Fortschritte bei RNA-Sensormaterialien
Ein neues System kombiniert synthetische Biologie und Materialwissenschaften für RNA-Diagnostik.
― 7 min Lesedauer
Inhaltsverzeichnis
- Die Wichtigkeit von Smart Materials
- Wie Sensing Materials funktionieren
- CRISPR-Technologie in Sensing Materials
- Entwicklung eines neuen Sensorsystems
- Schrittweiser Entwicklungsprozess
- Charakterisierung des Systems
- Testen der Spezifität und Funktionalität
- Signalverstärkung mithilfe von Modellen verbessern
- Fazit und Ausblick
- Originalquelle
Synthetic Biology und Materialwissenschaft sind zwei Bereiche, die zusammen neue Materialien mit spannenden Eigenschaften schaffen können. Diese Materialien können Veränderungen in ihrer Umgebung erkennen und auf verschiedene Signale reagieren. Mögliche Anwendungen gibt's in Bereichen wie Krankheitstests, Medikamentenverabreichung, Gewebezüchtung und personalisierten medizinischen Behandlungen.
Die Zusammenarbeit zwischen diesen Feldern begann so um die frühen 2000er. Damals fingen die Forscher an, an Ideen wie DNA-Origami und Materialien, die mit gentechnisch veränderten Bakterien hergestellt werden, zu arbeiten. Im Laufe der Jahre führte diese Arbeit zur Entwicklung von intelligenten Materialien, die auf verschiedene Signale reagieren, entweder durch spezielle biologische Komponenten oder durch den Einsatz lebender Organismen, die irgendwie verändert wurden.
Die Wichtigkeit von Smart Materials
Diese intelligenten Materialien sind besonders nützlich für Detektionszwecke. Zum Beispiel können sie helfen, Umweltverschmutzungen oder spezielle Marker, die Gesundheitszustände anzeigen, zu finden. Häufige Ziele für diese Materialien sind Proteine, Nukleinsäuren und kleine Moleküle. Allerdings gibt's weniger Materialien, die speziell für die RNA-Detektion entwickelt wurden. Das liegt zum Teil daran, dass RNA weniger stabil sein kann als andere Moleküle und oft in der Menge erhöht werden muss, bevor man testet, was den Prozess komplizierter macht.
Einige Beispiele für RNA-Detektionsmaterialien sind Nanomaterialien aus Gold oder Silber, magnetische Nanopartikel, Quantenpunkte und kohlenstoffbasierte Materialien wie Graphenoxid. Diese Materialien unterstützen die Sonden, die an RNA binden, und verstärken die Signale, die sie erzeugen. Die Fähigkeit, sehr geringe Mengen an RNA zu erkennen, ist entscheidend, besonders wenn man nach spezifischen Biomarkern in klinischen Umgebungen sucht.
Eine andere Kategorie von RNA-Sensoren sind papierbasierte Systeme. Diese Systeme können kreative Ansätze wie Toehold-Schalter oder CRISPR/Cas-Technologie nutzen, um mRNAs und virales genetisches Material zu finden. Sie sind benutzerfreundlich, kostengünstig und geeignet für Tests vor Ort.
Wie Sensing Materials funktionieren
Viele Detektionsmaterialien verändern sich, wenn sie mit einem Zielmolekül in Kontakt kommen. Diese Veränderung könnte in ihrer Steifheit sein oder die Freisetzung einer an das Material gebundenen Verbindung umfassen. Zum Beispiel gibt's Hydrogels, die anschwellen, wenn ein spezifisches Antigen hinzugefügt wird oder Medikamente freisetzen, wenn sie ein Antibiotikum erkennen. In einem anderen Beispiel kann ein Gel durch die Bindung eines Aptamers an DNA entstehen, aber wenn Kokain vorhanden ist, bricht das Gel zusammen.
Einige Materialien können Informationen intelligenter verarbeiten, als nur auf eine einzelne Signaländerung zu reagieren. Sie können einfache Logikgatter verwenden, um unterschiedlich zu reagieren, basierend auf einer Kombination von Eingaben. Technologien aus der synthetischen Biologie und Materialwissenschaften ermöglichen diese Art der Informationsverarbeitung, wodurch die Materialien Signale filtern, Informationen speichern oder ihre Reaktionen modulieren können.
Es gibt mehrere Beispiele, bei denen Materialien sich wie grundlegende Logikgatter verhalten, wie AND-, OR- und NOT-Gatter. Forscher haben sogar diese Gatter kombiniert, um komplexere Systeme zu schaffen, die unterschiedlich auf mehrere Eingaben reagieren können. Zum Beispiel wurde ein hybrides Materialsysten entwickelt, das wie ein binärer Encoder funktioniert, Signale verarbeitet und je nach den Informationen, die es erhält, unterschiedliche Ausgaben liefert.
CRISPR-Technologie in Sensing Materials
Die CRISPR-Technologie kann auch zur Erstellung von Detektionsmaterialien angewendet werden, besonders für RNA-Detektion. Eine spezifische CRISPR-Komponente namens Cas12a ist sehr nützlich, weil sie programmiert werden kann, spezifisch für bestimmte Sequenzen ist und Signale automatisch verstärkt. Ein innovatives Beispiel nutzt Cas12a in Hydrogelen, wo es angehängte Moleküle freisetzen kann, wenn es an eine spezifische Ziel-RNA bindet.
Eine weitere wichtige CRISPR-Komponente ist Cas13a, die an RNA bindet und, sobald sie ein Ziel erkennt, andere RNA-Moleküle auf eine Weise schneiden kann, die das Detektionssignal verstärkt. Systeme wie SHERLOCK nutzen dieses Feature, indem sie Prozesse kombinieren, die RNA verstärken, mit der Cas13a-Aktivität, die ein Signal freisetzt.
Entwicklung eines neuen Sensorsystems
In dieser Studie wurde ein hochgradig modulares Sensorsystem vorgestellt, das magnetische Polymere mit Komponenten aus der synthetischen Biologie kombiniert. Dieses System wurde fähig, RNA zu erkennen, ohne dass das Ziel zunächst verstärkt werden musste. Durch die Nutzung des Cas13a-Systems kann es RNA-Signale effektiv umwandeln und verstärken. Ausserdem wurde ein Modul, das auf Proteasen reagiert, hinzugefügt, um das vom Cas13a-Detection erzeugte Signal weiter zu erhöhen.
Die Modularität dieses Systems ermöglicht verschiedene Anpassungen. Die Spezifität für Ziele kann durch Modifizierung der RNA-Sequenzen geändert werden, die Signalverstärkung kann angepasst werden und die Ausgabe kann durch unterschiedliche fluoreszierende Proteine oder Reporting-Enzyme verändert werden. Diese anpassbare Struktur hebt die Möglichkeiten hervor, biologische Komponenten mit Materialwissenschaft zu verbinden, besonders für klinische Anwendungen.
Schrittweiser Entwicklungsprozess
Um dieses RNA-Sensorsystem mit Signalverstärkung zu schaffen, folgten die Forscher einem strukturierten Ansatz. Zuerst entwarfen sie einen Kaskadenschaltkreis, wo ein Eingang erkannt, weitergegeben und in einen Ausgang umgewandelt wird. Das erste Modul erkennt die RNA, das zweite Modul überträgt das Signal und das dritte Modul wandelt es in eine messbare Ausgabe um.
Das Cas-Modul, das aus crRNA und Cas13a besteht, wird aktiv, wenn es an die Ziel-RNA bindet. Das TEV-Modul ist so konzipiert, dass es eine Reporter-RNA freisetzt, wenn es von einer Protease geschnitten wird. Schliesslich verbindet das mCherry-Modul die Spaltungsaktivität mit der Produktion eines fluoreszierenden Ausgangssignals.
Charakterisierung des Systems
Bevor das gesamte System zusammengestellt wurde, wurden die einzelnen Module getrennt entwickelt und getestet. Zum Beispiel wurde das Cas-Modul erstellt, um das Cas13a-Protein einzuschliessen, während das TEV-Modul die notwendigen Komponenten umfasste und auf einem magnetischen Träger immobilisiert wurde. Die Aktivität des gesamten Setups wurde durch Fluoreszenzmessungen überwacht, um sicherzustellen, dass das System wie gewünscht funktionierte.
Sobald diese Subsysteme funktionsfähig waren, wurden sie in das kombinierte System integriert. Um unerwünschte Wechselwirkungen zu vermeiden, wurde ein spezieller Plattenständer verwendet, um die Module auseinander zu positionieren und dennoch die Kommunikation durch freigesetzte Biomoleküle zu ermöglichen. Dieses Design stellte sicher, dass die Ausgabe nur als Reaktion auf die Ziel-RNA erzeugt wurde.
Testen der Spezifität und Funktionalität
Die Spezifität des Systems wurde getestet, indem die Reaktion auf verschiedene RNA-Sequenzen verglichen wurde. In einem Experiment konnte das System erfolgreich zwischen einer Ziel-RNA und anderen ähnlichen RNAS unterscheiden, was eine hohe Selektivität zeigte. Ausserdem zeigten Tests, dass das System spezifische Biomarker in Blutproben von Patienten erkennen konnte, was auf sein Potenzial für klinische Diagnosen hinweist.
Die Modularität des Systems wurde weiter bestätigt, indem Komponenten ausgetauscht wurden, um andere RNAs zu zielen, ohne die Gesamtleistung zu beeinträchtigen. Zum Beispiel könnte die spezifische crRNA für einen Krebsmarker ausgetauscht werden, um eine andere RNA-Sequenz zu zielen, was die Flexibilität des Systems zeigt.
Signalverstärkung mithilfe von Modellen verbessern
Das ursprüngliche Design des Systems zeigte ein gewisses Potenzial für die Signalverstärkung, aber die Forscher waren begierig, es zu verbessern. Durch die Änderung der Materialien für das mCherry-Modul auf ein cellulosebasiertes magnetisches Material erhöhten sie die Fang- und Freisetzungseigenschaften für das mCherry-Protein. Diese Modifikation ermöglichte eine grössere Signalverstärkung.
Ein mathematisches Modell wurde entwickelt, um die Interaktionen besser zu verstehen und die Ausgabe des Systems unter verschiedenen Bedingungen vorherzusagen. Durch das Anpassen des Modells an experimentelle Daten konnten die Forscher Einblicke in das Verhalten des Systems gewinnen und optimale Bedingungen für die Leistung identifizieren.
Dieses Modell half nicht nur, das System zu validieren, sondern diente auch als Leitfaden für zukünftige Verbesserungen. Durch die Analyse der Interaktionen innerhalb des Systems konnten die Forscher informierte Anpassungen vornehmen, um die Gesamtwirkung des Erkennungsprozesses zu verbessern.
Fazit und Ausblick
Diese Studie zeigt, wie die Kombination aus synthetischer Biologie und Materialwissenschaft zur Entwicklung innovativer Systeme für RNA-Diagnosen führen kann. Das modulare Design ermöglicht eine einfache Anpassung zur Zielung spezifischer RNA-Sequenzen und eröffnet Möglichkeiten zur Anwendung dieser Technologie in verschiedenen Bereichen, einschliesslich medizinischer Diagnosen, Landwirtschaft und Bioprozessüberwachung.
Die hier entwickelten Methoden könnten zu zugänglicheren und effektiveren Diagnosetools führen. Durch die Integration verschiedener Ansätze aus mehreren wissenschaftlichen Disziplinen heben die Forscher das Potenzial für zukünftige Fortschritte bei der Erkennung und Interpretation biologischer Signale hervor. Dies stellt nicht nur einen Fortschritt in den Diagnosefähigkeiten dar, sondern zeigt auch die Bedeutung interdisziplinärer Zusammenarbeit für wissenschaftliche Innovation.
Titel: Signal-amplifying Biohybrid Material Circuits for CRISPR/Cas-based single-stranded RNA Detection
Zusammenfassung: The functional integration of biological switches with synthetic building blocks enables the design of modular, stimulus-responsive biohybrid materials. By connecting the individual modules via diffusible signals, information-processing circuits can be designed. Such systems are, however, mostly limited to respond to either small molecules, proteins, or optical input thus limiting the sensing and application scope of the material circuits. Here, we design a highly modular biohybrid material based on CRISPR-Cas13a to translate arbitrary single-stranded RNAs into a biomolecular material response. We exemplify this system by the development of a cascade of communicating materials that can detect the tumor biomarker microRNA miR19b in patient samples or sequences specific for COVID-19. Specificity of the system is further demonstrated by discriminating between input miRNA sequences with single-nucleotide differences. To quantitatively understand information processing in the materials cascade, we developed a mathematical model. The model was used to guide systems design for enhancing signal amplification functionality of the overall materials system. The newly designed modular materials can be used to interface desired RNA input with stimulus-responsive and information-processing materials for building point-of-care suitable sensors as well as multi-input diagnostic systems with integrated data processing and interpretation.
Autoren: Wilfried Weber, H. Mohsenin, R. Schmachtenberg, S. Kemmer, H. J. Wagner, M. Johnston, S. Madlener, C. Dincer, J. Timmer
Letzte Aktualisierung: 2024-06-13 00:00:00
Sprache: English
Quell-URL: https://www.medrxiv.org/content/10.1101/2024.06.12.24308852
Quell-PDF: https://www.medrxiv.org/content/10.1101/2024.06.12.24308852.full.pdf
Lizenz: https://creativecommons.org/licenses/by-nc/4.0/
Änderungen: Diese Zusammenfassung wurde mit Unterstützung von AI erstellt und kann Ungenauigkeiten enthalten. Genaue Informationen entnehmen Sie bitte den hier verlinkten Originaldokumenten.
Vielen Dank an medrxiv für die Nutzung seiner Open-Access-Interoperabilität.