使用机器人细胞内电生理学和单细胞测序查通道罗多普辛
Samuel Ehrlich1, Alexandra D VandeLoo2, Mohamed Badawy3
1George W. Woodruff School of Mechanical Engineering, Georgia Institute of Technology, Atlanta, GA, United States.
Journal of neuroscience methods
|December 20, 2025
概括
我们开发了一种新的机器人选方法,将opsin遗传序列与它们的功能联系起来. 这种方法可以进行高效的大规模表征,以改进选项工程和理解序列功能关系.
科学领域:
- 视觉遗传学 视觉遗传学
- 分子生物学分子生物学
- 神经科学是一个神经科学.
背景情况:
- 工程运算因对序列-功能关系的有限理解而受到阻碍.
- 广泛的光素序列空间使系统的探索变得复杂.
研究的目的:
- 开发一种用于选通道罗多普辛的新方法,以创建将遗传序列与功能联系起来的数据集.
- 为了实现大型opsin库的高效,标准化和可扩展的表征.
主要方法:
- 集成的机器人细胞内电生理学 (Patch) 来测量光遗传性质 (Excite).
- 自动细胞采集 (Pick) 和随后的测序 (Sequence),以将功能与序列联系起来.
- 应用该方法选超过50个细胞,并分析异质群体和单点突变.
主要成果:
- 成功生成了连接素序列的数据集,使其在50多个细胞中发挥作用.
- 确定C160W点突变消除了CrimsonR对光的反应.
- 证明了该方法对已知的素和单点突变的实用性.
结论:
- 这种新的方法提供了高效,标准化和可扩展的特征,与手动补丁截图相比.
- 这种方法通过利用大型数据集来促进opsin工程,以加深对opsin序列功能关系的理解.
