Metabolomics of Carbon-Fixing Mutants of Cyanobacteria by GC/Q-TOF

Význam tématu

Rostoucí zájem o alternativní energetické zdroje vede k vývoji fotosyntetických mikroorganismů schopných efektivně fixovat CO2 a produkovat biopaliva. Metabolomika cyanobakterií odkrývá klíčové cesty ovlivňující růst i biosyntézu cenných produktů.

Cíle a přehled studie

Tato studie se zaměřila na náhodnou mutagenezi modelového kmeni Synechococcus elongatus PCC7942 s cílem získat mutanty s vyšší rychlostí fixace CO2 a biologickou růstovou efektivitou. Vybrané kmeny byly dále analyzovány metodou netargetované GC/Q-TOF metabolomiky pro odhalení metabolických změn spojených s vylepšeným fenotypem.

Použitá metodika a instrumentace

• Mutageneze kmenů EMS a NTG, kultivace při vysoké koncentraci CO2 a selekce rychle rostoucích izolátů
• Příprava vzorků: methanol/chloroform extrakce, methoximace (hydroxylamin HCl v pyridinu) a silylace (MSTFA/TMCS)
• Instrumentace: GC Agilent 7890B, Q-TOF Agilent 7200, kolona J&W DB-5 MS Ultra Inert
• Softwarové nástroje: MassHunter Quantitative/Qualitative Analysis, Mass Profiler Professional včetně Pathway Architect, Fiehn RTL knihovna

Hlavní výsledky a diskuse

Chromatografická dekonvoluce s nastavením ±100 ppm odhalila více skutečných složek a rozlišení koelujících metabolitů než širší okno ±0,3/–0,7 Da. Multivariantní analýza PCA potvrdila oddělené klastrování divokého typu a mutant. Volcano graf ukázal metabolity s významnými změnami (organické kyseliny, aminokyseliny, sugar-fosfáty). Semikvantitativní porovnání odhalilo rozdíly zejména v TCA cyklu (citrát, jablečná kyselina), v Kalvinově cyklu (2-fosfoglycerát, ribóza-5-fosfát) a akumulaci adenosinu naznačující metabolický bottleneck. Kg přesná kvantifikace s úzkým masovým intervalem potvrdila tyto rozdíly.

Přínosy a praktické využití metody

Netargetovaná GC/Q-TOF metabolomika s vysokou hmotnostní přesností ve spojení s pokročilou datovou analýzou odhaluje neočekávané cíle pro genetické inženýrství, zkracuje vývojové cykly pro optimalizaci biofuel kmenů a zajišťuje spolehlivou identifikaci a kvantifikaci metabolitů.

Budoucí trendy a možnosti využití

• Integrace multi-omických přístupů (genomika, transkriptomika, proteomika) a izotopové značení pro sledování metabolických toků
• Aplikace umělé inteligence a strojového učení pro automatizaci analýzy dat
• Vysokoprůchodové platformy pro screening adaptovaných kmenů a in situ metabolomika
• Rozšíření metodiky na další fotosyntetické a průmyslové mikroorganismy

Závěr

Popsaná netargetovaná metabolomická strategie na GC/Q-TOF s využitím přesné hmotnostní informace významně přispívá k pochopení klíčových metabolických změn v mutantních kmen�ních cyanobakteriích a nabízí cílené cesty pro inženýrské vylepšení kmenů určených k produkci biopaliv.

Reference

1. D.N. Juurlink a I.A. Dhalla Bioengineering of carbon fixation, biofuels, and biochemicals in cyanobacteria and plants. J Biotechnol. 162, 134–147 (2012)
2. G.G. Tcherkez, G.D. Farquhar a T.J. Andrews Despite slow catalysis and confused substrate specificity, all ribulose bisphosphate carboxylases may be nearly perfectly optimized. PNAS 103, 7246–7251 (2006)