Summary

Werkzeuge zur Echtzeitbewertung eines Pseudomonas aeruginosa-Infektionsmodells

Published: April 06, 2021
doi:

Summary

Synthetisches Mukoviszidose-Sputummedium (SCFM2) kann in Kombination mit konfokaler Laserscanning-Mikroskopie und fluoreszenzaktivierter Zellsortierung verwendet werden, um bakterielle Aggregate mit hoher Auflösung zu beobachten. Dieser Artikel beschreibt Methoden zur Bewertung aggregierter Populationen während der antimikrobiellen Behandlung als Plattform für zukünftige Studien.

Abstract

Pseudomonas aeruginosa (Pa) ist einer der häufigsten opportunistischen Erreger im Zusammenhang mit Mukoviszidose (CF). Sobald die Pa-Besiedlung etabliert ist, bildet ein großer Teil der infizierenden Bakterien Biofilme im Atemwegssputum. Pa-Biofilme, die aus CF-Sputum isoliert wurden, wachsen nachweislich in kleinen, dichten Aggregaten von ~ 10-1.000 Zellen, die räumlich organisiert sind und klinisch relevante Phänotypen wie antimikrobielle Toleranz aufweisen. Eine der größten Herausforderungen bei der Untersuchung, wie Pa-Aggregate auf die sich verändernde Sputumumgebung reagieren, ist das Fehlen ernährungsrelevanter und robuster Systeme, die die Aggregatbildung fördern. Mit einem synthetischen CF-Sputummedium (SCFM2) kann die Lebensgeschichte von Pa-Aggregaten mittels konfokaler Laserscanning-Mikroskopie (CLSM) und Bildanalyse mit der Auflösung einer einzelnen Zelle beobachtet werden. Dieses In-vitro-System ermöglicht die Beobachtung von Tausenden von Aggregaten unterschiedlicher Größe in Echtzeit, drei Dimensionen und im Mikrometerbereich. Auf Individueller und Populationsebene ermöglicht die Fähigkeit, Aggregate nach Phänotyp und Position zu gruppieren, die Beobachtung von Aggregaten in verschiedenen Entwicklungsstadien und deren Reaktion auf Veränderungen in der Mikroumgebung, wie z.B. Antibiotikabehandlung, präzise zu differenzieren.

Introduction

Pseudomonas aeruginosa (Pa) ist ein opportunistischer Erreger, der chronische Infektionen bei immungeschwächten Personen hervorruft. Bei Menschen mit der Erbkrankheit Mukoviszidose (CF) können diese Infektionen den Verlauf eines Lebens umfassen. CF verursacht den Aufbau eines viskosen, nährstoffreichen Auswurfs in den Atemwegen, der im Laufe der Zeit von einer Vielzahl mikrobieller Krankheitserreger besiedelt wird. Pa ist einer der häufigsten CF-Erreger, der die Atemwege in der frühen Kindheit besiedelt und schwer zu behandelnde Infektionen etabliert1. Pa bleibt ein signifikantes klinisches Problem und gilt als eine der häufigsten Todesursachen bei Menschen mit CF, trotz verbesserter Therapieschemata in den letzten Jahren2,3. Dieser Persistenzphänotyp und die zunehmende Antibiotikatoleranz haben Pa einen Platz in einer Gruppe von Krankheitserregern eingebracht, die sowohl von den Centers for Disease Control (CDC) als auch von der Weltgesundheitsorganisation (WHO) als Forschungsprioritäten für die Entwicklung neuer therapeutischer Strategien identifiziert wurden – die ESKAPE-Erreger4.

Wie bei anderen ESKAPE-Erregern ist die erworbene Antibiotikaresistenz bei Paüblich, aber es gibt auch viele intrinsische Eigenschaften, die zur antimikrobiellen Toleranz von Pa beitragen. Dazu gehört die Fähigkeit von Pa, Aggregate zu bilden – hochdichte Cluster von ~ 10-1.000 Zellen, die bei mehreren Infektionen beobachtet werden können, einschließlich CF-Patienten-Sputum5,6. Ähnlich wie Pa, das in anderen Biofilmsystemen untersucht wurde, zeigen Pa-Aggregate klinisch relevante Phänotypen wie erhöhte Antibiotikaresistenz und Aktivierung der Zell-Zell-Kommunikation (Quorum Sensing (QS)). Zum Beispiel wurde gezeigt, dass Aggregate von Pa QS-reguliertes Verhalten verwenden, um andere Mikroben zu bekämpfen und antimikrobielle Behandlungen wie die Produktion von Pyocyanin7zu tolerieren. Die Fähigkeit, solche Verhaltensweisen zu untersuchen, bietet einen spannenden Einblick in bakterielle Ökosysteme in einer Umgebung, die derjenigen ähnelt, in der sie im menschlichen Körper vorkommen.

Eine der größten Herausforderungen bei der Untersuchung, wie Pa-Aggregate auf die sich verändernde Sputumumgebung reagieren, ist das Fehlen ernährungsrelevanter und robuster Systeme, die die Aggregatbildung fördern. Vieles von dem, was über Pa bekannt ist, wurde mit In-vitro-Systemen entdeckt, in denen Zellen planktonisch oder in einer charakteristischen oberflächengebundenen “Pilz”-Architektur wachsen, die in vivo8nicht beobachtet wurde. Während klassische Biofilm-Wachstumsmodelle wie Flusszellen oder fester Agar umfangreiches und wertvolles Wissen über bakterielles Verhalten und Mechanismen der Antibiotikatoleranz gewonnen haben, lassen sich diese Ergebnisse nicht immer in vivo übersetzen. Viele In-vitro-Modelle haben eine begrenzte Fähigkeit, die Wachstumsumgebung der menschlichen Infektionsstelle nachzuahmen, was kostspielige In-vivo-Studien erfordert. Im Gegenzug fehlt vielen In-vivo-Modellen die Flexibilität und Auflösung, die In-vitro-Techniken bieten.

Synthetischer Mukoviszidose-Sputum (SCFM2) wurde entwickelt, um eine Umgebung für das Pa-Wachstum zu schaffen, die der bei chronischen Infektionen in der CF-Lunge ähnelt. SCFM2 umfasst Nährstoffquellen, die in schleimlöserter CF-Sputa zusätzlich zu Mucin, Lipiden und DNA identifiziert wurden. Das Pa-Wachstum in SCFM2 erfordert ein nahezu identisches Gen, das für das Wachstum im tatsächlichen Sputum erforderlich ist, und unterstützt die natürlichePa-Aggregatbildung 9,10. Nach der Impfung bilden planktonische Zellen Aggregate, die durch Expansion an Größe zunehmen. Einzelne Zellen (als Migranten bezeichnet) werden aus Aggregaten freigesetzt, wandern in unbesilumisierte Gebiete und bilden neue Aggregate10. Diese Lebensgeschichte kann mittels CLSM und Bildanalyse bei der Auflösung einer einzelnen Zelle beobachtet werden. Die in SCFM2 gebildeten Pa-Aggregate sind ähnlich groß wie die in der CF-Lunge10beobachteten. Dieses Modell ermöglicht die Beobachtung mehrerer Aggregate unterschiedlicher Größe in Echtzeit und in drei Dimensionen im Mikrometerbereich. Die Zeitraffermikroskopie ermöglicht die Verfolgung von Tausenden (~ 50.000) aggregaten in einem Experiment. Die Verwendung von Bildanalysesoftware ermöglicht die Quantifizierung von aggregierten Phänotypen aus Mikroaufnahmen, einschließlich Aggregatvolumen, Oberfläche und Position in drei Dimensionen auf die nächsten 0,1 μm, sowohl auf der Ebene des einzelnen Aggregats als auch der Population. Die Fähigkeit, Aggregate nach Phänotyp und Position zu gruppieren, ermöglicht die präzise Differenzierung von Aggregaten in verschiedenen Entwicklungsstadien sowie ihre Reaktion auf eine sich verändernde Mikroumgebung6,11.

Die Anwendung von SCFM2 zur Untersuchung von Pa-Aggregaten in Assays mit geringem Volumen und hohem Durchsatz macht es zu einem flexiblen, kostengünstigen Modell. Als definiertes Medium bietet SCFM2 Einheitlichkeit und Reproduzierbarkeit über mehrere Plattformen hinweg und bietet eine ernährungsphysiologisch und physikalisch relevante Methode zur Untersuchung von Pa-Aggregaten in vitro9. Zu den Anwendungen gehört die Verwendung in Kombination mit CLSM zur Beobachtung der räumlichen Organisation und antibiotikatoleranz bei hoher Auflösung (wie in diesem Methodenpapier beschrieben). Die Fähigkeit, Experimente durchzuführen, die Echtzeitdaten im Mikrometerbereich liefern, ermöglicht die Untersuchung von Interaktionen innerhalb und zwischen Spezies, wie sie in vivoauftreten können. Zum Beispiel wurde SCFM2 zuvor verwendet, um die räumliche Dynamik der Zell-Zell-Kommunikation in aggregierten Populationen über ein Netzwerk von Systemen zu untersuchen, die von Pa verwendet werden, um mehrere Gene zu regulieren, die zur Virulenz und Pathogenese beitragen6.

Figure 1
Abbildung 1: Grafische Darstellung der wichtigsten experimentellen Schritte. (A) SCFM2 wird mit Pa-Zellen geimpft und darf in einer Kulturschale mit Glasboden Aggregate bilden. (B) Aggregate werden auf das konfokale Mikroskop übertragen und Antibiotika hinzugefügt. Dargestellt sind drei technische Replikate (Kammern 1-3) und eine Kontrollbohrung (4) von geimpften SCFM2 ohne antibiotikafreie Behandlung. Aggregate werden mit CLSM im Laufe von 18 h abgebildet. (C) Nach der ersten 18-h-Bildgebung werden Aggregate mit Propidieniodid behandelt, um tote Zellen zu visualisieren, und mit CLSM abgebildet (D) Aggregate mit gewünschtem Phänotyp werden mitHILFE VON FACS von SCFM2 getrennt. Abkürzungen: SCFM2 = synthetisches Mukoviszidose-Sputummedium; Pa = Pseudomonas aeruginosa; CLSM = konfokale Laserscanning-Mikroskopie; FACS = fluoreszenzaktivierte Zellsortierung. Bitte klicken Sie hier, um eine größere Version dieser Abbildung anzuzeigen.

Hier wird der Nutzen von SCFM2 zur Untersuchung der Auswirkungen der Antibiotikabehandlung auf Pa-Aggregate in Echtzeit demonstriert, gefolgt von der Verwendung eines Zellsortierungsansatzes zur Isolierung von Populationen von Aggregaten mit unterschiedlichen Phänotypen für die nachgelagerte Analyse (Abbildung 1).

Protocol

1. Synthetisches Mukoviszidosemedium (SCFM2) vorbereiten HINWEIS: Die Vorbereitung von SCFM2 umfasst drei Hauptphasen, die unten beschrieben werden (Abbildung 2). Ausführliche Informationen und Referenzen finden Sie unter9,10,12. <br…

Representative Results

Diese Arbeit beschreibt Methoden zur Beobachtung von Pa-Aggregaten mit hoher Auflösung und in einer Umgebung, die der chronischen Infektion der CF-Lunge9,10,12ähnelt. SCFM2 bietet ein In-vitro-System, das die natürliche Aggregation von Pa-Zellen in Größen fördert, die denen ähneln, die während der tatsächlichen Infektion beobachtetwurden 10. Die Anpassungsfähigkeit von…

Discussion

Diese Arbeit hat Methoden eingeführt, die kombiniert werden können, um bakterielle Aggregatpopulationen in Gegenwart und Abwesenheit von Antibiotikabehandlung zu untersuchen. Hochauflösendes CLSM ermöglicht die Visualisierung von Veränderungen der aggregierten Biomasse und der strukturellen Orientierung von Aggregaten in Echtzeit, wenn sie Antibiotika ausgesetzt sind. Darüber hinaus können physikalische und strukturelle Merkmale der Biomasse, die nach der Behandlung mit Antibiotika übrig bleiben, quantifiziert we…

Disclosures

The authors have nothing to disclose.

Acknowledgements

S.E.D wird durch Start-up-Fonds des Department of Molecular Medicine, der University of South Florida, sowie ein CFF-Forschungsstipendium (DARCH19G0), das N.I.H (5R21AI147654 – 02 (PI, Chen)) und das USF Institute on Microbiomes unterstützt. Wir danken dem Whiteley-Labor für die kontinuierliche Zusammenarbeit mit Datensätzen zu diesem Manuskript. Wir danken Dr. Charles Szekeres für die Erleichterung der FACS-Sortierung. Die Figuren wurden von A.D.G und S.E.D mit Biorender.com erstellt.

Materials

Amino acids
Alanine AcrEquation 1s Organics 56-41-7
Arginine HCl MP 1119-34-2
Asparagine AcrEquation 1s Organics 56-84-8 Prepared in 0.5 M NaOH
Cystine HCl Alfa Aesar L06328
Glutamic acid HCl AcrEquation 1s Organics 138-15-8
Glycine AcrEquation 1s Organics 56-40-6
Histidine HCl H2O Alfa Aesar A17627
Isoleucine AcrEquation 1s Organics 73-32-5
Leucine Alfa Aesar A12311
Lysine HCl Alfa Aesar J62099
Methionine AcrEquation 1s Organics 63-68-3
Ornithine HCl Alfa Aesar A12111
Phenylalanine AcrEquation 1s Organics 63-91-2
Proline Alfa Aesar A10199
Serine Alfa Aesar A11179
Threonine AcrEquation 1s Organics 72-19-5
Tryptophan AcrEquation 1s Organics 73-22-3 Prepared in 0.2 M NaOH
Tyrosine Alfa Aesar A11141 Prepared in 1.0 M NaOH
Valine AcrEquation 1s Organics 72-18-4
Antibiotic
Carbenicillin Alfa Aesar J6194903
Day-of Stocks
CaCl2 * 2H2O Fisher Chemical C79-500
Dextrose (D-glucose) Fisher Chemical 50-99-7
1,2-dioleoyl-sn-glycero-3-phosphocholine (DOPC) Fisher (Avanti Polar Lipids) 4235-95-4 shake 15-20 min at 37 °C to evaporate chloroform
FeSO4 * 7H2O AcrEquation 1s Organics 7782-63-0 this stock equals 1 mg/mL, MUST make fresh
L-lactic acid Alfa Aesar L13242 pH stock to 7 with NaOH
MgCl2 * 6H2O AcrEquation 1s Organics 7791-18-6
N-acetylglucosamine  TCI A0092
Prepared solids
Porcine mucin Sigma M1778-100G UV-sterilize
Salmon sperm DNA Invitrogen 15632-011
Stain
Propidium iodide Alfa Aesar J66764MC
Salts
K2SO4 Alfa Aesar A13975
KCl Alfa Aesar J64189 add solid directly to buffered base
KNO3 AcrEquation 1s Organics 7757-79-1
MOPS Alfa Aesar A12914 add solid directly to buffered base
NaCl Fisher Chemical S271-500 add solid directly to buffered base
Na2HPO4 RPI S23100-500.0
NaH2PO4 RPI S23120-500.0
NH4Cl AcrEquation 1s Organics 12125-02-9 add solid directly to buffered base
Consumables
Conical tubes (15 mL) Olympus plastics 28-101
Conical tubes (50 mL) Olympus plastics 28-106
Culture tubes w/air flow cap Olympus plastics 21-129
35 mm four chamber glass-bottom dish CellVis NC0600518
Luria Bertani (LB) broth Genessee Scientific 11-118
Phosphate-buffered saline (PBS) Fisher Bioreagents BP2944100
Pipet tips (p200) Olympus plastics 23-150RL
Pipet tips (p1000) Olympus plastics 23-165RL
Serological pipets (5 mL) Olympus plastics 12-102
Serological pipets (25 mL) Olympus plastics 12-106
Serological pipets (50 mL) Olympus plastics 12-107
Ultrapure water (RNAse/DNAse free); nanopure water Genessee Scientific 18-194 Nanopure water used for preparation of solutions in Table 1
Syringes (10  mL) BD 794412
Syringes (50 mL) BD 309653
0.22 mm PES syringe filter Olympus plastics 25-244
PS cuvette semi-mico Olympus plastics 91-408
Software
Biorender To prepare the figures
FacsDiva6.1.3 Becton Dickinson, San Jose, CA
Imaris Bitplane version 9.6
Zen Black
Equipment
FacsAriallu Becton Dickinson, San Jose, CA
LSM 880 confocal laser scanning microscope Zeiss

References

  1. Ramsay, K. A., et al. The changing prevalence of pulmonary infection in with fibrosis: A longitudinal analysis. Journal of Cystic Fibrosis. 16 (1), 70-77 (2017).
  2. Bessonova, L., et al. Data from the US and UK cystic fibrosis registries support disease modification by CFTR modulation with ivacaftor. Thorax. 73 (8), 731-740 (2018).
  3. Breuer, O., et al. Changing prevalence of lower airway infections in young children with cystic fibrosis. American Journal of Respiratory and Critical Care Medicine. 200 (5), 590-599 (2019).
  4. O’Donnell, J. N., Bidell, M. R., Lodise, T. P. Approach to the treatment of patients with serious multidrug-resistant Pseudomonas aeruginosa infections. Pharmacotherapy. 40 (9), 952-969 (2020).
  5. Bjarnsholt, T., et al. The in vivo biofilm. Trends in Microbiology. 21 (9), 466-474 (2013).
  6. Darch, S. E., et al. Spatial determinants of quorum signaling in a Pseudomonas aeruginosa infection model. Proceedings of the National Academy of Sciences of the United States of America. 115 (18), 4779-4784 (2018).
  7. Zhu, K., Chen, S., Sysoeva, T. A., You, L. Universal antibiotic tolerance arising from antibiotic-triggered accumulation of pyocyanin in Pseudomonas aeruginosa. PLoS Biology. 17 (12), 3000573 (2019).
  8. Ciofu, O., Tolker-Nielsen, T. Tolerance and resistance of Pseudomonas aeruginosa biofilms to antimicrobial agents-how P. aeruginosa can escape antibiotics. Frontiers in Microbiology. 10, 913 (2019).
  9. Turner, K. H., Wessel, A. K., Palmer, G. C., Murray, J. L., Whiteley, M. Essential genome of Pseudomonas aeruginosa in cystic fibrosis sputum. Proceedings of the National Academy of Sciences of the United States of America. 112 (13), 4110-4115 (2015).
  10. Darch, S. E., et al. Phage inhibit pathogen dissemination by targeting bacterial migrants in a chronic infection model. MBio. 8 (2), 00240 (2017).
  11. Jorth, P., et al. Regional isolation drives bacterial diversification within cystic fibrosis lungs. Cell Host & Microbe. 18 (3), 307-319 (2015).
  12. Palmer, K. L., Aye, L. M., Whiteley, M. Nutritional cues control Pseudomonas aeruginosa multicellular behavior in cystic fibrosis sputum. Journal of Bacteriology. 189 (22), 8079-8087 (2007).
  13. Davies, D. G., et al. The involvement of cell-to-cell signals in the development of a bacterial biofilm. Science. 280 (5361), 295-298 (1998).
  14. Hartmann, R., et al. Quantitative image analysis of microbial communities with BiofilmQ. Nature Microbiology. 6 (2), 151-156 (2021).
  15. Stacy, A., et al. Bacterial fight-and-flight responses enhance virulence in a polymicrobial infection. Proceedings of the National Academy of Sciences of the United States of America. 111 (21), 7819-7824 (2014).

Play Video

Cite This Article
Gannon, A. D., Darch, S. E. Tools for the Real-Time Assessment of a Pseudomonas aeruginosa Infection Model. J. Vis. Exp. (170), e62420, doi:10.3791/62420 (2021).

View Video