Известия высших учебных заведений

Прикладная нелинейная динамика

ISSN 0869-6632 (Print)
ISSN 2542-1905 (Online)


Статья имеет ранний доступ!

Статья опубликована на условиях лицензии Creative Commons Attribution 4.0 International (CC-BY 4.0).
Полный текст в формате PDF(Ru):
Язык публикации: 
русский
Тип статьи: 
Научная статья
УДК: 
530.182
EDN: 

О взаимосвязи наблюдаемой динамики колориметрического индикатора с нелинейной динамикой исследуемого популяционного роста в случае микробиологических культур

Авторы: 
Сычев Александр Владимирович, Курский государственный университет
Постников Евгений Борисович, Курский государственный университет
Аннотация: 

Резазуриновый тест является одним из наиболее распространенных подходов к изучению роста и метаболической активности микроорганизмов. Он основан на изменении цвета синего индикатора (резазурина) на его розовую восстановленную форму (резоруфин) в результате процесса восстановления, катализируемого метаболической активностью. При этом для количественной характеристики процесса необходимо учитывать тот факт, что регистрируются результаты химического превращения, которые могут отличаться от лежащей в основе кинетики роста популяции.

Цель. Основной целью данной работы является последовательное моделирование обоих взаимосвязанных нелинейных процессов роста, направленное на получение аналитического решения, зависящего от специфики и параметров биологических и химических составляющих, и его сравнение с кривыми, полученными экспериментально.

Методы. Изменение концентрации индикатора выведено в предположении логистического роста бактерий, катализирующих рассматриваемую однонаправленную химические реакцию, и сопоставлено с фотометрически регистрируемой кривой роста для популяции лактобактерий.

Результаты. Выявлено, что кривая биохимического роста также будет логистической только в случае специально согласованных кинетических параметров и емкости среды. В противном случае для аппроксимации наблюдаемой динамики необходимо использовать другую функциональную форму.

Заключение. Таким образом, основной вывод состоит в том, что необходимо обратить внимание на важность различения кривых роста, лежащих в основе микробного и наблюдаемого химического роста. Их разница влияет на величину скорости роста популяции, которая является целью подобных тестов, и, следовательно, для регрессии экспериментальных данных необходимо использовать соответствующую функциональную форму.

Список источников: 
  1. Riss TL, Moravec RA, Niles AL, Duellman S, Benink HA, Worzella TJ, Minor L. Cell viability assays. In: Assay Guidance Manual [Internet]. Bethesda, MD: Eli Lilly & Company and the National Center for Advancing Translational Sciences; 2016. Available from: https://www.ncbi. nlm.nih.gov/books/NBK144065/.
  2. Prabst K, Engelhardt H, Ringgeler S, Hubner H. Basic colorimetric proliferation assays: MTT, WST, and Resazurin. In: Gilbert DF, Friedrich O, editors. Cell Viability Assays: Methods and Protocols. New York, NY: Humana Press; 2017. P. 1–17. DOI: 10.1007/978-1-4939-6960-9_1.
  3. Kim D-M, Yoo S-M. Colorimetric systems for the detection of bacterial contamination: Strategy and applications. Biosensors. 2022;12(7):532. DOI: 10.3390/bios12070532.
  4. Zhang X, Jiang X, Hao Z, Qu K. Advances in online methods for monitoring microbial growth. Biosensors and Bioelectronics. 2019;126:433–447. DOI: 10.1016/j.bios.2018.10.035.
  5. Monod J. The growth of bacterial cultures. Annual Review of Microbiology. 1949;3:371–394. DOI: 10.1146/annurev.mi.03.100149.002103.
  6. Zwietering MH, Jongenburger I, Rombouts FM, van’t Riet K. Modeling of the bacterial growth curve. Applied and Environmental Microbiology. 1990;56(6):1875–1881. DOI: 10.1128/aem. 56.6.1875-1881.1990.
  7. Peleg M, Corradini MG. Microbial growth curves: What the models tell us and what they cannot. Critical Reviews in Food Science and Nutrition. 2011;51(10):917–945. DOI: 10.1080/10408398. 2011.570463.
  8. Gerlier D, Thomasset N. Use of MTT colorimetric assay to measure cell activation. Journal of Immunological Methods. 1986;94(1–2):57–63. DOI: 10.1016/0022-1759(86)90215-2.
  9. Garland JL, Mills AL. Classification and characterization of heterotrophic microbial communities on the basis of patterns of community-level sole-carbon-source utilization. Applied and Environmental Microbiology. 1991;57(8):2351–2359. DOI: 10.1128/aem.57.8.2351-2359.1991.
  10. Lonsdale CL, Taba B, Queralto N, Lukaszewski RA, Martino RA, Rhodes PA, Lim SH. The use of colorimetric sensor arrays to discriminate between pathogenic bacteria. PLoS ONE. 2013;8(5):e62726. DOI: 10.1371/journal.pone.0062726.
  11. Worth RM, Espina L. ScanGrow: Deep learning-based live tracking of bacterial growth in broth. Frontiers in Microbiology. 2022;13:900596. DOI: 10.3389/fmicb.2022.900596.
  12. Thanasirikul C, Patumvan A, Lipsky D, Bovonsombut S, Singjai P, Boonchieng E, Chitov T. Rapid assessment and prediction of microbiological quality of raw milk using machine learning based on RGB-colourimetric resazurin assay. International Dairy Journal. 2023;146:105750. DOI: 10.1016/j.idairyj.2023.105750.
  13. Lindstrom JE, Barry RP, Braddock JF. Microbial community analysis: a kinetic approach to constructing potential C source utilization patterns. Soil Biology and Biochemistry. 1998;30(2):231– 239. DOI: 10.1016/S0038-0717(97)00113-2.
  14. Gomez-Acata RV, Neria-Gonzalez MI, Aguilar-Lopez R. Robust software sensor design for the state estimation in a sulfate-reducing bioreactor. Theoretical Foundations of Chemical Engineering. 2016;50(1):67–75. DOI: 10.1134/S0040579516010036.
  15. Lavrova AI, Dogonadze MZ, Sychev AV, Manicheva OA, Postnikov EB. Ensemble density dependent synchronization of mycobacterial growth: BACTEC MGIT 960 fluorescence-based analysis and mathematical modelling of coupled biophysical and chemical processes. AIMS Microbiology. 2022;8(2):208–226. DOI: 10.3934/microbiol.2022017.
  16. Njoku DI, Guo Q, Dai W, Chen JL, Mao G, Sun Q, Sun H, Peng Y-K. The multipurpose application of resazurin in micro-analytical techniques: Trends from the microbial, catalysis and single molecule detection assays. TrAC Trends in Analytical Chemistry. 2023;167:117288. DOI: 10.1016/j.trac.2023.117288.
  17. Rampersad SN. Multiple applications of Alamar Blue as an indicator of metabolic function and cellular health in cell viability bioassays. Sensors. 2012;12(9):12347–12360. DOI: 10.3390/ s120912347.
  18. Candeias LP, MacFarlane DPS, McWhinnie SLW, Maidwell NL, Roeschlaub CA, Sammes PG, Whittlesey R. The catalysed NADH reduction of resazurin to resorufin. Journal of the Chemical Society, Perkin Transactions 2. 1998;(11):2333–2334. DOI: 10.1039/A806431H.
  19. Chen JL, Steele TWJ, Stuckey DC. Modeling and application of a rapid fluorescence-based assay for biotoxicity in anaerobic digestion. Environmental Science & Technology. 2015;49(22):13463– 13471. DOI: 10.1021/acs.est.5b03050.
  20. Sychev AV, Lavrova AI, Dogonadze MZ, Postnikov EB. Establishing compliance between spectral, colourimetric and photometric indicators in Resazurin reduction test. Bioengineering. 2023;10(8):962. DOI: 10.3390/bioengineering10080962.
  21. Mouton JW, Vinks AA. Pharmacokinetic/pharmacodynamic modelling of antibacterials in vitro and in vivo using bacterial growth and kill kinetics. Clinical Pharmacokinetics. 2005;44(2):201–210. DOI: 10.2165/00003088-200544020-00005.
  22. Richards FJ. A flexible growth function for empirical use. Journal of Experimental Botany. 1959;10(2):290–301. DOI: 10.1093/jxb/10.2.290.
  23. AlamarBlue® Assay [Internet]. U.S. Patent No. 5,501,959. PI-DAL1025/1100Rev 1.0. 2008. 27 p. Available from: https://tools.thermofisher.com/content/sfs/manuals/PI-DAL1025-1100_ TIalamarBlueRev1.1.pdf.
  24. Von Groll A, Martin A, Portaels F, da Silva PEA, Palomino JC. Growth kinetics of Mycobacterium tuberculosis measured by quantitative resazurin reduction assay: a tool for fitness studies. Brazilian Journal of Microbiology. 2010;41(2):300–303. DOI: 10.1590/S1517-83822010000200006.
  25. Sychev AV, Belenkov RN, Ukolov DN, Budaev AV, Lavrova AI, Postnikov EB. Revealing kinetics of chemical transitions in colorimetric indicators of microorganisms growth based on photometric data from a portable microbiological analyser. In: Proc. SPIE. Vol. 12194. Computational Biophysics and Nanobiophotonics. SPIE; 2022. P. 121940Z. DOI: 10.1117/12.2625794.
  26. Neufeld BH, Tapia JB, Lutzke A, Reynolds MM. Small molecule interferences in Resazurin and MTT-based metabolic assays in the absence of cells. Analytical Chemistry. 2018;90(11):6867– 6876. DOI: 10.1021/acs.analchem.8b01043.
  27. Fukushima RS, Weimer PJ, Kunz DA. Photocatalytic interaction of Resazurin N-oxide with cysteine optimizes preparation of anaerobic culture media. Anaerobe. 2002;8(1):29–34. DOI: 10.1006/anae.2001.0405.
  28. Baranyi J, Roberts TA. A dynamic approach to predicting bacterial growth in food. International Journal of Food Microbiology. 1994;23(3–4):277–294. DOI: 10.1016/0168-1605(94)90157-0.
  29. Rickett LM, Pullen N, Hartley M, Zipfel C, Kamoun S, Baranyi J, Morris RJ. Incorporating prior knowledge improves detection of differences in bacterial growth rate. BMC Systems Biology. 2015;9:60. DOI: 10.1186/s12918-015-0204-9.
  30. Atolia E, Cesar S, Arjes HA, Rajendram M, Shi H, Knapp BD, Khare S, Aranda-Diaz A, Lenski RE, Huang KC. Environmental and physiological factors affecting high-throughput measurements of bacterial growth. MBio. 2020;11(5):e01378-20. DOI: 10.1128/mBio.01378-20.
  31. Giraud E, Lelong B, Raimbault M. Influence of pH and initial lactate concentration on the growth of Lactobacillus plantarum. Applied Microbiology and Biotechnology. 1991;36(1):96–99. DOI: 10.1007/BF00164706.
  32. da Silva APR, Longhi DA, Dalcanton F, de Aragao GMF. Modelling the growth of lactic acid bacteria at different temperatures. Brazilian Archives of Biology and Technology. 2018;61: e18160159. DOI: 10.1590/1678-4324-2018160159.
Поступила в редакцию: 
21.11.2023
Принята к публикации: 
18.12.2023
Опубликована онлайн: 
25.03.2024