基于反向映射的代谢建模将宿主扰动与结核分枝杆菌联系起来
《iScience》:Metabolic modeling with reverse mapping links host perturbations to Mycobacterium tuberculosis
【字体:
大
中
小
】
时间:2026年09月19日
来源:iScience 4.5
编辑推荐:
## 亮点
- 开发了一种将宿主代谢与结核分枝杆菌(Mtb)效应因子联系起来的重映射框架
- 预测了18个调控细胞内Mtb存活的宿主代谢调节因子
- 实验验证了宿主调节因子并揭示了新的宿主-病原体存活机制
- 鉴定了Mtb效应因子和结核病的潜在宿主导向治疗靶点
## 摘要
## 亮点
- 开发了一种将宿主代谢与结核分枝杆菌(Mtb)效应因子联系起来的重映射框架
- 预测了18个调控细胞内Mtb存活的宿主代谢调节因子
- 实验验证了宿主调节因子并揭示了新的宿主-病原体存活机制
- 鉴定了Mtb效应因子和结核病的潜在宿主导向治疗靶点
## 摘要
理解结核分枝杆菌(Mtb)感染期间宿主-病原体相互作用在很大程度上依赖于鉴定对细胞内存活至关重要的细菌基因。然而,传统的反向遗传学方法往往忽视了调控Mtb生长的宿主通路。本研究开发了一种回溯策略,将宿主代谢调节因子与特定的Mtb蛋白联系起来。整合了基因组规模宿主代谢模型和H37Rv感染小鼠的肺部转录组数据后,预测了18个对Mtb存活至关重要的宿主蛋白。我们通过药理学抑制验证了这一结果,显示所鉴定的宿主代谢调节因子可减少野生型H37Rv的细胞内存活能力。随后,我们构建了宿主-病原体蛋白相互作用网络,将这些蛋白与9个Mtb蛋白联系起来。其中,mce3E、fadA2和ptpA通过敲低实验被鉴定为有利于病原体生长的宿主反应调节因子。蛋白质组学和代谢组学分析揭示了其潜在的分子机制。我们通过调控相应的宿主代谢调节因子进行了实验评估,从而恢复了Mtb敲低菌株的细胞内生长缺陷,并揭示了先前未被识别的宿主-病原体存活机制。外源性PGE2处理进一步抑制了细胞内细菌存活。
## 引言
结核分枝杆菌是结核病的致病菌,结核病是全球主要的健康威胁之一,每年导致数百万人死亡。其持续存在的一个关键因素是能够在宿主巨噬细胞内的恶劣生理条件下存活,从而在免疫压力下维持长期生存。目前的结核病治疗方案依赖于多种抗生素长期治疗,导致毒性反应和依从性不佳等问题。鉴于这些挑战,阐明Mtb逃避或操纵宿主免疫的分子机制对于开发靶向宿主通路的新治疗策略至关重要。这种宿主导向疗法(HDT)有助于增强免疫介导的病原体清除,从而增强现有抗结核治疗方案的效果。吸入途径启动了结核病的传播,随后肺泡巨噬细胞吞噬空气中的Mtb。根据免疫状态,这可能导致有典型症状的活动性感染或无临床表现潜伏感染。如果不治疗,病原体可以逃避宿主免疫系统并在宿主体内存活很长时间。为此,Mtb进化出了多种策略来逃避宿主防御机制,这些机制对清除病原体和获得有利疾病结局至关重要。
Mtb拥有一系列"武器"来中和宿主介导的攻击,这对其在宿主体内存活至关重要。Mtb通过调控多种对限制和中和病原体至关重要的宿主通路来实现这一目标,这些通路主要包括宿主免疫、细胞信号传导和代谢相关通路。据报道,包括PtpA、SapM、Ndk和PknG在内的几种Mtb分泌蛋白能够通过与关键宿主蛋白直接相互作用来主动抑制吞噬体成熟并阻断吞噬溶酶体融合。除了抑制这些细胞内通路外,Mtb还通过不同感染阶段的巨噬细胞凋亡进行调控。在感染早期,Mtb分泌蛋白PtpA通过使GSK3去磷酸化来破坏凋亡信号传导。另一种Mtb分泌蛋白LpqN与人类E3泛素连接酶CBL相互作用,CBL充当宿主限制因子,限制巨噬细胞内的细菌增殖。与这些免疫逃避策略平行的是,Mtb广泛重编程宿主代谢以建立营养丰富的细胞内生态位。此外,为维持长期的细胞内存活能力,Mtb诱导巨噬细胞中脂滴积累,同时调控包括糖酵解、氧化磷酸化和脂质代谢在内的关键代谢通路。总之,这些发现突出了Mtb逃避宿主固有免疫和重塑细胞代谢的多重机制,强调了宿主靶向结核病干预的潜在途径。在抗生素耐药性日益严重的时代,对关键宿主-病原体相互作用通路的机制性理解和靶向是高优先级的研究领域。来自这些研究的信息对开发基于宿主的抗结核病策略至关重要。
虽然结核病领域的宿主-病原体相互作用研究充斥着检查单个Mtb蛋白在结核菌致病性中作用的研究,但涉及病原体和宿主双方的基因组规模分析却非常稀少。尽管如此,利用高通量无偏全基因组筛选方法,最近的发现系统地阐明了复杂的宿主-病原体相互作用,并帮助鉴定了调节细胞内细菌生长和致病性的宿主扰动。最近的研究进展包括利用基于CRISPR的工具验证双RNA-seq数据,从而鉴定了限制宿主细胞内Mtb生长的GID/CTLH复合物。
传统的反向遗传学方法通过构建病原体干净基因缺失菌株来研究宿主扰动,这只能提供与特定病原体扰动相关的宿主微环境的狭窄视角。这些方法往往无法捕捉感染期间宿主反应的完整谱系。为克服这一局限,我们采用了一种回溯策略,将全局宿主改变与特定的Mtb蛋白联系起来。这种对宿主调节因子的回顾性鉴定及其追溯到上游细菌效应因子的过程仍未得到充分探索,且通过反向遗传学方法验证有限。在本研究中,我们首先通过计算鉴定了属于宿主代谢通路且在Mtb感染小鼠肺中差异表达的代谢基因。我们假设这些差异表达的宿主基因中的一个子集有助于形成有利于病原体在宿主细胞内生长的生态位。此外,我们构建了宿主-病原体相互作用网络,并从现有文献中挖掘信息,在功能上将差异表达的宿主基因集合与特定的Mtb分泌蛋白联系起来。最后,通过针对这些Mtb蛋白的CRISPR介导敲低菌株感染巨噬细胞的蛋白质组学和代谢组学分析,我们在蛋白和代谢物水平上验证了我们的计算发现,并确认了其对巨噬细胞内Mtb生长的影响。图1提供了完整分析框架的概述。
## 图1 完整分析框架示意图
该流程包括三个相互关联的阶段。(1)输入:将未感染和H37Rv感染小鼠肺部的RNA-seq数据与通用小鼠基因组规模代谢模型(Mouse1)整合以重建条件特异性代谢模型。(2)模型构建和通量分析:使用tINIT和E-flux生成条件特异性模型。通量变异性分析(FVA)识别了通量谱和改变的代谢反应,随后使用rMTA进行模拟基因扰动以优先确定宿主代谢调节因子。具有持续正转化得分(TS)的基因与差异表达基因(DEG)交叉以鉴定与感染诱导的代谢重编程相关的宿主代谢调节因子。(3)机制理解:通过文献整理的宿主-Mtb蛋白-蛋白相互作用(PPI)网络将鉴定的宿主代谢调节因子与分泌的Mtb效应蛋白联系起来。选择Mtb效应因子并使用CRISPRi敲低菌株进行验证,随后通过靶向蛋白质组学和靶向代谢组学进行离体适应性和巨噬细胞表型分析。对预测的宿主代谢调节因子进行药理学调控恢复了Mtb敲低菌株的细胞内存活缺陷,支持了推断的宿主-病原体相互作用及其作为宿主导向治疗靶点的潜力。该图由BioRender创建。
## 结果
### H37Rv感染小鼠的代谢改变计算预测
在宿主体内长期存活需要Mtb调控宿主代谢通路以利于其存活。我们分析了Mtb感染小鼠的基因表达数据并与未感染组进行了比较。差异表达基因(DEG)使用变化倍数截断值1.2、p值<0.05进行计算(图2A)。我们获得了2488个上调基因和2415个下调基因(表S1)。基因本体分析显示上调基因富集在与自噬、凋亡、坏死、吞噬、内质网应激、炎症和核苷酸代谢相关的过程中,而下调基因富集在脂质、碳水化合物和氨基酸代谢中(图S1A)。我们还观察到775个代谢基因在Mtb感染组中差异表达,其中388个上调和387个下调(图2B)。为了解机制,我们将基因表达数据与通用小鼠基因组规模代谢模型Mouse1整合,使用任务驱动的组织整合网络推断(tINIT)和E-flux算法构建了H37Rv感染和未感染小鼠的上下文代谢模型。所得模型分别包含7,750和7,869个活跃反应,两者共享7,680个反应(图S1B)。然后分析这些模型以预测Mtb感染肺组织中的通量差异。使用1.2的变化倍数截断值,我们在H37Rv感染小鼠模型中观察到614个上调和3,574个下调反应(表S2),涵盖Mouse1中的125个子系统,突出了宿主碳水化合物、氨基酸、胆固醇、脂质、维生素、核苷酸和能量代谢的显著改变(图2C)。所有参与碳水化合物代谢的通路均下调,这与先前的研究结果一致,即Mtb破坏宿主糖酵解通量——特别是果糖-6-磷酸和果糖-1,6-二磷酸之间的转化。我们的数据也确认了三羧酸循环和氧化磷酸化的下调,这与早期报道一致。宿主脂质代谢也发生了显著改变,大多数甘油磷脂代谢反应上调,而亚油酸、硫辛酸、酰基甘油和类固醇代谢下调。此外,偶链、奇链和不饱和脂肪酸的生物合成以及omega-6脂肪酸代谢和脂肪酸β-氧化也观察到显著改变。
### 图2 H37Rv感染小鼠肺部的代谢特征
(A) Mtb感染小鼠肺组织RNA-seq数据差异表达分析的火山图表示。DEG使用变化倍数截断值1.2和p<0.05进行选择。上调和下调基因分别用红色和蓝色突出显示。(B)差异表达基因和代谢基因的韦恩图。(C)包含改变代谢反应的子系统。条形长度表示每个子系统中找到的改变反应的比率。此处子系统根据其相关代谢过程进行分组。
### 导致代谢改变的基因
我们寻找负责将宿主代谢特征从未感染状态推向H37Rv感染状态的宿主基因。这些见解有助于识别病原体特异性调控以建立有利于其细胞内生长的宿主关键通路。为此,我们首先对宿主代谢基因进行了模拟敲低和过表达分析并评估了后果。在不同扰动水平(25-100%,每次递增25%)下表现出持续正稳健转化得分(rTS)的基因被选择用于下游分析(图3A;表S3)。敲低542个基因满足此标准(rTS>0,适用于所有敲低百分比),其中91个在H37Rv感染小鼠中也被发现下调(图3B)。类似地,过表达255个基因满足该标准,其中56个在H37Rv感染小鼠中也上调(图3C;表S3)。这总共产生了147个候选宿主代谢基因。总体而言,这147个基因的扰动解释了H37Rv感染小鼠模型中观察到的改变代谢反应的95.4%(图3E)。
### 图3 代谢转化分析
(A) 模拟基因敲低(KD)和过表达(OE)策略示意图。(B)具有持续正转化得分(TS)的敲低基因和下调基因的韦恩图。(C)具有持续正TS的过表达基因和上调基因的韦恩图。(D)各阈值x%(x=50, 60, ..., 100)的顶级25基因集之间的Upset图。(E)柱状图表示基因集G、G1和G-G1在H37Rv感染小鼠模型中观察到的所有改变反应的总覆盖百分比。(F)雷达图表示基因集G、G1和G-G1对125个代谢子系统中改变代谢反应的总覆盖百分比。这125个代谢子系统的名称见表S4。
为了实现更有针对性的研究,我们旨在确定一个较小的基因子集,其调控能够共同解释125个受影响代谢子系统中的大多数变化。使用子系统计数比率(Rk(x))和反应覆盖率(Ck)作为选择标准,我们鉴定了一个包含18个基因的子集(G1),它们共同捕捉了几乎所有改变的代谢反应(图3D,STAR方法)。这18个基因解释了93.1%的改变反应,而剩余基因解释了80.4%(图3E)。进一步分析显示,这18个基因的扰动在大多数受影响的代谢子系统中提供了与整个基因集几乎相当的子系统水平覆盖率(图3F)。相比之下,剩余基因的集体扰动无法达到可比覆盖率。
我们还基于147个扰动基因在125个子系统中变异反应的百分比覆盖率,对其进行了层次聚类分析。这18个筛选出的基因始终排名最高(图S2A),表现出对变异反应的整体覆盖率最高(图S2B),并且在具有最大百分比覆盖率的子系统数量方面也排名前列(图S2B)。在这18个差异表达基因中,有6个在感染H37Rv的肺组织相对于未感染对照组中呈上调表达,12个呈下调表达(图4A)。值得注意的是,所有18个基因在感染与未感染条件之间均显示出显著且具有统计学意义的表达差异(图S3)。通路分析表明,这组基因在脂肪酸、氨基酸、胆汁酸、核苷酸和维生素代谢相关通路中富集(图4B)。值得注意的是,这些基因中大多数(9/18)编码转运蛋白,提示感染期间代谢物转运可能发生潜在变化。鉴于用于代谢模型构建的主要转录组数据集重复数有限(3个感染样本和2个未感染样本),我们寻求在两个额外的公开可用的小鼠肺转录组数据集中独立验证这18个优先宿主基因的表达模式:GSE137093(5个感染和5个未感染)和GSE23014(5个感染和3个未感染),以确保我们发现的稳健性和可重复性。GSE137093包含感染后42天5只H37Rv感染C57BL/6小鼠和5只未感染小鼠的数据,而GSE23014包含感染后0、12、15和21天四个时间点的5个感染和3个未感染生物学重复的数据;为保证一致性,我们使用最新可用的时间点进行比较。在所有这些基因中,两个数据集均观察到一致的表达模式,除了GSE23014中的LTA4H(图4C、S4和S5),提示结核分枝杆菌(Mtb)感染可能对它们的表达具有潜在的调控作用。为进一步评估已识别的宿主代谢调节因子的治疗相关性,我们调查了对这些宿主因子进行药理学靶向是否直接影响野生型H37Rv的细胞内存活。用茜草素(PKM抑制剂)、GOT1 Inhibitor-1(GOT1抑制剂)、LYS006(LTA4H抑制剂)或吉非替尼(阳性对照)处理H37Rv感染的巨噬细胞后,与未处理的感染巨噬细胞相比,细胞内细菌存活显著降低(图4D)。
图4 扰动后导致代谢扰动的宿主基因
(A) 气泡图代表所筛选的18个基因(G1)的fold change。其中,气泡的颜色和大小分别代表fold change(log2尺度)和p值(-log10尺度)。
(B) 通过超几何分布检验的由该基因集富集的子系统。其中,上调和下调基因的数量分别用红色和蓝色柱状图表示。
(C) 热图展示了这18个基因在两个独立数据集中H37Rv感染小鼠肺组织相对于未感染组的log2 fold changes(FC)表达模式:GSE137093和GSE23014。其中,红色、蓝色和白色分别代表上调、下调和不变。统计显著性采用Student双样本t检验评估。*,p < 0.05。
(D) THP-1巨噬细胞以感染复数(MOI)10个细菌/巨噬细胞的比值感染自体发光H37Rv,并用递增浓度(10、25和50 μM)的茜草素(PKM抑制剂)、GOT1 Inhibitor-1(GOT1抑制剂)或LYS006(LTA4H抑制剂)处理,以0.05% DMSO作为溶剂对照,吉非替尼(25 μM)作为阳性对照。通过在处理第4天测量发光来量化细胞内细菌存活。每组包含6个生物学重复。数据以均值±SD表示,来自独立生物学重复。统计显著性采用Dunnett多重比较检验的普通单因素ANOVA、配对t检验或非配对t检验确定。*p < 0.05,**p < 0.01,***p < 0.001,****p < 0.0001;ns,不显著。
驱动宿主代谢扰动的Mtb蛋白
为了理解Mtb与宿主代谢扰动之间的相互作用,我们重点关注鉴定能够调节18个筛选出的宿主代谢基因表达或功能的Mtb蛋白。作为第一步,我们鉴定了99个调控这些基因表达的宿主转录因子(TFs)(表S5)。然后,我们试图建立Mtb蛋白与这些TFs之间的联系。通过对宿主-病原体相互作用的文献挖掘(见STAR Methods,表1),我们鉴定出Mtb蛋白Rv1463、Rv3224和EchA21分别与宿主TFs E2F1、HNF4A和STAT3之间的直接相互作用。这些相互作用使我们能够将9个宿主代谢基因与Mtb蛋白联系起来。对于剩余的基因,我们在有向蛋白质-蛋白质相互作用网络中鉴定了其各自TF的第一上游相互作用因子。我们根据文献中的证据调查了它们与Mtb蛋白的潜在相互作用。通过这种方法,我们通过其相关TF的四个上游相互作用因子(ERK1/2、MAPK3、GSK3A和CDK4)将另外4个宿主代谢基因与Mtb蛋白联系起来。最终,我们获得了由13个宿主代谢基因产物和9个Mtb蛋白组成的最小有向宿主-病原体相互作用网络(图5A)。还观察到,一种分泌型Mtb蛋白PknG直接与GOT1蛋白产物相互作用,该蛋白是这13个基因集的成员。这些发现表明,这9个Mtb蛋白可能通过该网络显著调节宿主代谢,值得进一步实验验证。
图5 与宿主代谢蛋白相互作用的Mtb蛋白及其在病原体存活适应性中的作用
(A) 所选宿主代谢基因产物的最小有向宿主-病原体相互作用网络。分泌型Mtb蛋白以红色显示。与9个Mtb蛋白直接和间接相互作用的宿主代谢蛋白以蓝色显示。转录因子及其第一上游相互作用因子分别以黄色和绿色显示。橙色边线代表Mtb蛋白与宿主蛋白之间的相互作用,而蓝色边线表示宿主蛋白之间的相互作用。
(B) Mtb CRISPRi敲低菌株在ATc(100 ng/mL)处理下的体外生长动力学。统计显著性采用双向ANOVA(?ídák多重比较检验),其中*p = 0.0102,**p = 0.0043,***p = 0.0005,****p < 0.0001,ns P>0.9999。
(C) 使用THP-1单核细胞衍生巨噬细胞的细胞内巨噬细胞存活实验。Mtb敲低菌株的相对生长通过发光测定。数据以点的均值±SEM表示。统计显著性通过与-ATc组比较采用普通单因素ANOVA(Holm-?ídák多重比较检验)评估。*,p < 0.01;****p < 0.0001;ns,不显著。
表1 用于构建宿主-病原体相互作用网络的文献整理宿主-病原体相互作用数据集
| Mtb蛋白 | 分泌/EV定位证据 | 宿主相互作用因子 | 报道的相互作用 |
|---------|---------------|----------------|--------------|
| mce2E | 分泌蛋白 | ERK1/2 | 直接结合ERK1/2并抑制其激活 |
| mce3E | 分泌蛋白 | ERK1/2 | 直接结合ERK1/2并抑制其激活 |
| fadA2 | 细胞外囊泡相关 | MAPK3 | 报道的宿主-病原体相互作用 |
| pknG | 分泌蛋白 | MAPK3 | 报道的宿主-病原体相互作用 |
| echA21 | 细胞外囊泡相关 | GOT1 | 报道的宿主-病原体相互作用 |
| echA21 | 细胞外囊泡相关 | STAT3 | 报道的宿主-病原体相互作用 |
| Rv1463 | 分泌蛋白 | E2F1 | 报道的宿主-病原体相互作用 |
| Rv1463 | 分泌蛋白 | HNF4A | 报道的宿主-病原体相互作用 |
| ptpA | 分泌蛋白 | GSK3A | 直接去磷酸化GSK3A |
| gnd2 | 细胞外囊泡相关 | CDK4 | 报道的宿主-病原体相互作用 |
| Rv3224 | 细胞外囊泡相关 | HNF4A | 报道的宿主-病原体相互作用 |
为调查9个预测能调节宿主代谢并促进病原体存活的Mtb蛋白的作用,我们生成了靶向这些基因的H37Rv的CRISPRi敲低(KD)菌株。这些KD菌株表现出无水四环素(ATc)依赖的目标基因耗竭(图S6)。然后,我们使用基于发光的实验,在所有这些KD菌株在有ATc和无ATc条件下比较存活适应性。我们发现,缺乏pknG、Rv1463和gnd2基因的Mtb菌株在基于7H9的富集培养基上表现出体外生长缺陷表型(图5B)。而体外生长实验显示,缺乏mce3E、fadA2、pknG、Rv1463和ptpA的Mtb菌株在巨噬细胞内存活受损(图5C)。这些发现表明,mce3E、fadA2和ptpA对Mtb的体外生长并非必需,但它们是巨噬细胞内存活的条件必需基因,突显了它们在调节宿主环境中的潜在作用。
Mtb敲低菌株对宿主代谢蛋白的影响
接下来,我们试图调查特定Mtb蛋白在调节宿主蛋白表达方面的作用。为此,我们对感染了缺少特定蛋白的Mtb敲低菌株的巨噬细胞进行了靶向蛋白质组分析。基于存活适应性结果中观察到的显著表型变化,我们选择了三种Mtb蛋白:Mce3E、FadA2和PtpA,并从图5A中确定了它们相关的宿主代谢蛋白。Mce3E与6个宿主代谢蛋白相关,FadA2与4个相关,PtpA与6个相关,至少有7个独特的宿主代谢蛋白与这几种Mtb蛋白中的至少一种相关。其中,PKM在野生型mce3E感染的巨噬细胞中相对于未感染对照组呈上调,而其余蛋白则下调,与转录组数据一致。
通过将这些KD菌株与野生型的靶向蛋白质组数据进行比较,我们观察到大多数这些宿主代谢蛋白在至少一种敲低条件下表现出相反的表达式样(图6)。最显著的效果出现在mce3E KD中,它导致其所有关联宿主代谢蛋白的表达趋势逆转(图6A)。然而,fadA2和ptpA的敲低分别导致4个关联宿主代谢蛋白中有2个和6个中有2个出现表达模式逆转,尽管其中一些变化未达到统计学显著性(图6B和6C)。
图6 感染Mtb敲低菌株的巨噬细胞与野生型相比宿主代谢蛋白水平比较
特定宿主代谢蛋白(与Mtb蛋白相连的)的归一化相对强度绘制为:(A) Mce3E,(B) FadA2,(C) PtpA。相应的宿主蛋白从图5A中确定。三种H37Rv敲低菌株中的每一种在-ATc(野生型)条件下包含3个生物学重复,在+ATc(敲低)条件下包含4个生物学重复,以及3个未感染样本的生物学重复。表达数据进行了总和归一化、log10转换和Pareto缩放。此处,数据以均值±SEM表示,个体重复用数据点表示。通过靶向蛋白质组学测量的蛋白丰度以相应肽段丰度表示,标注在每个图的上方。统计分析采用两组之间的Student双样本t检验,其中*,p < 0.05;ns,不显著。
(D和E) 对于生长拯救实验,以感染复数(MOI)2个细菌/巨噬细胞的比值用自体发光mce3E或ptpA KD菌株感染THP-1巨噬细胞,并以25 μM的浓度用指定的药理学调节剂处理。对于mce3E KD菌株,使用TEPP-46(PKM2激活剂)、TMZ(ACAA2抑制剂)、CTPI-2(SLC25A1抑制剂)以及指定组合;而对于ptpA KD菌株,使用TMZ、CTPI-2或其组合处理。无水四环素(ATc;300 ng/mL)用于诱导基因敲低,0.05% DMSO作为溶剂对照。通过在处理第5天测量发光来量化细胞内细菌存活。每组包含5个生物学重复。数据以均值±SD表示,来自独立生物学重复。统计显著性采用Dunnett多重比较检验的普通单因素ANOVA、配对t检验或非配对t检验确定。*p < 0.05,**p < 0.01,***p < 0.001,****p < 0.0001;ns,不显著。
基于观察到的宿主代谢调节因子变化,我们接下来调查了对预测的宿主代谢调节因子进行药理学靶向能否恢复相应Mtb KD菌株的细胞内生长缺陷。用TEPP-46(PKM激活剂)、TMZ(ACAA2抑制剂)、CTPI-2(SLC25A1抑制剂)或TEPP-46与TMZ的组合处理感染mce3E KD菌株的巨噬细胞后,与未处理的KD菌株相比,显著恢复了细胞内细菌生长(图6D)。相比之下,同时使用三种化合物并未产生额外恢复效果。类似地,用TMZ、CTPI-2或其组合处理ptpA KD菌株后,与未处理的KD菌株相比,显著恢复了细胞内细菌生长(图6E)。
敲低菌株下巨噬细胞的代谢谱
为调查Mtb蛋白对宿主代谢组的影响,我们对感染了三种不同CRISPRi介导的敲低菌株的THP-1巨噬细胞进行了非靶向代谢组学分析,这些菌株分别靶向Mtb的ptpA、fadA2和mce3E基因。未感染的THP-1细胞作为对照。总共,我们鉴定出323种不同的代谢物。我们首先比较了野生型感染细胞与未感染细胞的代谢组变化。随后,对感染了野生型和不同敲低菌株的巨噬细胞的代谢特征差异进行了比较分析。这一分析使我们鉴定出由特定Mtb蛋白驱动的明显代谢改变。
共鉴定出96种在H37Rv感染细胞中发生改变的代谢物,其中33种上调,63种下调(图7A)。值得注意的是,PE(18:1/18:1)、PC(15:0/15:0)、PE(P-18:0/20:4)和PE(16:0/18:1(9Z))在H37Rv感染细胞中被发现上调。这些发现与我们代谢模型的预测一致,即甘油磷脂代谢通路的代谢通量增加,提示Mtb可能主动调控该通路以支持其存活或复制。这一观察结果与此前报道的研究一致,即Mtb感染显著改变了宿主脂质代谢,包括感染巨噬细胞中各种磷脂水平的升高。相反,在H37Rv感染的巨噬细胞中,十二烷二酸和腺嘌呤的浓度降低,这与模型预测的参与其合成的反应通量降低相关。此外,在H37Rv感染的THP-1细胞中,各种脂肪酸和脂质升高,而大多数氨基酸、核苷和碳水化合物则显著下调。为进一步探索全球代谢影响,我们进行了报告通路分析,揭示了H37Rv感染的THP-1细胞中多条显著改变的通路(图S7A),其中大部分与我们代谢模型预测的改变子系统一致(图2C)。随后,我们将三种敲低菌株与野生型H37Rv菌株的代谢组谱进行比较。我们观察到这些改变的代谢物在大多数情况下呈现相反的模式(图7A),表明它们在Mtb感染期间对宿主代谢扰动具有重要作用。在96种改变的代谢物中,91种在至少一种敲低菌株中表现出相反的趋势。具体而言,mce3E、fadA2和ptpA敲低菌株分别使56、60和62种代谢物出现反向趋势。此外,我们的分析显示,在mce3E、fadA2和ptpA敲低菌株感染的巨噬细胞中,分别有22、32和20种代谢物观察到超过50%的反向模式(图S7B–S7D)。
图7 Mtb敲低菌株与野生型感染的THP-1细胞代谢组谱比较
(A) 左侧和右侧面板分别展示了圆形热图,显示野生型H37Rv感染的THP-1巨噬细胞与未感染对照相比上调和下调代谢物的倍数变化,以及三种不同敲低(KD)菌株与野生型相比的倍数变化。圆形行代表以下比较:WT:野生型H37Rv vs. 未感染,KD1:mce3E KD vs. 野生型,KD2:fadA2 KD vs. 野生型,KD3:ptpA KD vs. 野生型。每种H37Rv敲低菌株在-ATc(敲低)条件下包含六个生物学重复,野生型条件包含九个生物学重复,未感染对照包含六个生物学重复。代谢数据经过总和标准化、log10转换,并使用Pareto缩放特征进行标准化。倍数变化阈值为1.2,p < 0.05。
(B) mce3E KD、fadA2 KD和ptpA KD菌株与野生型H37Rv感染的巨噬细胞相比,差异表达代谢物富集的通路。通过过度表征检验获得富集通路。结果分别以红色、天蓝色和深蓝色棒棒糖图展示,气泡大小表示富集比例。
(C) 箱线图表示mce3E和fadA2 KD菌株感染的巨噬细胞以及野生型H37Rv感染和未感染巨噬细胞中PGE2的水平。统计分析使用两组间Student非配对t检验,其中?,p < 0.05;ns,无显著差异。
(D) THP-1巨噬细胞用自发荧光H37Rv感染,感染复数(MOI)为每个巨噬细胞10个细菌,并用递增浓度的PGE2(10、25和50 μM)处理,以0.05% DMSO作为载体对照。治疗第4天通过测量发光来量化细胞内细菌存活。每组包含六个生物学重复。数据以独立生物学重复的均值±标准差表示。统计显著性使用普通单因素方差分析(ANOVA)配合Dunnett多重比较检验、配对t检验或非配对t检验确定。?p < 0.05,??p < 0.01,???p < 0.001,????p < 0.0001;ns,不显著。
与野生型H37Rv菌株相比,mce3E KD菌株表现出56种上调和34种下调的代谢物;fadA2 KD菌株表现出71种上调和3种下调的代谢物;ptpA KD菌株表现出11种上调和29种下调的代谢物(图S7E–S7G)。在mce3E KD菌株感染的巨噬细胞中,差异表达代谢物显著富集于长链脂肪酸β-氧化和嘌呤代谢通路(图7B),与这些通路中关键酶ACAA2和AK3蛋白水平的升高一致。同样,在ptpA KD菌株中也观察到长链脂肪酸β-氧化和线粒体短链饱和脂肪酸β-氧化通路的富集,与该过程中关键蛋白ACAA2的上调相关。线粒体柠檬酸载体SLC25A1是巨噬细胞中前列腺素E2(PGE2)产生的关键调控因子,在mce3E KD菌株中与野生型菌株相比上调。此外,促进PGE2进入胞质的前列腺素转运蛋白SLCO2A1在mce3E和fadA2 KD菌株中上调。因此,感染这两种敲低菌株的巨噬细胞表现出比野生型更高的PGE2水平(图7C)。与敲低菌株中观察到的PGE2水平升高一致,外源性PGE2处理显著减少了感染巨噬细胞中野生型H37Rv的细胞内存活(图7D)。
讨论
数十年的研究已确立,Mtb感染引发病原体与宿主代谢环境之间复杂且动态的相互作用。Mtb感染与宿主代谢通路的广泛重塑相关,这被认为有利于细胞内存活。然而,这种多维度的复杂性在实验上全面界定宿主代谢扰动的范围时带来了额外挑战。不断精化新的宿主导向疗法(HDT)策略需要详细了解关键的Mtb分泌蛋白如何相互作用并调控宿主代谢网络。在本研究中,我们分析了感染Mtb的小鼠肺组织中差异表达的基因。宿主基因表达数据被整合到Mouse1中,这是一个全面的基因组尺度小鼠代谢模型,从而实现了对感染驱动的代谢重构的系统级视图。基于约束的代谢建模预测了代谢活动的广泛抑制,糖酵解、三羧酸循环(TCA循环)、氧化磷酸化和脂肪酸代谢的通量显著降低。这些发现与此前报道一致,即Mtb诱导人巨噬细胞进入静止能量表型,其特征为中心碳代谢通量减弱。
我们实施了一种回溯策略,以进一步阐明Mtb如何调控宿主代谢。我们首先鉴定了宿主代谢基因,其失调可合理解释观察到的代谢通量变化。然后我们查阅了宿主-病原体相互作用网络,以揭示这些宿主基因与Mtb分泌蛋白之间的潜在功能联系。通过计算机模拟基因敲低和过表达分析,我们预测了18个宿主代谢基因,其集体扰动解释了感染期间观察到的代谢变化。18个基因中有9个编码溶质载体和转运蛋白(SLC25A1、SLC22A5、SLC25A15、SLCO2A1、MT-CO2、MT-CO3、MMAA、ABCD1和ACOT8),参与脂肪酸、胆汁酸、氨基酸、核苷、前列腺素和TCA循环中间物跨线粒体和质膜的转运。它们在高排名代谢调控因子中的富集反映了膜转运在宿主-病原体代谢串话中的关键作用,这与Mtb对宿主来源营养物质的依赖以促进细胞内存活这一已知事实一致。它们作为核心网络节点的浮现表明,膜转运调控可能是感染期间宿主代谢重塑的重要组成部分。此外,通路富集分析表明这些18个基因参与关键的代谢过程,包括脂肪酸、氨基酸、胆汁酸、核苷和维生素代谢。若干鉴定基因在结核病(TB)发病机制中已有明确作用。LTA4H是一个参与白三烯代谢的基因,已与TB易感性及炎症反应的调控相关联。PKM的上调已知可增强HIF1α介导的Warburg效应,促进向糖酵解的转变,从而支持抗微生物免疫表型。同样,FASN的上调有利于形成富含脂质的环境,从而促进Mtb在宿主内的持续存在。涉及糖酵解重塑和脂质代谢改变的代谢重构也已与TB感染期间巨噬细胞极化动态密切相关。先前的研究表明,Mtb可以调控巨噬细胞极化朝向有利于病原体的M2样代谢状态,其特征为脂质积累增强和免疫代谢信号改变。因此,通过所提出的回溯方法鉴定出PKM和FASN相关的代谢扰动,进一步支持了其在捕获感染相关巨噬细胞代谢适应方面的生物学相关性。在18个鉴定出的宿主代谢调控因子中,有6个在Mtb感染期间上调。其中三个调控因子——PKM、GOT1和LTA4H——已有选择性药物抑制剂可供商业购买,抑制这些宿主靶点显著减少了野生型H37Rv的细胞内存活,提供了功能证据表明所鉴定的宿主代谢调控因子是HDT的有前景候选者。
为将这些18个宿主代谢基因的表达或功能与协同Mtb蛋白联系起来,我们分析了有关Mtb分泌组蛋白与宿主转录因子(TF)相互作用的可用数据。利用文献挖掘和蛋白质-蛋白质相互作用(PPI)网络分析,我们构建了一个最小的有向宿主-病原体相互作用网络,将13个宿主代谢基因产物与9个分泌的Mtb蛋白联系起来。这个系统级网络提供了一个框架,用于生成关于Mtb如何影响宿主代谢通路的机制假设。为评估这些Mtb蛋白的功能相关性,我们为每个候选基因生成了基于CRISPRi的敲低(KD)H37Rv菌株。值得注意的是,mce3E、fadA2和ptpA的敲低菌株在感染的巨噬细胞中表现出显著降低的存活率,而在体外培养条件下没有生长缺陷。这些发现表明,虽然这些基因对细菌自身生长并非必需,但它们是在宿主环境中条件必需基因,与宿主适应的角色一致,可能包括调控宿主代谢过程。这与先前的报道一致,即缺乏ptpA的Mtb菌株在体外和离体条件下表现出相似的生长动力学,支持这些基因主要在宿主适应而非核心细菌生理学中发挥功能的观点。网络分析进一步揭示,Mce3E、FadA2和PtpA分别与六个、四个和六个宿主代谢靶点关联,支持了它们在宿主-病原体代谢串话中的潜在参与。
Mce3E是一种Mtb的哺乳动物细胞进入(Mce)蛋白,通过抑制ERK1/2信号通路来抑制宿主细胞因子表达,从而促进免疫逃逸。FadA2是一种参与脂肪酸代谢的Mtb酶,也调控了宿主MAPK信号通路。Mtb酪氨酸磷酸酶(PtpA)是一种分泌的毒力因子,进入感染的巨噬细胞胞质并干扰关键细胞通路,包括吞噬体成熟、先天免疫信号、细胞凋亡和脂质代谢。有趣的是,靶向蛋白质组学揭示这三种Mtb蛋白调控关键宿主代谢蛋白的表达。分泌蛋白Mce3E改变了ACAA2、AK3、MMAA、PKM、SLC25A1和SLCO2A1的水平。FadA2调控了AK3和SLCO2A1的表达,而PtpA影响了ACAA2和MMAA基因的表达。这些宿主蛋白主要与线粒体功能和脂质代谢相关,而这两者正是Mtb为在宿主体内存活而调控的关键宿主通路。细菌基因的敲低恢复了多种线粒体蛋白的表达,包括SLC25A1、MMAA、ACAA2、AK3和PKM,支持了这些细菌蛋白在调控宿主线粒体过程中的作用。这一结论得到了进一步证据的支持,即PtpA对HADHA进行去磷酸化,而HADHA是线粒体脂肪酸β-氧化通路中ACAA2的上游调控因子,从而削弱线粒体功能。重要的是,mce3E和ptpA敲低菌株细胞内生长缺陷的药理学挽救支持了预测的宿主-病原体相互作用,并表明这些细菌蛋白通过操纵特定的宿主代谢调控因子来促进细胞内存活。这为Mtb在巨噬细胞内持续的宿主-病原体代谢机制提供了功能证据。
我们的研究还表明,Mtb蛋白Mce3E、FadA2和PtpA在感染期间显著塑造宿主巨噬细胞的代谢组。对感染缺乏各蛋白敲低菌株的THP-1巨噬细胞进行非靶向代谢组谱分析,揭示了广泛的代谢改变,表明这些蛋白与宿主代谢通路的广泛改变相关。野生型H37Rv感染的巨噬细胞中观察到的大多数代谢物变化在这些敲低菌株感染的细胞中被逆转,强调了这些细菌蛋白在操纵宿主代谢中的参与。值得注意的是,磷脂、胆汁酸和脂肪酸的变化在H37Rv感染的细胞中尤为突出。它们在敲低菌株中(尤其是ptpA和fadA2)被逆转,提示它们参与重塑宿主脂质,从而有利于细菌在细胞内存活。
通路层面的分析进一步揭示,这些结核分枝杆菌(Mtb)蛋白的敲低部分恢复了与野生型感染中受损通路相关的代谢特征。例如,mce3E和ptpA敲低(KD)菌株显示出脂肪酸β-氧化相关通路的富集,与宿主酶如ACAA2和AK3的上调相对应。这些发现与先前的证据一致,即Mtb影响宿主脂肪酸氧化,并表明干扰这种调节可能损害胞内细菌的适应性。
有趣的是,线粒体柠檬酸载体SLC25A1——前列腺素E2(PGE2)合成所必需的——在用mce3E KD菌株感染的巨噬细胞中表达上调,而介导PGE2胞质转运的SLCO2A1在用mce3E和fadA2 KD菌株感染的巨噬细胞中表达升高。SLC25A1已被报道可促进宿主细胞中活性氧(ROS)、一氧化氮(NO)和前列腺素的生产,这些成分都是宿主针对Mtb先天免疫反应的关键组成部分。此外,Mtb已进化出多种机制来抑制这些宿主防御,包括抑制ROS产生、逃避ROS介导的细胞毒性以及主动抑制NO产生,从而削弱宿主巨噬细胞内的关键抗结核分枝杆菌反应。也有报道称Mtb通过抑制PGE2产生来损害宿主免疫,从而使巨噬细胞命运从凋亡转向坏死,促进细菌逃逸和扩散。增强宿主PGE2水平也被提出作为一种宿主导向疗法(HDT)来限制Mtb复制。在本研究中,我们观察到与野生型相比,用mce3E和fadA2 KD菌株感染的巨噬细胞中PGE2水平升高,表明这些细菌蛋白可能抑制前列腺素介导的免疫反应。我们的发现证实了这一观察,即外源性PGE2处理显著减少了野生型H37Rv在感染巨噬细胞中的胞内存活率。
虽然我们的研究验证了所提出的反向映射框架的若干预测,但仍有许多计算推断的机制有待探索。在18个预测的宿主代谢调节因子中,仅有3个能够进行实验评估,因为只有这些因子有选择性药理学抑制剂可用。其余预测的宿主代谢调节因子代表未来使用药理学或遗传扰动方法进行验证的有前景候选者。同样,我们的挽救实验揭示了此前未被认识的、介导Mtb在巨噬细胞中持续存在的宿主-病原体代谢机制。通过使用选择性激活剂或抑制剂扰动相应Mtb敲低菌株中的其他预测宿主代谢调节因子,可能获得进一步的机制洞察。此外,我们证明了外源性PGE2显著减少了野生型H37Rv的胞内存活率,支持了前列腺素介导的宿主反应的保护作用。此外,我们的发现提示宿主蛋白SLC25A1和SLCO2A1也可能参与这一相互作用,暗示它们在调节宿主内Mtb生长中的作用。值得注意的是,已有报道称SLC25A1表达降低可限制原代人巨噬细胞和U937细胞中促炎介质的产生。因此,SLC25A1代表一个有待进一步研究的潜在宿主导向疗法(HDT)候选者。
本研究的局限性
据我们所知,这是第一项将基因组尺度代谢建模与宿主-病原体相互作用分析相结合,以推断候选宿主代谢调节因子及其与细菌效应因子的潜在联系的研究。虽然我们的发现提供了有价值的见解,但一个关键局限性是缺乏使用表达这些已鉴定宿主基因发生改变的巨噬细胞进行实验验证。另一个局限性源于约束建模固有的假设:该框架假设代谢处于稳态,这可能无法完全捕捉活跃感染期间发生的动态、时间分辨的代谢变化,且通量预测是从转录组数据作为代谢活性的代理推导而来,而非直接来自酶动力学或通量组学测量。此外,虽然此处采用的基因组尺度建模方法优先考虑网络范围的覆盖,但它无法解析特定的代谢瓶颈、通路控制点或这些扰动赋予Mtb的精确选择性优势,对单个失调通路进行更精细的机制分析是未来工作的重要方向。未来验证这些发现并确定关键蛋白作为结核病潜在治疗靶点的研究是一个有前景的进一步研究方向。扩展这种方法以构建一个涵盖所有分泌Mtb蛋白及其对应宿主靶点的综合相互作用网络,可能揭示额外的调节因子并拓宽结核病治疗的宿主靶点范围。虽然肺组织转录组数据集捕捉了感染的全局宿主反应,但可能无法完全反映巨噬细胞特异性代谢程序。由于巨噬细胞是Mtb的主要胞内生态位,THP-1衍生的巨噬细胞被用作实验验证,作为结核病的既定体外模型。这种从体内肺组织鉴定候选基因并在巨噬细胞模型中验证它们的方法,在结核病研究中常用。然而,这一系统不能完全重现原代巨噬细胞的代谢和免疫学复杂性;因此,组织水平和细胞类型特异性反应之间的差异仍然是当前研究的局限性。虽然实验数据在感染后48小时(48 hpi)与4周体内模型在时间上不同,但这一时间点捕捉了Mtb感染巨噬细胞的晚期代谢适应阶段,并广泛用于THP-1巨噬细胞的代谢组学和通量分析。未来在原代巨噬细胞(包括骨髓衍生巨噬细胞)中的验证以及延长时间程实验,将进一步增强所提出框架的生物学相关性和时间范围。
尽管目前存在局限性,本研究获得的见解将有助于推进对结核病发病机制的理解,并为开发有效的结核病宿主导向疗法做出贡献。虽然本研究中采用的各项计算和实验方法此前已有描述,但将它们整合到一个从宿主代谢扰动推断候选Mtb效应因子的反向映射框架中,代表了一种独特的概念策略。这种从宿主到病原体的推断工作流程提供了一种系统的方法来优先筛选与宿主代谢重编程相关的细菌因子,以便进行后续实验验证。我们相信,本文提出的概念框架,整合转录组学、代谢约束建模、蛋白质组学、代谢组学和功能验证,可以广泛应用于其他宿主-病原体系统。
资源可用性
主要联系人
进一步信息和资源的请求应发送给主要联系人,由Samrat Chatterjee博士(samrat.chatterjee@thsti.res.in)履行。
材料可用性
本研究未产生新材料。
数据和代码可用性
• 靶向MRM数据可通过ProteomeXchange获取,标识符为PXD067154,代谢组学数据可通过Metabolomics Workbench获取,研究ID为ST004099 [https://doi.org/10.21228/M8SV6X]。
• 代码位于 https://github.com/samrat-lab/GSMM_tuberculosis。
• 任何需要重新分析本文报告数据所需的额外信息均可向主要联系人索取。
致谢
作者感谢THSTI的生物安全三级(BSL-3)设施提供了所有Mtb相关实验。A.K.P感谢印度医学研究委员会(ICMR)、印度政府的资金支持(拨款号:EM/Dev/SG/212/7864/2023)。J.K的研究由THSTI博士奖学金支持,V.B由印度科学与工业委员会(CSIR)(档案号09/1049(11494)/2021-EMR-I)博士奖学金支持。
作者贡献
J.K.和S.C.构思并设计了研究;J.K.和A.P.进行了计算分析;V.B.进行了生物学实验;A.B.和T.K.M.进行了蛋白质组学;P.M.和Y.K.进行了代谢组学;J.K.整理了结果;J.K.、V.B.、A.K.P.和S.C.解释了结果;J.K.、A.P.、V.B.、A.B.和Y.K.撰写了原稿;T.K.M.、A.K.P.和S.C.审阅了稿件;A.K.P.和S.C.指导了工作;所有作者批准了最终版本。
利益声明
作者声明不存在竞争利益。
STAR★方法
关键资源表
试剂或资源 | 来源 | 标识符
---|---|---
细菌和病毒菌株 | |
E. coli XL1Blue | Amit Kumar Pandey博士实验室 | N/A
野生型Mtb:M. tuberculosis H37Rv | Christopher M. Sassetti慷慨馈赠 | N/A
Rv-WT荧光素酶报告菌:Rv:lux | Amit Kumar Pandey博士实验室 | N/A
Rv-WT携带对照sgRNA(非靶向)CRISPRi对照:Rv:lux::ctrlsgRNKD | Amit Kumar Pandey博士实验室 | N/A
Rv-WT荧光素酶报告菌株,使用CRISPRi敲低mce2E基因:Rv:lux::mce2EKD | 本文 | N/A
Rv-WT荧光素酶报告菌株,使用CRISPRi敲低mce3E基因:Rv:lux::mce3EKD | 本文 | N/A
Rv-WT荧光素酶报告菌株,使用CRISPRi敲低fadA2基因:Rv:lux::fadA2KD | 本文 | N/A
Rv-WT荧光素酶报告菌株,使用CRISPRi敲低pknG基因:Rv:lux::pknGKD | 本文 | N/A
Rv-WT荧光素酶报告菌株,使用CRISPRi敲低echA21基因:Rv:lux::echA21KD | 本文 | N/A
Rv-WT荧光素酶报告菌株,使用CRISPRi敲低Rv1463基因:Rv:lux::Rv1463KD | 本文 | N/A
Rv-WT荧光素酶报告菌株,使用CRISPRi敲低ptpA基因:Rv:lux::ptpAKD | 本文 | N/A
Rv-WT荧光素酶报告菌株,使用CRISPRi敲低gnd2基因:Rv:lux::gnd2KD | 本文 | N/A
Rv-WT荧光素酶报告菌株,使用CRISPRi敲低Rv3224基因:Rv:lux::Rv3224KD | 本文 | N/A
存档数据 | |
原始和分析后的靶向MRM数据 | N/A | ProteomeXchange,标识符PXD067154
原始和分析后的代谢组学数据 | N/A | Metabolomics Workbench,研究ID ST004099
实验模型:细胞系 | |
THP-1(雄性) | ATCC | ATCC? TIB-202;RRID:CVCL_0006
寡核苷酸 | 见表S6,本研究使用的引物列表 | – | –
重组DNA | |
Zeo整合型、荧光素酶表达质粒:pJW276 | Sarah M. Fortune教授慷慨馈赠 | N/A
Kan、attB整合型、靶向sgRNA和dCas9S蛋白表达质粒,用于M. tuberculosis中靶基因的转录敲低:pLJR965 | Sarah M. Fortune教授慷慨馈赠 | N/A
CRISPRi敲低构建体,靶向M. tuberculosis中mce2E(Rv0593):pLJR965:mce2E_sgRNA | 本文 | N/A
CRISPRi敲低构建体,靶向M. tuberculosis中mce3E(Rv1970):pLJR965:mce3E_sgRNA | 本文 | N/A
CRISPRi敲低构建体,靶向M. tuberculosis中fadA2(Rv0243):pLJR965:fadA2_sgRNA | 本文 | N/A
CRISPRi敲低构建体,靶向M. tuberculosis中pknG(Rv0410c):pLJR965:pknG_sgRNA | 本文 | N/A
CRISPRi敲低构建体,靶向M. tuberculosis中echA21(Rv3774):pLJR965:echA21_sgRNA | 本文 | N/A
CRISPRi敲低构建体,靶向M. tuberculosis中Rv1463:pLJR965:Rv1463_sgRNA | 本文 | N/A
CRISPRi敲低构建体,靶向M. tuberculosis中ptpA(Rv2234):pLJR965:ptpA_sgRNA | 本文 | N/A
CRISPRi敲低构建体,靶向M. tuberculosis中gnd2(Rv1122):pLJR965:gnd2_sgRNA | 本文 | N/A
CRISPRi敲低构建体,靶向M. tuberculosis中Rv3224:pLJR965:Rv3224_sgRNA | 本文 | N/A
实验模型和参与者详情
Mtb菌株和CRISPRi敲低菌株
本研究中使用的野生型结核分枝杆菌H37Rv菌株由Christopher M. Sassetti慷慨馈赠。本研究中使用了CRISPRi介导的敲低菌株,靶向mce2E、mce3E、fadA2、pknG、echA21、Rv1463、ptpA、gnd2和Rv3224。相应的荧光素酶表达菌株和CRISPRi构建体列于关键资源表中。敲低表达通过使用无水四环素(ATc)诱导。
THP-1巨噬细胞模型
THP-1人单核细胞(ATCC TIB-202;RRID:CVCL_0006)被用作巨噬细胞模型,用于胞内Mtb存活、生长挽救、靶向蛋白质组学和代谢组学实验。THP-1细胞使用12-十四酰佛波醇-13-乙酸酯(PMA)分化为巨噬细胞样细胞,如方法细节部分所述。所有感染和宿主反应实验均使用THP-1衍生的巨噬细胞进行。
研究参与者
本研究未使用人类参与者或人类来源的临床样本。
方法细节
RNA-seq数据信息和预处理
在本研究中,我们使用了H37Rv感染小鼠肺组织的基因表达数据(RNA-Seq)。该数据集包括三只H37Rv感染小鼠的三个生物学重复和两只未感染小鼠的两个生物学重复。提供的基因表达数据已进行分位数标准化。
RNA-seq数据差异表达分析
我们进行了两样本t检验来比较这两组之间的转录组学特征。p值使用MATLAB中的'ttest2'函数计算。差异表达基因定义为变化倍数≥1.2且p值<0.05的基因。
条件特异性代谢模型的重建
条件特异性代谢模型使用Mouse1构建,这是一个小鼠代谢的通用基因组尺度代谢模型。Mouse1包含13063个反应、2959个独特代谢基因和8370个独特代谢物,涵盖九个细胞区室(细胞外、过氧化物酶体、线粒体、胞质、溶酶体、内质网、高尔基体、细胞核和线粒体内膜)。
转录组数据被组织为组织特异性表达结构,包含基因标识符和相应表达水平。在模型提取过程中,使用0.5的转录表达阈值来区分低表达基因和代谢活跃基因。反应关联的表达值随后使用E-flux框架下的'mapExpressionToReactions'函数进行估算,其中基因表达值通过逻辑GPR关系映射到代谢反应上。为获得条件特异性代谢模型,应用了组织任务驱动整合网络推断(tINIT)。我们使用MATLAB的代谢网络重建、分析和可视化工具箱(RAVEN)2.7.9中的'getINITModel2'函数运行tINIT算法,并将表达阈值设置为0.5。该算法以57个必需代谢任务作为'taskStructure'参数,平均基因表达值作为'arrayData'参数的数据输入。参数'removeGenes = true'用于移除低表达或未表达的基因,而'useScoresForTasks = true'启用转录组证据来指导任务优化期间的反应保留。优化运行时间使用'params.TimeLimit = 5000'控制,其余参数设为默认值。随后,通过对这些tINIT模型应用E-flux算法来固定每个反应的边界。最终,这一过程产生了H37Rv感染和未感染小鼠肺组织的代谢模型。
基于通量的分析
一般来说,代谢模型是不确定系统,由于反应数多于代谢物,未知量多于方程数,导致存在无穷多个可能的解。
为解决这一问题,我们对生成的模型进行了通量变异性分析(FVA),以确定在所施加的约束条件下每个反应的最大和最小可行通量范围,从而估计与预测通量值相关的Uncertainty。为获取改变的反应,我们按照文中所述的方法,比较了由FVA获得的每个反应的通量范围C = [minC, maxC]和D = [minD, maxD],其中C和D分别代表未感染和H37Rv感染小鼠肺组织组的通量区间。通量范围按照以下公式进行比较:
**情形I:C和D属于正坐标**
- D > C,若(minC < minD 且 maxC ≤ maxD)或(minC ≤ minD 且 maxC < maxD)
- D < C,若(minD < minC 且 maxD ≤ maxC)或(minD ≤ minC 且 maxD < maxC)
**情形II:C和D属于负坐标**
- D < C,若(minC < minD 且 maxC ≤ maxD)或(minC ≤ minD 且 maxC < maxD)
- D > C,若(minD < minC 且 maxD ≤ maxC)或(minD ≤ minC 且 maxD < maxC)
我们还利用对应通量范围的均值计算了每个反应的倍数变化。倍数变化大于1.2且通量范围变化符合上述公式定义的反应,被视为显著改变的代谢反应。
### 计算机模拟代谢网络扰动
为预测代谢网络扰动的影响,我们使用了基于约束的代谢重建与分析(COBRA)工具箱3.0中可用的稳健代谢转化算法(rMTA)。rMTA是一种基于网络的扰动方法,旨在识别其扰动能够将代谢系统从一种生理状态驱动至另一种状态的基因。该算法识别出的扰动能够驱动改变反应通量朝期望方向变化,同时将未改变反应通量尽可能接近其原始值。对于目标基因g,通过基因-蛋白-反应(GPR)关联在反应水平实施扰动。该分析需要四个输入:(i)源状态(此处为未感染小鼠肺组织)的通量分布(vref);(ii)需要将通量值向逆向(RB)和正向(RF)改变的反应集合,以将源状态转化为目标状态(此处为H37Rv感染小鼠肺组织);(iii)源状态的重建条件特异性代谢模型;(iv)期望的网络扰动。我们使用了均匀通量采样技术,即COBRA工具箱3.0中的gpSampler函数(使用MATLAB中的Gurobi?求解器v9.5.2),获得了源状态中每个反应的15738个(2 × 反应数)不同通量解。接下来,我们取每个反应通量解的均值作为第一个输入。然后,我们将源状态中的反应按照以下方式分为正向(RF)、逆向(RB)和不变类(RS):若vref_i > 0且该反应上调,或vref_i < 0且该反应下调,则反应r_i属于RF。类似地,若vref_i > 0且该反应下调,或vref_i < 0且该反应上调,则反应r_i属于RB。其余反应为不变反应(RS)。该列表用作第二个输入。第三个输入使用未感染小鼠肺组织的代谢模型作为源状态。我们将每个代谢基因的单基因敲低或过表达作为第四个输入。该分析提供了稳健转化评分(rTS),反映网络扰动在多大程度上将代谢通量状态从源状态转化为目标状态。算法的完整细节可参见Valcárcel, Luis V.等人的文献。
### 计算机模拟基因敲低
我们系统地进行了从25%到100%(步长为25)的基因敲低(KD)模拟。该模拟通过降低与目标基因相关的所有反应的通量上下限值范围来实现。设R(g)表示通过GPR关联获得的与基因g相关的反应集合。对于KD模拟,每个反应r ∈ R(g)的允许通量范围相对于其原始边界减少了指定百分比。具体而言,若LBr和UBr表示反应r的原始下界和上界,则对于敲低水平α(α = 0.25, 0.50, 0.75或1.00),修正后的边界为:
- LB_KD_r = (1 ? α) × LBr
- UB_KD_r = (1 ? α) × UBr
随后,将上述程序应用于计算每种敲低情况的rTS。在所有KD条件下rTS > 0的基因被选择用于进一步分析。
### 计算机模拟基因过表达
我们系统地进行了从25%到100%(步长为25)的单基因过表达(OE)模拟。基因过表达通过增加与目标基因相关的所有反应的通量上下限值范围来模拟。与KD分析类似,对于OE模拟,允许通量范围按照以下方式扩展:
- LB_OE_r = (1 + α) × LBr
- UB_OE_r = (1 + α) × UBr
使用rMTA预测过表达对将代谢状态从源状态(未感染小鼠肺组织)转化为目标状态(H37Rv感染小鼠肺组织)的影响,并如前述获得rTS。在所有OE条件下rTS > 0的基因被选择用于进一步分析。
### 捕获代谢网络扰动后的通量状态
我们的目标是捕获通过计算机模拟基因敲低和过表达分析鉴定的这些选定基因对源代谢通量状态的影响。为此,我们通过在代谢网络中模拟扰动来实现——即将选定基因敲低50%(即下调2倍)或过表达100%(即上调2倍)。对于每种情况,均使用rMTA预测扰动后的代谢状态,并将最佳情景的通量谱作为扰动后的通量状态。接下来,我们将扰动后的通量状态与源状态进行比较,以识别通量从源状态(即未感染小鼠肺组织)向目标状态偏移的反应。
### 从147个选定扰动基因集中选择最小子集
我们旨在从147个扰动基因(G)集合中识别出一个较小的基因子集(G1),其扰动(通过基因敲低或过表达)能够共同解释H37Rv感染小鼠模型中几乎全部观察到的代谢改变。为实现这一目标,我们分析了由rMTA分析得出的147个基因扰动通量状态以及野生型(WT)H37Rv感染小鼠模型的扰动代谢反应。
### 计算反应覆盖率百分比
我们使用以下公式评估每个基因扰动对WT H37Rv感染小鼠模型中观察到的总改变反应的覆盖率百分比:
$$c_k = \frac{n(A_k \cap A_{WT})}{n(A_{WT})} \times 100$$
其中:
- k = 1, …, 147:基因扰动索引
- Ak:第k个基因扰动模型中改变的反应集合
- AWT:WT模型中改变的反应集合
- n(·):基数(集合中的元素数目)
### 计算每个代谢子系统中改变反应的百分比
对于每个代谢子系统(i),我们使用以下公式计算第k个基因扰动模型中改变反应的百分比(pi,k):
$$p_{i,k} = \frac{a_{i,k}}{t_i} \times 100$$
其中:
- k = 1, …, 147:基因扰动索引
- ai,k:第k个基因扰动模型中子系统i中的改变反应数
- ti:子系统i中的总反应数
类似地,WT H37Rv感染小鼠模型中改变反应的百分比使用以下公式计算:
$$p_{i,WT} = \frac{a_{i,WT}}{t_i} \times 100$$
其中ai,WT为WT模型中观察到的改变反应数,ti为子系统i中的总反应数。
### 计算每个代谢子系统中改变反应的百分比
此处,子系统计数比Rk(x)表示在给定的x%改变阈值下,与野生型(WT)模型相比,第k个基因扰动模型中有多少个代谢子系统受到扰动。为计算Rk(x),我们首先量化了在每种基因扰动条件和WT H37Rv感染小鼠模型中,改变反应百分比超过给定阈值x%(x = 50, 60, …, 100)的代谢子系统数目,使用指示函数完成。然后,我们将第k个基因扰动模型中的改变子系统数与WT模型进行比较,计算子系统计数比(Rk(x)),使用以下公式:
$$R_k(x) = \frac{\sum_{i=1}^{n} \mathbb{I}(p_{i,k} \geq x)}{\sum_{i=1}^{n} \mathbb{I}(p_{i,WT} \geq x)}$$
其中:
- k = 1, …, 147:基因扰动索引
- x:阈值百分比,x ∈ {50, 60, …, 100}
- 指示函数:??(条件) = 1(若条件成立)或0(否则)
- pi,k:第k个基因扰动模型中第i个子系统的改变反应百分比
- pi,WT:WT模型中第i个子系统的改变反应百分比
- n:代谢子系统数目
### 基因排名与最终集合确定
对于每个改变阈值(x),基因扰动按降序排名,主要依据子系统计数比(Rk(x)),其次依据反应覆盖率(ck)。
$$\mathcal{L}(x) = \text{argsort}_k(R_k(x), c_k)$$
其中:
- k = 1, …, 147:基因扰动索引
- ?(x):阈值x下基因扰动的排名列表
- argsort_k(·):降序排序函数,首先按Rk(x)排序,然后按ck排序
从该排名中,我们通过选择所有百分比改变阈值(x)下排名前25名的基因的交集,确定了一个基因子集(G1),使用以下公式:
$$G_1 = \bigcap_{x \in \{50,60,…,100\}} G_x$$
其中:
- Gx:在每个阈值x下从?(x)中选出的前25个基因
- G1:在所有阈值下始终出现在前25名中的基因
在阈值x = 100%时,147个候选基因中仅有25个表现出非零Rk(100)值,定义了网络拓扑所施加的自然边界。在这些25个基因中,那些在所有阈值(x = 50%–100%)下始终排在前25名的基因被保留为最终基因集。这一跨阈值交集产生了18个基因,这些基因在通路失调的中等和严格定义下,对多个代谢子系统施加了稳健的广泛影响,并被选用于下游分析。
### 层次聚类
对代表147个基因扰动在125个子系统中改变反应覆盖率百分比的矩阵的行列应用层次聚类,以获得重排序矩阵。此操作使用R中ComplexHeatmap包的"Heatmap"函数完成。
### 用于验证的转录组数据集及预处理
与小鼠肺组织中Mtb H37Rv感染相关的转录组数据集从基因表达综合数据库(GEO)仓库获取,用于表达验证。使用关键词"mouse lung tissue"和"H37Rv infection"查询GEO,选出两个独立数据集:GSE137093和GSE23014。GSE137093由H37Rv感染小鼠肺组织产生的RNA测序数据组成。本研究直接使用GEO中存储的已处理表达值。根据原始出版物,原始测序读数经Trimmomatic v0.36进行接头修剪和过滤,用HISAT2 v2.0.4比对至Mus musculus参考基因组(Ensembl GRCm38 release 86),并用HTSeq v0.6.1在基因水平进行定量。原始计数数据随后使用DESeq2 v1.12.4进行归一化,并应用方差稳定化转换(VST)生成归一化的log2表达值。使用GEO中存储的VST归一化表达矩阵。GSE23014由H37Rv感染小鼠肺组织获得的全基因组芯片表达谱组成。直接使用GEO中存储的已处理log2 GC-RMA归一化表达值。根据原始研究,GC-RMA归一化用于校正背景噪声和探针特异性效应,并生成归一化的基因表达估计值。两个数据集的表达矩阵均进行log2转换,差异表达量化为两组间平均log2表达值之差。使用MATLAB中的'ttest2'函数进行两样本t检验,计算组间转录组谱比较的p值。
### 宿主与Mtb蛋白间互作的鉴定
我们旨在构建宿主-病原体互作网络,以鉴定Mtb的分泌蛋白或细胞外囊泡(EV)蛋白,这些蛋白可能调节关键宿主代谢基因的表达或功能,从而潜在地驱动有利于病原体的代谢扰动。为此,我们使用Enrichr对选定的宿主代谢基因进行转录因子(TF)富集分析,查询了三个数据库:ENCODE和ChEA、TRANSFAC和JASPAR PWMs,以及TRRUST。
随后,我们通过系统的人工文献整理构建了宿主-病原体互作数据集。最初,将优先的宿主代谢蛋白和富集到的转录因子分别查询PubMed、Google Scholar以及已发表的宿主-病原体互作数据库(如HPIDB 3.0、BioGRID),以识别与Mtb蛋白的已报道互作。通过文献挖掘识别的互作经过人工审查,仅在已有已发表研究支持时予以保留。相应的Mtb蛋白还额外评估了分泌或EV关联的证据。对于没有直接互作报道的转录因子,我们从SIGNOR v3.0数据库中获取其直接上游调节因子。然后,我们尝试通过相同的文献挖掘过程将这些上游调节因子与Mtb蛋白联系起来,从而推断潜在的间接互作。由此产生的互作网络代表了一个人工整理的框架,整合了已报道的宿主-病原体关联和Mtb分泌蛋白或EV关联蛋白(见表格1)。
### 菌株与生长条件
野生型结核分枝杆菌(Mtb)H37Rv株作为本研究所有实验的亲本株。通过将野生型菌株转化编码荧光素酶(luciferase)的整合质粒(pJW276),生成了生物发光Mtb菌株。
将细菌在含有0.2%甘油、0.05%吐温80和10%油酸-白蛋白-葡萄糖-氯化钠(OADS)补充液的Middlebrook 7H9液体培养基中进行培养。根据需要使用选择性抗生素卡那霉素(30 μg/mL)和潮霉素B(25 μg/mL)。除另有说明外,无水四环素(ATc)的最终浓度为100 ng/mL。将培养物在37°C、150 rpm振荡条件下孵育。长期保存时,Mtb菌株以25%甘油溶液在?80°C甘油库中保存。
**Mtb CRISPR干扰敲低菌株的构建**
为实现使用CRISPR干扰(CRISPRi)对Mtb基因进行转录水平敲低,将质粒pLJR965(Addgene质粒#115163)用BsmBI(New England Biolabs)酶切并经凝胶纯化。通过将互补寡核苷酸退火生成靶标特异性单导向RNA(sgRNA)序列,并将其克隆至酶切后的质粒中。通过PCR确认敲低构建体,随后将其转化入生物发光的Mtb H37Rv菌株中。
对于基因敲低实验,将培养物培养至对数中期,在新鲜7H9培养基中稀释至光密度(OD600)为0.0125,然后使用或不使用ATc(终浓度100 ng/mL,Cayman Chemical)处理以维持靶基因的敲低。通过使用多模式微孔板读数仪(SpectraMax Pro ID3, Molecular Devices)测量培养物的发光来监测生长情况。通过定量实时荧光PCR(qRT-PCR)定量靶基因表达水平,进一步评估敲低效率。
**RNA提取与qRT-PCR**
使用TRIzol试剂(TaKaRa)从不同的Mtb敲低菌株中提取总RNA(不论是否使用ATc处理,浓度100 ng/mL),按照制造商说明操作。简言之,用PBS洗涤细菌细胞,并在TRIzol中重悬。通过加入0.22 μm氧化锆珠进行五个周期的珠磨裂解细胞,每次珠磨后冷却1分钟。使用氯仿-异丙醇法提取RNA,并通过乙醇沉淀进一步纯化。使用Turbo DNase I(Ambion)处理所得总RNA以去除基因组DNA污染。取3 μg DNase处理的RNA,使用SuperScript IV逆转录酶(Invitrogen)合成互补DNA(cDNA)。随后,取1 μg cDNA使用SYBR Green试剂(TaKaRa)进行定量实时荧光PCR(qRT-PCR)。使用管家基因sigA作为内参,并根据指定的对照条件使用ΔΔCt方法计算基因的相对表达水平。
**巨噬细胞感染**
在添加10%胎牛血清(FBS;Invitrogen)的RPMI培养基(Capricorn Scientific)中培养THP-1单核细胞。将细胞以每孔5 × 10?个细胞的密度接种于96孔白色板(SPL)中,并通过用50 ng/mL十二肉豆蔻酰佛波醇乙酸酯(PMA;Sigma)处理36小时,然后静置24小时,分化为类巨噬细胞。
使用软离心法制备Mtb菌株的单细胞悬液,以2的感染复数(MOI)感染PMA分化的THP-1细胞。感染4小时后,用预热PBS(Capricorn Scientific)洗涤三次以去除细胞外细菌。将感染细胞在37°C、5% CO?孵箱中培养。向相应孔中加入含300 ng/mL ATc的完全RPMI培养基以诱导敲低表型。在指定时间点,测量发光以评估敲低菌株相对于野生型菌株的生长或存活情况。
对于胞内存活实验,以MOI 10感染THP-1巨噬细胞。感染后第1天,以不同浓度(10、25和50 μM)加入抑制剂和PGE?。以吉非替尼(25 μM)作为阳性对照,0.05% DMSO作为溶剂对照。监测胞内Mtb发光情况直至感染后第4天。每个实验组包含6个独立的生物学重复。数据以独立生物学重复的均值±标准差表示。使用普通单因素方差分析(ANOVA)后接Dunnett多重比较检验进行多组比较,适当情况下使用配对或非配对t检验确定统计学显著性。对于生长挽救实验,以MOI 2感染THP-1巨噬细胞。感染后第2天,以终浓度25 μM加入抑制剂。实验过程中,使用无水四环素(ATc;300 ng/mL)诱导基因敲低,以0.05% DMSO作为溶剂对照。监测胞内Mtb发光情况直至抑制剂处理后第5天。每个实验组包含5个独立的生物学重复。数据以独立生物学重复的均值±标准差表示。使用普通单因素方差分析后接Dunnett多重比较检验进行多组比较,适当情况下使用配对或非配对t检验确定统计学显著性。
**靶向蛋白质组学分析**
**样品制备**
制备总蛋白时,将THP-1细胞以每孔2 × 10?个细胞的密度接种于6孔板中,用50 ng/mL PMA处理36小时以使其成熟。分化后,以MOI 5感染Mtb菌株,去除细胞外细菌后加入完全RPMI培养基,并补充300 ng/mL ATc以实现敲低。未感染细胞作为对照平行培养。感染48小时后,用预热PBS洗涤细胞,加入1 mL冰冷RIPA裂解液(Invitrogen)及不含EDTA的完全蛋白酶抑制剂(Roche)。将裂解液收集至预冷的微量离心管(MCT)中,涡旋15分钟以裂解细菌和宿主细胞,然后在4°C下以12000 rpm离心10分钟。将上清液转移至新的预冷MCT中,加入冰醋酸乙酯以沉淀蛋白。通过离心收集沉淀蛋白并用8M尿素重新溶解。随后使用 bicinchoninic acid(BCA)蛋白测定试剂盒(Thermo Scientific, Cat # 23225)定量乙酸沉淀步骤中回收的总蛋白。从每个样品中取100 μg蛋白进行进一步处理:在56°C用10 mM二硫苏糖醇(DTT)还原45分钟,然后在室温下用20 mM碘乙酰胺在避光条件下烷基化1小时。将还原和烷基化的蛋白以1:20的比例用Pierce胰蛋白酶(Thermo Scientific, Cat # 90057)过夜消化。
**靶向肽段的测定**
消化样品在4°C自动进样器中保存至分析。采用10 μL进样量(通常柱上总蛋白消化物为20 μg)。自动进样器将样品加载至Sciex ExionLC Ultra高效液相色谱系统,该系统配备WATERS ACCUITY UPLC CSH C18柱(2.1 × 150 mm,1.8 μm),柱温50°C,流速0.2 mL/min。洗脱在70分钟梯度中进行:3分钟时0%–2% B,57分钟时升至45% B,61分钟时升至95% B,随后用95% B洗涤4分钟,然后在66分钟时恢复至2% B并平衡4分钟(流动相A:H?O,0.1%甲酸水溶液;流动相B:ACN,0.1%甲酸水溶液)。在Sciex QTOF 6500+三重四极杆质谱仪(AbSciex)上进行MRM-MS分析。质谱在正离子模式下采集(ESI毛细管离子喷雾电压5500 V;源气温度550°C;GS1-55,GS2-55,帘气-32)。定时MRM方法采用1 s循环时间和150 s检测窗口(去簇电位-100 V,入口电位-10 V,碰撞池出口电位-15 V)。所监测的MRM-MS跃迁(每个肽段至少5个跃迁,每个蛋白1个肽段)及其优化的碰撞能量见表S7。
**数据处理**
使用Sciex OS平台(版本3.1.6.44,Sciex,美国马萨诸塞州)中的Analytics模块分析收集的定时MRM原始.wiff文件。首先根据峰与预期保留时间的对齐进行提取,然后使用噪声过滤算法和中等平滑进行预处理,以减少噪声并提高信号清晰度。使用以下特定质量标准筛选峰值以确保选择可靠且定义明确的信号:1)最小强度阈值为100 cps(每秒计数),2)信噪比(S/N)≥2,3)干扰分辨率为50%。此外,对所选峰进行人工审核以确保所选产物离子的曲线下面积(AUC)提取准确检测和积分分析数据,用于下游分析。靶向MRM数据可通过ProteomeXchange获取,标识符为PXD067154。
**靶向蛋白质组学数据的差异表达分析**
蛋白质丰度(通过靶向蛋白质组学测定的AUC)以相应肽段丰度表示(表S8)。三个H37Rv敲低菌株中的每个菌株在?ATc(野生型)条件下有3个生物学重复,在+ATc(敲低)条件下有4个生物学重复,以及3个未感染样品的生物学重复。数据经总和归一化、log10变换和Pareto标度处理。为比较各组间的肽段峰强度,我们使用MATLAB中'ttest2'函数进行Student非配对t检验。
**代谢组学分析**
**样品制备**
将THP-1细胞(2 × 10?)接种于6孔板中,用50 ng/mL PMA处理36小时诱导分化。PMA处理后更换为新鲜RPMI培养基,细胞继续成熟24小时。以MOI 5进行Mtb感染,未感染细胞平行培养作为对照。感染4小时后,用预热PBS洗涤三次以去除细胞外细菌。向孔中加入含300 ng/mL ATc的完全RPMI培养基以诱导敲低。感染细胞孵育48小时后再次用预热PBS洗涤。为淬灭代谢并提取代谢物,向细胞中加入1 mL冰甲醇(HPLC级;Sigma)。在冰上用刮刀收集细胞,将提取物转移至4°C预冷的微量离心管(MCT)中。将提取物涡旋15分钟,然后在4°C下以12000 rpm离心10分钟。离心后将上清液转移至新的预冷MCT(4°C),真空干燥后在?80°C保存至进一步分析。复溶样品(50%水:甲醇,1v:1v)通过液相色谱-质谱(LC-MS)进一步分析。为监测仪器性能,通过混合所有单独样品的等体积制备质控(QC)样品。
**代谢物的测定**
所有LC/MS采集的数据均使用Progenesis QI for metabolomics(Water Corporation)软件的默认设置进行处理。使用Progenesis QI中的非靶向默认设置工作流进行保留时间对齐、特征检测、去卷积和元素组成预测。使用Progenesis QI中的Metascope插件,结合精确质量、碎片化模式和保留时间进行自建数据库搜索。同时使用在线光谱库鉴定代谢物,并通过在线光谱库确认鉴定结果。保留时间匹配的截止值为0.15 min,Progenesis QI中的光谱相似度碎片匹配>30%。变异系数(CV)小于30%的QC样品中的峰保留用于进一步数据分析。此外,对每个检测到的特征进行人工验证以选择正确的峰。
**数据处理**
所有LC/MS采集的数据均使用Progenesis QI for metabolomics(Water Corporation)软件的默认设置进行处理。使用Progenesis QI中的非靶向工作流进行保留时间对齐、特征检测、去卷积和元素组成预测。使用Progenesis QI中的Metascope插件结合精确质量、碎片化模式和保留时间进行自建数据库搜索。通过在线光谱库确认鉴定结果。保留时间匹配的截止值为0.5 min,Progenesis QI中的光谱相似度碎片匹配>30%。变异系数(CV)小于30%的QC样品中的峰保留用于进一步数据分析。此外,对每个检测到的特征进行人工验证以选择正确的峰。
**代谢组学数据的差异表达分析**
三个H37Rv敲低菌株中的每个菌株在?ATc(野生型)条件下有6个生物学重复。将所有野生型重复样品针对每个代谢物进行合并,并使用MATLAB函数'isoutlier'的四分位数法识别异常值。选择异常值数量少于10个代谢物的野生型样品进行进一步分析。在此最终矩阵中,将剩余的异常值替换为对应代谢物的平均值,最终获得野生型条件下的9个生物学重复。
三个 H37Rv 敲低菌株中的每一个在 +ATc (敲低) 条件下均包含六个生物重复,以及六个未感染样本的生物重复。数据经过总和归一化、log10 转换,并使用 Pareto 缩放功能进行缩放。基于倍数变化阈值为 1.2 和 p 值 <0.05 的标准筛选了改变的代谢物。我们使用 MATLAB 中的 'ttest2' 函数执行 Student 非配对 t 检验,以比较两组间代谢物的峰强度。
报告基因通路分析
为了确定显著改变的通路,我们进行了报告基因通路分析。通过 t 检验获得的每个代谢物的 p 值 (pmetabolite) 使用逆正态累积分布函数 (CDF) 转换为 Z 分数 (Zmetabolite)。然后,通过汇总每个通路中涉及的代谢物的 Z 分数来计算通路 Z 分数 (Zpathway),遵循指定的关系式 Zpathway=1/√r∑Zmetabolite,其中 r=代谢物数量。随后,使用 CDF 将通路 Z 分数转换回 p 值。p 值低于 0.05 的通路被确定为显著的报告基因通路。
定量和统计分析
除非另有说明,所有统计分析均使用 MATLAB 执行。数据以独立生物重复的平均值 ± 标准差呈现。对于转录组学分析,使用 MATLAB 'ttest2' 函数实现的两样本 t 检验评估三个 H37Rv 感染生物重复和两个未感染小鼠肺样本生物重复之间的差异。差异表达基因的定义标准为倍数变化阈值为 1.2 且 p 值 <0.05。
对于结核分枝杆菌 (Mtb) CRISPRi 敲低菌株的体外生长动力学,每个实验组包含三个生物重复。数据以独立生物重复的平均值 ± 标准差呈现。数据使用带有 ?ídák 多重比较检验的双因素方差分析进行分析。统计学显著性定义为 ?p = 0.0102, ??p = 0.0043, ???p = 0.0005, ????p < 0.0001,以及 ns (无显著性), P>0.9999。
对于离体胞内生长动力学,用 Mtb 敲低菌株感染 THP-1 单核细胞来源的巨噬细胞,并通过发光法量化细菌相对生长。每个实验组包含五个生物重复。数据以平均值 ± 标准误呈现,个体生物重复以点显示。使用带有 Holm-?ídák 多重比较检验的普通单因素方差分析,针对 ?ATc 组评估统计学显著性。?, p < 0.01; ????, p < 0.0001; ns, 无显著性。
对于涉及药物干扰的胞内存活率测定,每个实验组包含六个生物重复。数据以独立生物重复的平均值 ± 标准差呈现。使用带有 Dunnett 多重比较检验的普通单因素方差分析、比率配对 t 检验或非配对 t 检验确定统计学显著性。?p < 0.05, ??p < 0.01, ???p < 0.001, ????p < 0.0001; ns, 无显著性。
对于生长救援实验,每个实验组包含五个生物重复。数据以独立生物重复的平均值 ± 标准差呈现。使用带有 Dunnett 多重比较检验的普通单因素方差分析、比率配对 t 检验或非配对 t 检验确定统计学显著性。?p < 0.05, ??p < 0.01, ???p < 0.001, ????p < 0.0001; ns, 无显著性。
对于靶向蛋白质组学和代谢组学分析,使用 MATLAB 'ttest2' 函数实现的 Student 非配对 t 检验评估实验组间肽段或代谢物丰度的差异。代谢物被视为改变的标准是倍数变化阈值为 1.2 且 p 值 <0.05。报告基因通路的显著性是通过通路 Z 分数和相应的 p 值 <0.05 确定的。靶向蛋白质组学和代谢组学的数据处理程序在相应的具体方法细节小节中描述。在靶向蛋白质组学分析中,每个 H37Rv 敲低菌株在野生型条件下包含三个生物重复,在敲低条件下包含四个,以及三个未感染对照。对于代谢组学,每个敲低菌株在敲低条件下包含六个生物重复,以及六个未感染样本和指定的野生型重复。
补充信息 (9)
全部下载
PDF (6.54 MB)
文档 S1. 图 S1–S7
电子表格 (2.24 MB)
表 S1. 与未感染组相比 Mtb 感染小鼠肺组织中的上调和下调基因
电子表格 (799.71 KB)
表 S2. 与未感染模型相比 Mtb 感染小鼠肺组织模型中的上调和下调反应
电子表格 (66.11 KB)
表 S3. 具有正稳健转换分数的差异表达基因
电子表格 (13.32 KB)
表 S4. 基因集 G、G1 和 G ? G1 所覆盖的 125 个代谢子系统中每个子系统改变的代谢反应的百分比覆盖率
电子表格 (13.72 KB)
表 S5. 调节 18 个选定宿主代谢基因表达的转录因子
PDF (143.80 KB)
表 S6. 研究中使用的引物列表
电子表格 (10.49 KB)
表 S7. 监测的 MRM-MS 跃迁及其优化碰撞能量
电子表格 (11.94 KB)
表 S8. 从相应的靶向肽段丰度推导出的蛋白质丰度