Biochip fenotípico

De Wikipedia, la enciclopedia libre
Ir a la navegación Ir a la búsqueda

El biochip fenotípico (en inglés: phenotype microarrays) es una tecnología de [alto rendimiento usada para la caracterización fenotípica de células sobre microplaca. A través de este sistema de biochips fenotípicos pueden monitorearse simultáneamente un elevado número de respuestas fenotípicas celulares a fuentes de carbono, de nitrógeno, de fósforo o de resistencia a diversos componentes. Estas reacciones fenotípicas se registran durante toda la cinética respiratoria celular (similar a la curva de crecimiento celular) o en su punto finalpml lm kl mmmmm mll m mkvb .pl.l

Usos[editar]

El uso de los biochips fenotípicos de alto rendimiento tiene una gran importancia en la caracterización metabólica de bacterias, hongos, levaduras y líneas celulares animales, tales como células tumorales humanas. Al igual que los biochips de ADN (del inglés, DNA microarrays) o de proteínas pueden ensayar miles de genes o proteínas al mismo tiempo, los biochips fenotípicos (PMs) miden cuantitativamente miles de fenotipos celulares a la vez.[1]​ Asimismo, los biochips fenotípicos también poseen potencial para ser usados en el análisis funcional de genes o para mejorar la anotación de genomas.[2]​ Sin embargo, al contrario de las tecnologías moleculares de alto rendimiento disponibles hasta ahora, los biochips fenotípicos usan células vivas, lo que proporciona una información más completa de la biología de la célula. Las principales aplicaciones de esta tecnología se centran en el campo de la biología de sistemas, de la fisiología y taxonomía microbiana[3]​ y en el estudio fisiológico de células madre humanas.[4]​ Una de las principales ventajas de los PMs sobre las curvas de crecimiento celulares es que la respiración celular puede ser medida en condiciones ambientales donde la división celular y por ende, el crecimiento no son posibles.[5]​ Asimismo, las reacciones respiratorias se detectan normalmente antes que las curvas de crecimiento.[6]

Tecnología[editar]

Una fuente de carbono dispuesta en un pocillo de la microplaca puede ser transportada al interior celular y metabolizada, produciendo NADH que dará lugar a un potencial redox y a un flujo de electrones que reducirán el indicador de tetrazolio[7]​ (ej. tetrazolio violeta), provocando así la aparición de un color violeta en el pocillo. Cuanto más rápido sea el metabolismo de una célula, más rápida será la aparición del color en la microplaca. La aparición del color violeta se considera un resultado positivo, significando que la fuente de carbono es utilizada por la célula como fuente de energía. No obstante, las microplacas deben ser incubadas en condiciones apropiadas, disponiendo de un lector automático que registre las lecturas de la intensidad del color formado durante la reducción del indicador de tetrazolio en cada periodo de tiempo determinado, por ejemplo a intervalos de 15 minutos. Todo lo anterior referente al uso por parte de un organismo de una determinada fuente de carbono puede aplicarse a otros macronutrientes como fuentes de nitrógeno, de sulfuro o de fósforo y sus derivativos, así como al efecto de suplementos auxótrofos, antibióticos, metales pesados u otros componentes inhibitorios sobre la respiración celular.

Estructura de datos[editar]

En las reacciones positivas, las cinéticas respiratorias aparecen como curvas sigmoidales análogas a las típicas curvas de crecimiento celular. De esta manera, y al igual que en las curvas de crecimiento celular, las curvas de respiración celular encierran valiosa información en la longitud de la fase de latencia λ, la tasa de respiración μ (pendiente de la curva), el máximo valor de respiración celular A y el área bajo la curva (del inglés, area under the curve AUC). No obstante, al contrario de las curvas de crecimiento celulares, no existe la típica fase de muerte celular, ya que el indicador reducido de tetrazolio es insoluble.

Aplicación informática[editar]

Ya se encuentran comercialmente disponibles aplicaciones informáticas que solucionan el almacenaje, la recuperación y análisis de los datos fenotípicos procedentes de las tecnologías de alto redimiento. El paquete libre “opm”, basado en R,[8][9]​ es una poderosa aplicación informática que contiene las herramientas necesarias para analizar los datos obtenidos de PM, incluyendo manejo, visualización y análisis estadísticos de los datos fenotípicos, estimación de los parámetros de las curvas de respiración, generación y edición de gráficos, manejo de metadatos, generación automática de informes taxonómicos, discretización de datos para fines filogenéticos y la posibilidad de exportar al formato YAML la información analizada. El paquete “opm” ha sido desarrollado y es mantenido por la Colección Alemana de Microorganismos y Cultivos Celulares (del alemán Deutsche Sammlung von Mikroorganismen und Zellkulturen). Otras aplicaciones informáticas son PheMaDB,[10]​ que proporciona una solución al almacenaje, recuperación y análisis de los datos fenotípicos de alto rendimiento, y PMViewer,[11]​ centrado en la representación gráfica de los mismos, sin embargo ninguno de ellos ofrece la posibilidad de analizar estadísticamente los datos fenotípicos (no publicado).

Referencias[editar]

  1. Bochner, B.R. (2009), «Global phenotypic characterization of bacteria», FEMS Microbiology Reviews 33 (1): 191-205, PMC 2704929, PMID 19054113, doi:10.1111/j.1574-6976.2008.00149.x 
  2. Bochner, B.R.; Gadzinski, P.; Panomitros, E. (2001), «Phenotype MicroArrays for High Throughput Phenotypic Testing and Assay of Gene Function», Genome Research 11 (7): 1246-1255, PMC 311101, PMID 11435407, doi:10.1101/gr.186501 
  3. Montero-Calasanz, M.C.; Göker, M.; Pötter, G.; Rohde, M.; Spröer, C.; Schumann, P.; Klenk, A.A.; Gorbushina, H.-P. (2013), «Geodermatophilus telluris sp. nov., a novel actinomycete isolated from Saharan desert sand in Chad», International Journal of Systematic and Evolutionary Microbiology 13: 2254-2259, doi:10.1099/ijs.0.046888-0 
  4. Boccuto, L.; Chen, C.-F.; Pittman, A.R.; Skinner, C.D.; McCartney, H.J.; Jones, K.; Bochner, B.R.; Stevenson, R.E. et al. (2013), «Decreased tryptophan metabolism in patients with autism spectrum disorders», Molecular Autism 4 (16): 16, doi:10.1186/2040-2392-4-16 
  5. Omsland, A.; Cockrell, D.C.; Howe, D.; Fischer, E.R.; Virtaneva, K.; Sturdevant, D.E.; Porcella, S.F.; Heinzen, R.A. (2009), «Host cell-free growth of the Q fever bacterium Coxiella burnetii», Proceedings of the National Academy of Sciences of the United States of America 106 (11): 4430-4434, PMC 2657411, PMID 19246385, doi:10.1073/pnas.0812074106 
  6. Vaas, L.A.I.; Marheine, M.; Sikorski, J.; Göker, M.; Schumacher, M. (2013), «Impacts of pr-10a overexpression at the molecular and the phenotypic level», International Journal of Molecular Sciences 14 (7): 15141-15166, PMC 3742292, PMID 23880863, doi:10.3390/ijms140715141 
  7. Bochner, B.R.; Savageau, M.A. (1977), «Generalized indicator plate for genetic, metabolic, and taxonomic studies with microorganisms», Applied and Environmental Microbiology 33 (2): 434-444, PMC 170700, PMID 322611 
  8. Vaas, L.A.I.; Sikorski, J.; Michael, V.; Göker, M.; Klenk, H.-P. (2012), «Visualization and curve-parameter estimation strategies for efficient exploration of Phenotype MicroArray kinetics», PLoS ONE 7 (4): e34846, PMC 3334903, PMID 22536335, doi:10.1371/journal.pone.0034846 
  9. Vaas, L.A.I.; Sikorski, J.; Hofner, B.; Fiebig, A.; Buddruhs, N.; Klenk, H.-P.; Göker, M. (2013), «opm: An R Package for Analysing OmniLog® Phenotype MicroArray Data», Bioinformatics 29 (14): 1823-4, PMID 23740744, doi:10.1093/bioinformatics/btt291 
  10. Chang, W.; Sarver, K.; Higgs, B.; Read, T.; Nolan, N.; Chapman, C.; Bishop-Lilly, K.; Sozhamannan, S. (2011), «PheMaDB: A solution for storage, retrieval, and analysis of high throughput phenotype data», BMC Bioinformatics 12: 109, PMC 3097161, PMID 21507258, doi:10.1186/1471-2105-12-109 
  11. Borglin, S.; Joyner, D.; Jacobsen, J.; Mukhopadhyay, A.; Hazen, T.C. (2009), «Overcoming the anaerobic hurdle in phenotypic microarrays: Generation and visualization of growth curve data for Desulfovibrio vulgaris Hildenborough», Journal of Microbiological Methods 76 (2): 159-168, PMID 18996155, doi:10.1016/j.mimet.2008.10.003 

Enlaces externos[editar]