研究の革新:ストレプトマイセスと自動化が出会う
自動化がストレプトマイセス研究をどのように変えて、より良い結果をもたらすかを発見しよう。
Tenna Alexiadis Møller, Thom Booth, Simon Shaw, Vilhelm Krarup Møller, Rasmus J.N. Frandsen, Tilmann Weber
― 1 分で読む
目次
ストレプトマイセスは、特に医学や農業の分野で大きな貢献をしている、魅力的なバイ菌なんだ。彼らは抗生物質を作ることで有名で、これは有害なバイ菌による感染症に立ち向かう手助けをする物質だよ。こういう小さなやつらは、まるで小さなスーパーヒーローみたいに、一つの感染症を救っているんだ!
このバイ菌は農業のための薬剤や酵素も作るんだ。農業用剤は作物の成長を助けたり、害虫から守ってくれたりするし、酵素は生き物の中で化学反応を早くするたんぱく質だよ。酵素はすべてをスムーズに動かすための小さな働き者みたいなもんだね。
次世代シーケンシングと遺伝子ツールって何?
技術の進歩のおかげで、科学者たちはストレプトマイセスを含む生物の遺伝子構成を全て読み取る方法を開発したんだ。このプロセスを次世代シーケンシングって呼んでて、レシピじゃなくて遺伝子で、レストランの料理を作るための複雑な料理本を読むみたいなもんだよ。
もっと多くのゲノムが研究できるようになったことで、研究者たちはストレプトマイセスの隠れた能力を引き出し始めている。新たな知識が得られたことで、これらのバイ菌を改良して有用性を高めるためのツールを作ることに科学者たちがモチベーションを感じているんだ。
その中でワクワクする進展はCRISPR技術だよ。CRISPRは生物のDNAに正確に変更を加える方法だ。文書を編集するためのワードプロセッサーを使うのに似ていて、必要に応じて言葉を追加、削除、変更できるんだ。このツールによって、研究者たちはストレプトマイセスを改良して貴重な物質をつくる能力を向上させるのがずっと簡単になったんだ。
変革効率の課題
技術的な進歩にもかかわらず、ストレプトマイセスを研究や産業で使うにはまだ課題があるんだ。一つの大きな障害は、これらのバイ菌にDNAを導入するのが難しいことだ。このプロセスは「トランスフォーメーション」と呼ばれ、その効率は特に未検証の株を扱うときには変わることが多いんだ。
トランスフォーメーションを容易にするために、研究者たちはしばしば「インタージェネリック接合」と呼ばれる方法を使う。これはストレプトマイセスを「E. coli」と呼ばれる別のバイ菌と混ぜることを含んでいる。E. coliの株はDNAを受け入れたり移動したりするのが得意で、このプロセスで信頼できるパートナーなんだよ。
だけど、この方法を大規模で実行するのは、何千もの株を扱うとなると、かなり手間がかかる作業で、時間と資源がたくさん必要なんだ。だから、もっと効率的でスケール可能な技術への需要が高まっているんだ。
ロボットが登場
これらの課題に取り組むために、科学者たちは自動化とロボティクスに目を向けたんだ。自動化された液体ハンドリングプラットフォームは、ピペッティング、混合、サンプルの転送などを人の手を使わずに行えるんだ。ロボットが地道な作業をしながら、研究者たちがコーヒーを飲んで景色を楽しむなんて、夢みたいだよね?
これらのロボットシステムはさまざまな形をしてて、すべてが一つにまとめられたデバイスもあれば、モジュール型で、ユーザーが必要に応じてパーツを組み合わせられるものもある。大きなロボットシステムは高いスループットを提供できるけど、値段も高く、熟練したオペレーターが必要な場合が多いんだ。だから、柔軟性が大事になってくるんだよね。特に小さな研究室やスタートアップなんかは同じリソースを持っていないかもしれないからね。
自動化のボトルネック
ロボットシステムを導入するとき、研究者が克服しなければならない5つの主要な課題、つまりボトルネックがあるんだ:
-
コスト: 多くのロボットシステムは高額で、小さな研究所が投資するのが難しい。予算に合う柔軟なソリューションが求められることが多い。
-
プログラミングスキル: ほとんどの科学者はプログラマーとしての訓練を受けていないから、自動化のプロセスを複雑にすることがある。まるで楽しく料理をする人に急にミシュラン星のシェフになるよう頼むみたいなもんだよ!
-
知識の移転: プロジェクトが終わると、十分な文書化がなければ有益な専門知識が失われることがある。従業員の入れ替わりが激しいと、この問題が悪化してノウハウが失われることにつながる。
-
標準化: 多くの研究室が標準化された手順を一貫して守っていないことがあり、それが実験の再現を難しくし、結果の比較を困難にすることがある。
-
プロトコルの変動: 科学者は時々プロトコルを修正していくから、不一致が生じることがある。これが自動化の合理化を妨げて、どのプロトコルバージョンを遵守すべきか決めるのが難しくなるんだ。
モジュラーシステム: 柔軟なソリューション
これらの課題を受けて、Opentronsみたいなモジュラーシステムが注目を集めている。これらのプラットフォームは手頃で適応可能で、研究者が広範なプログラミング知識なしでロボットのセットアップをカスタマイズできるんだ。科学のためのLEGOセットみたいに考えてみて!
OpentronsロボットはRaspberry Piコンピューターで動いてて、シンプルなPythonスクリプトを使ってアクションをコントロールするんだ。このセットアップはコストを抑えるだけじゃなく、ユーザーが自分のモジュールやプロトコルをデザインすることを奨励しているんだ。
E. coli用の自動化されたワークフローは既にあるけど、ストレプトマイセス用はあまり開発されていないんだ。いくつかの研究では、自動化を使ってバイ菌の遺伝子クラスターを予測して優先順位をつけ、それをクローン化してさらに研究することに成功しているんだ。
オープンコミュニケーションの重要性
これらのワークフローを開発する上で重要な側面は、情報を共有して協力を促進することだ。透明性が重要で、異なるバックグラウンドの研究者が効果的に協力できるようにするんだ。オープンなコミュニケーションの環境を築くことで、研究者たちは手頃でカスタマイズ可能なセットアップの共有リソースを構築し、関わる皆の時間とお金を節約できるんだ。
リテラテプログラミングの登場
この分野でのもう一つのワクワクする進展はリテラテプログラミングだ。このアプローチは、研究者が簡単に理解できるコードを書くことを可能にして、自然言語の説明とコード自体を組み合わせる。これは、誰でも従えるくらい明確な指示があるレシピを作るようなもので、料理の専門家でなくても大丈夫なんだ!
これが特にロボットを操作したいけどプログラミングスキルがない人たちに役立つんだ。PyLabRobotのようなプロジェクトは、リテラテプログラミングを使って液体ハンドリング用のユーザーフレンドリーなスクリプトを作っているんだ。
自動化のための新しいワークフロー
これらのアイデアを基に、研究者たちはE. coliとストレプトマイセスの間でロボティックインタースペシーズ接合を実行するための多用途ワークフローを開発したんだ。このセットアップはOpentronsプラットフォームを使用し、ユーザーがE. coliの熱ショックトランスフォーメーションとストレプトマイセスとの接合の両方を自動化できるようにしている。
このワークフローは、実験を共有しやすくし、圧倒されることなく実行できるように設計されているんだよ。
新しいワークフローを始める
E. coliの熱ショックトランスフォーメーションを行うために、科学者たちは簡単なプロトコルに従うことができる。彼らは、コンピテントなE. coli細胞をプラスミドDNAと混ぜて、DNAの取り込みを促すために熱ショックを与える。その後、変換された細胞を培養し、選択メディアにプレートして望ましい修正を含むコロニーが成長するのを待つんだ。
ストレプトマイセスとの接合のために、研究者たちはE. coli文化を準備し、洗浄してからストレプトマイセスの胞子と混ぜる。混合物は選択メディアにプレートされ、成功したエクス接合体が識別できるようになるんだ。
ユーザーフレンドリーな自動化
全体のプロセスを簡素化するために、研究者たちはプロトコル作成のための使いやすいソフトウェアも開発したんだ。このソフトウェアはJupyter Notebooksと統合され、科学者が重要な実験の詳細を入力して必要なロボットスクリプトを生成できるようになっている。ユーザーはノートブックと視覚的にインタラクトできるので、設定が簡単になり、ミスの可能性も減るんだ。
このアプローチはプロセスをより効率的にするだけじゃなく、チームメンバー間の協力を促進することにもつながる。だって、他の人が離れても、複数のユーザーがワークフローに貢献できるからね。
テストと検証
新しいロボットワークフローをテストするために、研究者たちはトランスフォーメーションと接合の効率を評価するための実験を行ったんだ。熱ショックトランスフォーメーションでは、ロボットと手動の方法でのレートを比較して、同様の結果が得られることを確認したんだ。
接合効率については、異なる組み合わせのE. coliとストレプトマイセス株で実験して、コロニーの数を数えたり、サンプルをスクリーニングしたりして成功率をよりよく理解するために頑張った。より多くのサンプルを処理できることで、実際の効率を測定し、潜在的な変動を分析できるようになったんだ。
ストレプトマイセス研究における自動化の未来
この研究の結果、研究者たちは手動と完全自動化されたシステムのギャップを埋めるモジュラーなワークフローを確立したんだ。柔軟性とユーザーフレンドリーさに焦点を当てることで、経験豊富な専門家から新参者まで、科学的な取り組みを制御できるセットアップが生まれたよ。
進行中の改善やリテラテプログラミングの導入に伴い、ストレプトマイセス研究におけるロボット自動化の未来は明るいと思われる。もっと多くの研究室がこれらのアクセスしやすいツールを導入することで、時間を節約し、コストを削減することが期待されていて、最終的にはバイオテクノロジーの新しい発見や進展への道を開くことになるんだ。
結論として、ストレプトマイセス研究と自動化、ロボティクスの統合は、効率的なラボ作業を生むだけでなく、命を救う抗生物質や農業製品の開発の新たな可能性を解き放つかもしれない。だから、みんなでピペットを上げて、バイ菌とロボットが手を取り合って働く未来を祝おうじゃないか!
タイトル: ActinoMation: a literate programming approach for medium-throughput robotic conjugation of Streptomyces spp.
概要: The genus Streptomyces are valuable producers of antibiotics and other pharmaceutically important bioactive compounds. Advances in molecular engineering tools, such as CRISPR, has provided some access to the metabolic potential of Streptomyces, but efficient genetic engineering of strains is hindered by laborious and slow manual transformation protocols. In this paper, we present a semi-automated medium-throughput workflow for the introduction of recombinant DNA into Streptomyces spp. using the affordable and open-sourced Opentrons (OT-2) robotics platform. To increase the accessibility of the workflow we provide an open-source protocol-creator, ActinoMation. ActinoMation is a literate programming environment using Python in Jupyter Notebook. We validated the method by transforming Streptomyces coelicolor (M1152 and M1146), S. albidoflavus (J1047), and S. venezuelae (DSM40230) with the plasmids pSETGUS and pIJ12551. We demonstrate conjugation efficiencies of 3.33*10-3 for M1152 with pSETGUS and pIJ12551; 2.96*10-3 for M1146 with pSETGUS and pIJ12551; 1.21*10-5 for J1047 with pSETGUS and 4.70*10-4 with pIJ12551, and 4.97*10-2 for DSM40230 with pSETGUS and 6.13*10-2 with pIJ12551 with a false positive rate between 8.33% and 54.54%. Automation of the conjugation workflow improves consistency when handling large sample sizes that facilitates easy reproducibility on a larger scale.
著者: Tenna Alexiadis Møller, Thom Booth, Simon Shaw, Vilhelm Krarup Møller, Rasmus J.N. Frandsen, Tilmann Weber
最終更新: 2024-12-09 00:00:00
言語: English
ソースURL: https://www.biorxiv.org/content/10.1101/2024.12.05.622625
ソースPDF: https://www.biorxiv.org/content/10.1101/2024.12.05.622625.full.pdf
ライセンス: https://creativecommons.org/licenses/by/4.0/
変更点: この要約はAIの助けを借りて作成されており、不正確な場合があります。正確な情報については、ここにリンクされている元のソース文書を参照してください。
オープンアクセスの相互運用性を利用させていただいた biorxiv に感謝します。