疮易感MRL / lpr雌性小鼠肠道微生物群动力学的研究表明,肠道微生物群的变化如何改变疾病进展。在这里,描述了一种方案,用于从肠道微生物群中提取代表性样本以进行自身免疫研究。从肛门收集微生物群样品并进行处理,使用苯酚 - 氯仿方法从中提取DNA,并通过酒精沉淀纯化。进行PCR后,使用阿贡国家实验室的下一代测序平台对纯化的扩增子进行测序。最后,对16S核糖体RNA基因测序数据进行分析。例如,显示了从具有或不具有CX3CR1的MRL / lpr小鼠的肠道微生物群比较中获得的数据。结果显示,含有致病菌的属(例如变形杆菌门中的菌属)以及被认为是健康共生微生物群一部分的 双歧杆菌属存在显着差异。总之,这种简单、经济高效的DNA分离方法是可靠的,可以帮助研究与自身免疫性疾病相关的肠道微生物群变化。

引言

人类和细菌已经共存了很长时间。它们与互惠互利的关系建立了相互依赖的关系,以定量和定性的方式影响宿主的免疫反应1。最近的研究表明,肠道微生物群组成与自身免疫性疾病的发病机制之间存在关联,这些疾病包括多发性硬化症 2、类风湿性关节炎32 型糖尿病4、炎症性肠病5 和系统性红斑狼疮 (SLE)6。然而,肠道微生物群是这些自身免疫性疾病的主要原因还是次要影响尚不清楚7。潜在地,肠道微生物群可能在自身免疫性疾病的效应阶段加剧疾病,或在调节这些疾病的诱导中发挥作用8

在雌性狼疮易感MRL / Mp-Faslpr(MRL / lpr)小鼠中报告了肠道生态失调,并且观察到肠道微生物群变化伴乳酸杆菌显着消耗9。当口服五种乳酸杆菌菌株的混合物时,这些小鼠的狼疮样症状在很大程度上减轻,这表明微生物群在调节SLE发病机制方面起着重要作用。

以下DNA提取技术允许跟踪微生物群波动,并在狼疮易感小鼠的鼠SLE样疾病过程中定性和定量地分析它们。无论是检查健康的肠道微生物群还是定义生态失调,重要的是要批判性地检查数据的收集方式以及数据是否准确和可重复10。在这个过程中,每一步都至关重要。必须使用适当的方法来提取微生物DNA,因为在DNA提取过程中引入偏差的任何可能的问题都可能导致微生物表示不准确。虽然这里描述了苯酚-氯仿方法,但有一些市售试剂盒可以从细菌中提取DNA,在特定情况下效果很好11。但是,它们的可用性受到成本和所需样品数量的限制。

这里介绍的方案具有成本效益,只需要少量样品。它适用于任何类型的粪便样本,并且有助于研究肠道微生物群随时间推移的动态以及组之间的比较。DNA使用苯酚,氯仿和异戊醇的酒精纯化方法分离。基于酒精的提取有助于清洁和去除蛋白质和脂质样品,其中DNA在最后一步沉淀。所提出的方法具有显著的高效率和质量,并且已被证明在鉴定细菌种群方面是准确的。手术过程中的一个关键注意事项是可能发生DNA污染,因此需要进行适当的样品处理12

然后通过下一代测序平台分析DNA的16S rRNA基因,例如Illumina MiSeq。特别是,分析V4超可变区域,为高等级分类群13提供更好的定量。随后的生物信息学分析被外包,然后使用标准统计方法进行内部分析。有许多开源生物信息学软件程序可用于下游测序,并且执行的分析类型在很大程度上取决于感兴趣的特定生物学问题14。该协议特别关注测序前的实验步骤,并提供一种更通用、更具成本效益、可比性和更有效的方法来从粪便样品中获取 DNA。

研究方案

将B6.129P2(Cg)-Cx3cr1tm1Litt/J小鼠的Cx3cr1 gfp/gfp位点回交至MRL/MpJ-Fas lpr/J(MRL/lpr)10代,产生MRL/lpr-CX 3CR1gfp/gfp小鼠。使用单核苷酸多态性(SNP)面板进行基因组筛选证实,新生成的小鼠的遗传背景与MRL / lpr的遗传背景相同97%以上。之后,按照弗吉尼亚理工大学机构动物护理和使用委员会(IACUC)的特定要求,在特定的无病原体环境中繁殖和维持小鼠。

1. 收集小鼠微生物群样本

  1. 将每只老鼠单独从笼子里拿出来。直接从肛门收集粪便颗粒并将其储存在-80°C直至处理。用无菌和干净的镊子、管子和手套处理样品。
    注意:容器(例如烧杯)可用于在等待粪便样本时放置鼠标。在每只小鼠之前和之后用乙醇清洁容器。
  2. 将冷冻沉淀添加到预先称重的 2 mL 螺旋盖管中。以克为单位记录粪便重量,每个粪便颗粒应在0.02-0.05克之间。
  3. 向沉淀中加入一层薄薄的 0.1 mm 玻璃珠、500 μL 裂解缓冲液(50 mM NaCl、5 mM Tris 和 50 mM EDTA)和 200 μL 20% SDS。
  4. 在均质器(最大功率)中将试管拍打4分钟,然后涡旋3-5分钟。
  5. 旋转短时间以消除气泡和泡沫(按下离心机上的按钮,直到达到 1,000-1,200 x g,然后松开)。

2. 脱氧核糖核酸提取

  1. 将步骤 1.5 中获得的 350 μL 上清液(确保不携带任何碎屑)转移到新的 1.5 mL 卡扣盖管中。加入 500 μL 苯酚-氯仿-异戊醇 (PCI; 25:24:1, v/v) 混合物并涡旋 1 分钟。
    注意:从现在开始,样品需要在化学罩内处理。PCI是有毒的。
  2. 在4°C下以6,000× g 旋转3分钟。 将 180 μL 水相(顶层)转移到新的 1.5 mL 卡扣帽管中。加入 180 μL (1:1) 氯仿,转化并混合。
    注意:转移顶层时,尽量减少底层的污染。
  3. 在4°C下以18,400× g 旋转3分钟。 将 180 μL 水相转移到新的卡扣帽管中。
    注意:丢弃PCI和氯仿后,可以在生物安全柜中执行以下步骤。
  4. 加入 180 μL 冷异丙醇和 36 μL 5M NH4Ac.倒置几次混合,然后将试管放在冰上 20 分钟。
  5. 在4°C下以18,400× g 旋转20分钟。 倒入以弃去上清液。倒置时用 500 μL 冷的 70% 乙醇洗涤沉淀数次。
    注意:乙醇应用双去离子无菌水稀释。
  6. 在4°C下以18,400× g 旋转3分钟。 弃去上清液以除去残留的乙醇。
  7. 将管子倒置在薄纸上风干20分钟,直到颗粒变得透明。将沉淀悬浮在 50 μL 分子级水中。将液体在37°C下加热10分钟以完全溶解大的DNA沉淀。
  8. 加热后旋转管以回收盖子上的冷凝液滴(3,400 x g 1分钟)。
  9. 测量浓度并使用分光光度计获得260/280比率。使用分子级水作为空白。高质量的DNA应该有260/280的比例,范围在1.8到2之间。
    注意:每个粪便沉淀的预期DNA产量至少为0.03克。

3. 16S rRNA基因测序的样品制备

  1. 将DNA样本送到阿贡国家实验室,在那里进行文库制备,并在Illumina Miseq上进行测序。
    1. 在全裙边的96孔板中发送样品,样品成行排列(A1-A12,B1-B12等),并用箔板密封。
    2. 每孔每个样品发送 20 μL 的最终体积,浓度范围为 1-50 ng/μL。
      注意:稀释应用分子级水进行。
    3. 制备样品后,在室温下以600× g 旋转1分钟,然后将样品在-80°C冷冻24小时。
    4. 在干冰上过夜。

结果

阿贡国家实验室的结果由合格的生物信息学家进行分析,然后使用标准统计方法对数据进行内部分析。典型的微生物组分析涉及将相似序列聚类到操作分类单元(OTU)或扩增子序列变体(ASV)中,作为样品中不同微生物的代表。然后,可以使用跨样本的OTU或ASV计数来测试样本内(alpha)多样性和样本间(beta)多样性的变化。它们还可用于测试在感兴趣的元数据类别中差异丰富的分类群。

讨论

平衡的肠道微生物群可以保护人体免受疾病侵害。一旦这种平衡被外部或内部触发因素破坏,后果可能是毁灭性的。该方法提供了一种分析小鼠模型中肠道微生物群动力学的方法。该方法不仅适用于组间比较,还适用于随时间跟踪肠道微生物群,以更好地识别破坏肠道微生物群的时间依赖性因素。

实验中的所有小鼠必须在相同的环境中处理。收集粪便样本时要考虑的一个基?...

披露声明

作者声明不存在利益冲突。

致谢

我们感谢阿贡国家实验室和我们合作的生物信息学家的帮助。这项工作得到了各种NIH和内部拨款的支持。

材料

NameCompanyCatalog NumberComments
0.1 mm glass beadsBioSpec Products11079101
2 mL screw cap tubesThermo Fisher Scientific3488
20% SDSFisherScientificBP1311-1SDS 20%
96% Ethanol, Molecular Biology GradeThermo Fisher ScientificT032021000CS
Ammonium Acetate (5 M)Thermo Fisher ScientificAM9071NH4AC 5M
B6.129P2(Cg)-Cx3cr1tm1Litt/JJackson Laboratory005582
Bullet Blender storm 24Next Advance4116-BBY24MHomogenizer
ChloroformFisherScientificC298-500
DEPC-Treated WaterThermo Fisher ScientificAM9916
Ethylenediamine Tetraacetic AcidFisherScientificBP118-500EDTA
Foil plate sealFisherScientificNC0302491
Kimwipes-Kimtech 34256FisherScientific06-666C
MRL/MpJ-Faslpr/J (MRL/lpr) miceJackson Laboratory000485
Nanodrop 2000 spectrophotomerThermo Fisher ScientificND2000CLAPTOP
Phenol: chloroform: isoamylalchohol (25:24:1)FisherScientificBP1752I-400PCI
Scale with 4 decimalsMettler ToledoMS205DU
Skirted 96-well platesThermo Fisher ScientificAB-0800
Sodium chlorideFisherScientific15528154NaCl
Tris HydrochlorideFisherScientificBP1757-100
VortexScientific IndustriesSI-0236

参考文献

  1. 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).
  2. 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).
  3. 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).
  4. Larsen, N., et al. Gut microbiota in human adults with type 2 diabetes differs from non-diabetic adults. PLoS One. 5 (2), 9085 (2010).
  5. Alam, M. T., et al. Microbial imbalance in inflammatory bowel disease patients at different taxonomic levels. Gut Pathogens. 12 (1), (2020).
  6. Vieira, S. M., Pagovich, O. E., Kriegel, M. A. Diet, microbiota and autoimmune diseases. Lupus. 23 (6), 518-526 (2014).
  7. Mu, Q., Zhang, H., Luo, X. M. SLE: another autoimmune disorder influenced by microbes and diet. Frontiers of Immunology. 6, 608 (2015).
  8. 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).
  9. Mu, Q., et al. Control of lupus nephritis by changes of gut microbiota. Microbiome. 5 (1), 73 (2017).
  10. 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).
  11. Fiedorová, K., et al. The impact of dna extraction methods on stool bacterial and fungal microbiota community recovery. Frontiers in Microbiology. 10, 821 (2019).
  12. Gerasimidis, K., et al. The effect of DNA extraction methodology on gut microbiota research applications. BMC Research Notes. 9, 365 (2016).
  13. Bukin, Y. S., et al. The effect of 16S rRNA region choice on bacterial community metabarcoding results. Scientific Data. 6 (1), 190007 (2019).
  14. Galloway-Peña, J., Hanson, B. Tools for analysis of the microbiome. Digestive Diseases and Sciences. 65 (3), 674-685 (2020).
  15. Sharpton, T. J. An introduction to the analysis of shotgun metagenomic data. Frontiers in Plant Science. 5, 209 (2014).

转载和许可

请求许可使用此 JoVE 文章的文本或图形

请求许可

探索更多文章

183

This article has been published

Video Coming Soon

JoVE Logo

政策

使用条款

隐私

科研

教育

关于 JoVE

版权所属 © 2025 MyJoVE 公司版权所有,本公司不涉及任何医疗业务和医疗服务。