Un abonnement à JoVE est nécessaire pour voir ce contenu. Connectez-vous ou commencez votre essai gratuit.
Method Article
Les biofilms formés sur les surfaces dentaires sont très complexes et constamment exposés à innée et exogènes aux défis environnementaux, qui modulent leur architecture, la physiologie et du transcriptome. Nous avons développé une boîte à outils pour examiner la composition, l'organisation structurelle et l'expression des gènes des biofilms buccaux, qui peut être adapté à d'autres domaines de la recherche biofilm.
Les biofilms sont très dynamiques, les communautés organisées et structurées de cellules microbiennes empêtré dans une matrice extracellulaire de densité variable et de la composition 1, 2. En général, les biofilms se développent à partir d'attachement microbienne initiale sur une surface suivie de la formation des amas de cellules (ou microcolonies) et le développement et la stabilisation des microcolonies, qui se produisent dans une matrice complexe extracellulaire. La majorité des matrices exopolysaccharides biofilm port (EPS), et les biofilms dentaires ne font pas exception, surtout ceux associés à la maladie carieuse, qui sont principalement médiée par streptocoques mutants 3. Les EPS sont synthétisées par des microorganismes (S. mutans, un contributeur clé) au moyen d'enzymes extracellulaires, tels que le saccharose glucosyltransférases utilisant principalement comme substrat 3.
Les études sur les biofilms formés sur les surfaces dentaires sont particulièrement difficiles en raison de leur exposition constante aux défis environnementaux complexes associés à l'alimentation hôte microbienne interactions se produisant dans la cavité buccale. Une meilleure compréhension de l'évolution dynamique de l'organisation structurelle et de la composition de la matrice, la physiologie et du transcriptome / protéome le profil du biofilm-cellules en réponse à ces interactions complexes permettrait d'améliorer les connaissances actuelles sur la manière dont les biofilms buccaux modulent la pathogénicité. Par conséquent, nous avons développé une boîte à outils analytiques pour faciliter l'analyse de biofilm au niveau structurel, biochimique et moléculaire en combinant des techniques couramment disponibles et roman avec logiciel personnalisé pour l'analyse des données. Standard d'analyse (essais colorimétriques, RT-qPCR et les microarrays) et de nouvelles techniques de fluorescence (pour l'étiquetage simultanée des bactéries et des EPS) ont été intégrés à un logiciel spécifique pour l'analyse de données pour répondre à la nature complexe de la recherche biofilm orale.
La boîte à outils se compose de quatre étapes distinctes mais reliées entre elles (figure 1): 1) essais biologiques, 2) premières données d'entrée, 3) le traitement des données, et 4) l'analyse des données. Nous avons utilisé notre modèle in vitro de biofilm et les conditions expérimentales spécifiques pour démontrer l'utilité et la souplesse de la boîte à outils. Le modèle de biofilm est simple, reproductible et plusieurs répliques d'une expérience unique qui peut être fait simultanément 4, 5. En outre, elle permet une évaluation temporelle, l'inclusion d'espèces microbiennes différentes 5 et l'évaluation des effets des différentes conditions expérimentales (par exemple traitements 6; comparaison des mutants KO vs souche parentale 5, la disponibilité des glucides 7). Ici, nous décrivons deux composantes spécifiques de la boîte à outils, y compris (i) un nouveau logiciel pour l'exploration de données biopuces / organisation (MDV) et à l'analyse d'imagerie de fluorescence (DUOSTAT), et (ii) in situ EPS-étiquetage. Nous fournissons également un cas expérimental montrant comment la boîte à outils peuvent aider à l'analyse des biofilms, organisation des données, l'intégration et l'interprétation.
1. ETAPE 1 - ESSAIS BIOLOGIQUES
La méthode utilise des disques de biofilm hydroxyapatite (HA) comme substitut dent (Clarkson produits de chromatographie, Inc, South Williamsport, PA, USA; surface = 2,7 ± 0,2 cm 2) revêtement avec de la salive (mimant la présence de pellicule acquise), placé dans une position verticale 4, 5, 8.
2. ETAPE 2 - RAW ENTREE DES DONNEES
Les données d'entrée des premières analyses biochimiques et RT-qPCR directement dans le fichier de données brutes (RDF-fichier MS Excel). Pour les données biopuces, charge à canal unique de diapositives des images numérisées dans JCVI Spotfinder (http://pfgrc.jcvi.org/index.php/bioinformatics.html) ou un logiciel similaire. Créer une grille place selon les spécifications JCVI puis régler manuellement pour s'adapter à tous points dans la grille. Mesurer les valeurs d'intensité de chaque spot et enregistrer en «. MeV" fichiers et stockées en "données de biopuces Raw".
3. ETAPE 3 - TRAITEMENT DES DONNÉES
Organiser les données brutes (biochimiques et RT-qPCR) dans le RDF pour l'analyse statistique. Les transférer dans "Fichier de données traitées" (DPF - fichier MS Excel). Pour l'analyse de l'imagerie de fluorescence et de microréseaux, des logiciels spécifiques (actuellement disponibles et sur mesure) sont utilisés pour traiter les données.
4. ETAPE 4 - ANALYSE DE DONNÉES
Les données quantitatives provenant biochimiques, RT-qPCR et COMSTAT-DUOSTAT dosages dans le DPF sont prêtes pour l'analyse statistique. Après l'analyse statistique est effectuée, de graphiques et / ou tables peuvent être construites (voir «Les résultats représentatifs" section).
1. Microarray organisation des données en utilisant le logiciel Microarray données Visualizer (MDV).
En raison de la complexité et la sortie de grands ensembles de données lors de l'utilisation des puces et de multiples conditions expérimentales, nous avons conçu un logiciel de data mining et de l'organisation nommée Microarray données Visualizer (MDV) 7 (disponible à http://www.oralgen.lanl.gov/) .
Après avoir effectué l'analyse statistique en utilisant BRB-ArrayTools (http://linus.nci.nih.gov/BRB-ArrayTools.html) avec une valeur seuil P de 0,001 pour la prédiction de classe et de classe à titre de comparaison, les données générées peuvent être soumises au MDV, comme suit:
5. Les résultats représentatifs
Ici, nous fournissent un exemple de comment la boîte à outils analytiques intègre les divers dosages d'une étude de biofilms avec des variables multiples et des conditions expérimentales.
Cas expérimental:
Dynamique de Streptococcus mutans transcriptome en réponse à l'amidon et le saccharose lors de biofilm développement 7.
Contexte:
Les interactions de l'amidon alimentaire et du saccharose par l'amylase salivaire et l'hôte glucosyltransférases streptococciques pourrait améliorer la formation et la virulence de S. mutans au sein de biofilms par incrémentsasing la synthèse des exopolysaccharides, le métabolisme du sucre et de acidogenicity 11. Ce complexe hôte-pathogène-alimentation interaction peut moduler la formation de biofilms pathogènes liés à la maladie de la carie dentaire. Nous avons effectué une analyse complète biochimique et transcriptomique (y compris le profilage génomique entier) de mieux comprendre comment S. mutans répond à l'amidon et du sucrose à des stades distincts du développement du biofilm, en présence d'amylase 7.
La boîte à outils analytiques a été utilisée pour nous aider à l'intégration des dosages biochimiques et moléculaires de biofilms formés dans diverses conditions expérimentales et les points de temps. La production globale de données utilisant la boîte à outils analytiques sont présentées de manière séquentielle dans la figure 4 (4.1 à 4.4). Il est à noter que l'objectif majeur est ici de démontrer l'utilité de la boîte à outils plutôt que de l'interprétation des données et la discussion.
Figure 1. Organigramme de l'analytique Boîte à outils pour l'analyse de biofilms.
Figure 2. Imagerie confocale de fluorescence d'EPS et de bactéries dans les biofilms. Visualisation simultanée de l'EPS (rouge) et les bactéries / microcolonies (vert) dans le rendu en trois dimensions de Streptococcus mutans biofilm formé sur la surface du disque SHA.
Figure 3. Microarray Data Mining et organisation à l'aide de données de microréseaux Visualizer (MDV) du logiciel. Utiliser la fonction diagramme de Venn pour sélectionner des gènes d'intérêt, et suivi par l'ajout du nom du gène et l'annotation de classe fonctionnelle.
Figure 4.1. Evaluation de la formation de biofilm par S. mutans en utilisant des analyses biochimiques (A) et RT-qPCR (B). Les données de l'INS (exopolysaccharides insolubles) corrèlent bien avec le profil d'expression gtfB, et avec la biomasse des biofilms. Saccharose à 1% est la concentration maximale pour la formation de l'INS, l'expression et l'accumulation gtfB biofilm à la surface tandis que les SHA sucrose 0,5% a été la concentration minimale requise pour le développement du biofilm optimale en utilisant notre modèle in vitro. S. cellules mutans cultivées en présence de saccharose 0,5% d'amidon + 1% était des plus de biomasse, et a présenté plus de l'INS que des autres films, qui sont corrélés avec l'expression accrue gtfB (B2). Ces concentrations de glucides ont été sélectionnés pour l'analyse du transcriptome supplémentaires.
Figure 4.2. Biopuces d'analyse de données en utilisant BRB-Array Outils en conjonction avec le logiciel de MDV. a) Représente le nombre de gènes différentiellement exprimés détecté comme dans chaque comparaison (A, B ou C) et le point de temps évaluées à l'aide BRB-Array Outils. b) Les données biopuces Visualizer (MDV) en utilisant le diagramme de Venn pour sélectionner des gènes d'intérêt. c) des gènes sélectionnés selon l'analyse de MDV.
Figure 4.3. S. mutans gènes différentiellement exprimés en amidon + saccharose biofilms (vs saccharose biofilms), à différents points temporels organisé par la classe fonctionnelle. Annotations des gènes sont basées sur des informations fournies par le Laboratoire national de Los Alamos (www.oralgen.lanl.gov) ou par la littérature publiée disponible sur le site même.
Figure 4.4. Tridimensionnelle rendu et COMSTAT-DUOSTAT analyse de l'amidon + saccharose biofilm.
Access restricted. Please log in or start a trial to view this content.
Dans cette présentation, nous avons démontré deux composantes essentielles de l'analyse Tool-Box (EPS / bactéries d'imagerie et de données de microréseaux minière / traitement), la polyvalence et l'utilité des différents essais intégrés dans le système. De toute évidence, la boîte à outils a facilité l'analyse complète (comparatif) et simultanée des différents aspects de la biochimie des biofilms, l'architecture et l'expression des gènes en réponse à différentes conditions ...
Access restricted. Please log in or start a trial to view this content.
Les auteurs tiennent à remercier le Dr Gary Xie et Herbert Lee pour le développement de la MDV. Nous remercions également les docteurs. Simone Duarte, Ramiro Murata, Jae-gyu Jeon, Abranches Jacqueline, et Mme Stacy Grégoire pour leur contribution technique et scientifique pour les composants analytiques de la boîte à outils. Cette étude a été soutenue en partie par USPHS subventions de recherche DE018023 de l'Institut national de recherche dentaire et craniofaciale.
Access restricted. Please log in or start a trial to view this content.
Name | Company | Catalog Number | Comments |
Syto 9 | Invitrogen | S34854 | |
Syto 60 | Invitrogen | S11342 | |
Dextran conjugated alexa 647 | Invitrogen | D22914 | |
Olympus FV1000 two-photon laser scanning microscope | Olympus Corporation |
Access restricted. Please log in or start a trial to view this content.
Demande d’autorisation pour utiliser le texte ou les figures de cet article JoVE
Demande d’autorisationThis article has been published
Video Coming Soon