DRUG-seq:一种用于药物开发和挖掘的高通量测序技术

文摘   2024-07-20 06:45   美国  

基因扰动的数字RNA (Digital RNA with pertUrbation of Genes,DRUG-seq),即高通量药物筛选RNA测序,这是一种用于药物发现的高通量平台。该技术于2018年发表于Nature Communication杂志。

药物发现依赖于高通量筛选,但当前平台的读数有限。RNA-seq是一种使用转录组变化作为代理来研究药物效果的强大工具,但标准文库构建成本高昂。DRUG-seq以1/100的成本捕获在标准RNA-seq中检测到的转录变化。在对8种剂量的433种化合物进行分析的概念验证实验中,从DRUG-seq生成的转录谱成功地根据化合物的预期靶标,根据作用机制 (MoA)将化合物分组为功能簇。在针对同一靶标的化合物中检测到了转录组变化中反映的扰动差异,证明了使用DRUG-seq来了解靶标和非靶标活动的价值。证明了DRUG-seq可以捕获常见机制,以及化合物治疗和 CRISPR 对同一靶标的差异。

通过DRUG-seq技术能对不同剂量的数百种化合物进行转录组水平分析,根据其生成的转录组数据,能准确地以作用机制和预期靶点将各种化合物分类。DRUG-seq在检测同一靶点的不同化合物对转录组扰动的差异方面也有广泛的应用。这一能力强调了该技术在区分目标和非目标效应方面的潜力。此外,当比较靶向同一基因的化合物处理和CRISPR干预时,DRUG-seq能有效获取常见作用机制和转录组变化的差异。

图1. DRUG-seq工作流程

1. 药物处理;

2. 裂解细胞和RT反应(可采用自动化方式进行)

3. 孵育步骤在384孔PCR仪(Biorad C1000 Touch)中进行。细胞裂解后,mRNA直接通过修饰的poly(dT)引物进行逆转录,该引物包含孔特异性10mer条形码和随机10mer序列作为UMI。RT酶的模板转换活性(TS)将寡核苷酸(dC)添加到第一链cDNA中,从而允许模板切换寡核苷酸(TSO)结合。

4. RT和模板切换后将样本汇集在一起。预扩增和片段化cDNA。

5. 对双末端文库进行测序以确定孔位对应的Barcode、UMI和转录本信息。

图2. DRUG-seq性能与标准群体RNA-seq相当

理想的情况是拥有一种成本有效、大规模并行化的384孔和1536孔转录组分析方法,以无偏的方式测量所有基因,从而充分捕获由化合物或基因扰动引起的转录多样性,用于药物发现。于普通RNA-seq相比,DRUG-seq仅需要少量细胞(2,000-20,000);无需RNA提取;多样本合并建库和测序;引入UMI,精准定量基因表达水平;能同时进行大规模测序。

2022年,Jingyao Li等人又在ACS Chemical Biology杂志发布了更全面的pipeline(github: https://github.com/Novartis/DRUG-seq)用于分析Drug-seq测序数据。


图3. Drug-seq数据分析pipeline

总结,作者开发了一种大规模并行化、自动化、低成本的下一代测序方法,用于分析化学和遗传干扰下的整个转录组变化,并成功将其应用于工业高通量筛选环境。DRUG-seq是一种功能强大的工具,比RASL-seq、PLATE-seq和L1000等其他技术更具优势。它更容易执行、通量更高、无偏差且具有成本效益。DRUG-seq是一种强大的工具,可协助新型化合物机制研究、化合物再利用工作以及使用基于 CRISPR/CAS9 的基因敲除识别遗传转录网络。

技术应用:

1.流式分选细胞图谱绘制

2.高通量基因功能研究

3.化合物作用靶点分析

4.肿瘤靶向治疗药物筛选研究

5.创新药物开发


参考文献:

Ye, C., Ho, D.J., Neri, M. et al. DRUG-seq for miniaturized high-throughput transcriptome profiling in drug discovery. Nat Commun 9, 4307 (2018). https://doi.org/10.1038/s41467-018-06500-x

Li J, Ho DJ, Henault M, Yang C, Neri M, Ge R, Renner S, Mansur L, Lindeman A, Kelly B, Tumkaya T. DRUG-seq provides unbiased biological activity readouts for neuroscience drug discovery. ACS Chemical Biology. 2022 May 4;17(6):1401-14.


免责声明:推文基于已公开的资料信息撰写,用于传递最新热点资讯,在任何情况下,本文中的信息或所表述的意见均不构成对任何人的建议。如因版权等有疑问,请于本文刊发30日内联系本公众号删除。更多精彩内容欢迎关注和分享公众号

科研这点事儿
科普分子生物学知识,关注前沿生物技术,聚焦表观遗传学。