banner
Lar / Notícias / célula de programação
Notícias

célula de programação

Nov 12, 2023Nov 12, 2023

Nature Chemical Biology volume 18, páginas 385–393 (2022) Citar este artigo

19k Acessos

23 Citações

500 Altmétrico

Detalhes das métricas

Os biossensores livres de células são plataformas poderosas para monitorar a saúde humana e ambiental. Aqui, expandimos suas capacidades fazendo a interface com circuitos de deslocamento de cadeia mediados por toehold, uma nanotecnologia dinâmica de DNA que permite a computação molecular por meio de interações programáveis ​​entre cadeias de ácido nucleico. Desenvolvemos regras de design para a interface de uma pequena plataforma de detecção de moléculas chamada ROSALIND com deslocamento de fita mediado por toehold para construir circuitos híbridos de RNA-DNA que permitem o ajuste fino da cinética de reação. Usamos essas regras de projeto para construir 12 circuitos diferentes que implementam uma variedade de funções lógicas (NOT, OR, AND, IMPLY, NOR, NIMPLY, NAND). Por fim, demonstramos um circuito que atua como um conversor analógico-digital para criar uma série de saídas binárias que codificam a faixa de concentração da molécula que está sendo detectada. Acreditamos que este trabalho estabelece um caminho para criar diagnósticos 'inteligentes' que usam cálculos moleculares para aumentar a velocidade e a utilidade dos biossensores.

O biossensor livre de células está emergindo como uma plataforma de tecnologia de diagnóstico de baixo custo, fácil de usar e implantável em campo que pode detectar uma variedade de compostos químicos relacionados à saúde humana e ambiental1,2. Em seu núcleo, esses sistemas consistem em duas camadas: uma camada de biossensor baseada em RNA ou proteína e uma camada de saída de construção de repórter. Ao conectar geneticamente essas camadas, um sinal é gerado quando o composto alvo se liga ao biossensor e ativa a expressão do repórter (Fig. 1). As reações são montadas incorporando essas camadas em sistemas livres de células e liofilizando-as para fácil armazenamento, transporte e reidratação com uma amostra de interesse no ponto de necessidade1,3. Usando essa abordagem, biossensores livres de células detectaram com sucesso compostos relacionados à saúde humana, como zinco4 e moléculas de detecção de quorum de bactérias patogênicas5, drogas como gama-hidroxibutirato6 e contaminantes da água como flúor1, atrazina2, antibióticos e metais pesados7.

(Superior) Um biossensor livre de células normalmente é ativado quando um composto alvo (entrada) se liga a um fator de transcrição de proteína (camada sensora) que é configurado para ativar a expressão de uma construção repórter (camada de saída). Isso resulta na produção de um sinal detectável, como a fluorescência. (Inferior) Adicionar uma camada de processamento de informações a jusante antes da geração do sinal pode melhorar o desempenho e expandir a função de biossensores livres de células adicionando recursos computacionais, como processamento lógico e comparação de sinal. Aqui, isso é implementado conectando a camada de saída de biossensor para produzir um RNA de fita simples capaz de ativar circuitos de deslocamento de fita mediados por toehold que geram sinal.

No entanto, os biossensores livres de células existentes geralmente carecem de uma camada de processamento de informações que pode manipular as respostas da camada de detecção antes da geração do sinal (Fig. 1). Essas camadas de processamento de informações são uma característica natural dos organismos e permitem que as células ativem respostas ao estresse, guiem o desenvolvimento e tomem decisões comportamentais com base em sinais intracelulares e extracelulares8. Por esse motivo, camadas de processamento de informações genéticas que implementam lógica e feedback foram amplamente aproveitadas e projetadas em sistemas celulares sintéticos9,10. Da mesma forma, mostramos anteriormente que os circuitos baseados em RNA podem ser adicionados a uma plataforma de biossensores livres de células chamada Sensores de Saída de RNA Ativados por Indução de Ligando (ROSALIND) para melhorar sua especificidade e sensibilidade sem projetar os biossensores de proteínas7. No entanto, esses circuitos ainda atuam diretamente na camada de detecção ou de saída, limitando nossa capacidade de melhorar e expandir sua função.

Aqui, desenvolvemos uma camada de processamento de informações generalizável para aprimorar e expandir a função de ROSALIND, aproveitando o deslocamento de cadeia de DNA mediado por toehold (TMSD) - uma nanotecnologia de DNA computacionalmente poderosa que pode processar informações moleculares in vitro11. No TMSD, as entradas de DNA de cadeia simples (ssDNA) trocam cadeias com 'portões' de DNA de cadeia dupla por meio de interações de pareamento de bases complementares para produzir cadeias de saída de ssDNA. Ao configurar portas de DNA em diferentes arquiteturas de rede, uma variedade de operações pode ser realizada, como restauração de sinal12, amplificação de sinal13 e computação lógica14,15, muito parecido com uma arquitetura computacional química geral16. A termodinâmica bem caracterizada do pareamento de bases de DNA permite que grandes redes sejam construídas a partir de blocos de construção simples. Além disso, a cinética da reação pode ser ajustada com precisão alterando a força dos 'pontos de apoio' - regiões de cadeia simples dentro dos portões de DNA que iniciam o processo de deslocamento da cadeia17. O TMSD levou ao desenvolvimento de dispositivos poderosos, incluindo osciladores in vitro18, amplificadores catalíticos19, motores moleculares autônomos20,21 e nanoestruturas de DNA reprogramáveis22,23. Assim, existe um grande potencial para o processamento de informações baseado em TMSD para melhorar os biossensores livres de células.

0.5 as ‘ON’ because the visible threshold is around the indicated value. d,e, Characterization of a molecular ADC circuit for zinc using ODE simulations (d) and endpoint experimental data at 100 min (e) generated using the SmtB-regulated zinc sensor. The values on the heatmap represent the average MEF (μM fluorescein) of n = 3 independent biological replicates (see Extended Data Fig. 8 for all data)./p>