Lo mejor desde el tejido cortado

Nov 29, 2023

Noticias proporcionadas por

17 de agosto de 2023, 2:44 p.m. ET

Comparte este artículo

Una nueva herramienta creada por investigadores de Gladstone alinea virtualmente los datos de cortes de tejido, ampliando las posibilidades del análisis 3D

SAN FRANCISCO, 17 de agosto de 2023 /PRNewswire/ -- Imagínese unas cuantas rebanadas de pan cortadas toscamente en un plato. Con solo esas rebanadas, ¿podrías imaginarte, con gran detalle, de qué pan proceden?

Ahora imaginemos varios cortes finos de tejido de, digamos, un tumor pequeño. Ha probado cuáles de varios genes están activos en cada punto a lo largo y ancho de cada segmento. Con esos datos bidimensionales de sólo unos pocos cortes, ¿podría predecir cuáles de los genes están activos en toda la estructura tridimensional del tumor? No es fácil, ¿verdad?

Discernir la composición tridimensional de un tumor (u otro tejido) utilizando datos de unos pocos cortes es un desafío computacional grave. Pero un nuevo método desarrollado en los Institutos Gladstone permite a los investigadores hacer precisamente eso. Este enfoque, publicado en la revista Nature Methods, podría permitir una comprensión mucho más profunda de las muestras de tejido biológico.

"Sin esa tercera dimensión, se puede perder mucho de lo que sucede en el tejido", dice la investigadora principal de Gladstone, Barbara Engelhardt, PhD, autora principal del estudio. "Juntar cortes en el espacio 3D debería ayudarnos a comenzar a responder preguntas para las cuales los datos 2D no son suficientes. Por ejemplo, ¿cuáles son los límites precisos de un tumor? ¿Dónde se han infiltrado las células inmunitarias en el tumor? ¿En qué parte del tumor sería mejor inyectar? ¿un tratamiento?"

El nuevo método, denominado Alineación espacial del proceso gaussiano (GPSA), no es sólo para tumores. Se puede aplicar a casi cualquier tipo de tejido y a cualquier tipo de datos obtenidos a partir de cortes de tejido, como la estructura de las células o qué genes o proteínas están activados en su interior, con amplias implicaciones para la investigación y la medicina.

Llenando los espacios en blanco

Una de las formas más utilizadas de comprender el tejido biológico, ya sea de un paciente con una enfermedad o de un animal en un laboratorio, es extirpar quirúrgicamente parte del tejido afectado y analizarlo. En laboratorios de todo el mundo, los técnicos pueden cortar el tejido extirpado en trozos delgados para observarlos bajo un microscopio o para probar la presencia de moléculas específicas que podrían ayudar al diagnóstico, guiar el tratamiento o dar pistas sobre qué tan bien está funcionando un medicamento.

Sin embargo, el tiempo, el presupuesto y la potencia computacional necesarios para analizar cada corte significan que los investigadores y médicos a menudo se limitan a unos pocos cortes de diferentes partes del tejido. Es más, los cortes de tejido se deforman físicamente cuando se cortan, procesan y analizan en un laboratorio, lo que dificulta discernir exactamente cómo se alinean y encajan los cortes dentro de la estructura tridimensional general del tejido original.

"El primer paso para pasar de datos de cortes 2D a una imagen completa en 3D del tejido es revertir computacionalmente la deformación para que podamos realinear los cortes en el espacio virtual", dice Engelhardt, quien también es profesor en el Departamento de Datos Biomédicos. Ciencias en la Universidad de Stanford.

Para abordar este desafío, el método GPSA utiliza lo que Engelhardt y su equipo denominan un proceso gaussiano de dos capas. Este enfoque estadístico aprovecha los datos de los cortes de tejido 2D y, en la primera capa, ajusta el corte 2D deformado en un modelo 3D del tejido. En la segunda capa, GPSA atribuye a cada punto del modelo 3D algunos datos recopilados del corte, como qué genes están activados en ese punto. De esta manera, GPSA invierte virtualmente la deformación y permite una alineación muy precisa de las rodajas.

Durante este proceso, el modelo GPSA llena los espacios entre cortes con predicciones de expresión de genes o proteínas para cada punto del tejido, generando en última instancia un "atlas" 3D del tejido.

"Supongamos que tiene cuatro cortes de diferentes ubicaciones en el tumor de cáncer de mama de una persona, y para cada punto de cada corte sabe cuáles de los 20.000 genes están activados o desactivados", dice Engelhardt. "GPSA crea un atlas 3D totalmente consultable donde, para cualquier coordenada 'x, y, z', para cualquiera de los 20.000 genes, podemos sumergirnos y preguntar: ¿Qué genes están activados y desactivados en esta posición en el tumor? ¿Y qué tan seguros estamos de esta estimación?"

Un marco altamente flexible

Con GPSA, los investigadores pueden construir atlas de tejidos con datos obtenidos de cortes de tamaños inconsistentes, utilizando diferentes tecnologías y en diferentes escalas y niveles de resolución. Mientras que los métodos anteriores requieren que los andamios 3D o "marcos de coordenadas" estén preespecificados, GPSA estima este marco 3D solo a partir de cortes 2D cuando aún no existe un marco de coordenadas para el tejido. El nuevo método también puede combinar múltiples tipos de datos de cortes de tejido (por ejemplo, información sobre qué genes están activados e información sobre la estructura celular) en un solo atlas.

Además, cuando se aplica a cortes tomados del mismo tejido en diferentes momentos, GPSA puede generar atlas que predicen cómo cambia cada ubicación dentro del tejido con el tiempo. De esta forma, la técnica podría ayudar a profundizar en la comprensión del envejecimiento, cómo progresan las enfermedades o cómo se desarrollan los diferentes tejidos en un organismo en crecimiento.

"La flexibilidad es uno de los principales puntos fuertes de nuestra nueva herramienta", afirma Engelhardt.

Ella y su equipo ahora están realizando análisis para demostrar aún más esa flexibilidad. Por ejemplo, han desarrollado un método que podrían utilizar los laboratorios con un presupuesto limitado para determinar el número mínimo de cortes de tejido necesarios (y las ubicaciones precisas donde se deben cortar esos cortes) para que GPSA construya un atlas de tejido con la información deseada.

"El objetivo es maximizar los conocimientos que podemos obtener de los cortes de tejido, para permitir a los investigadores y médicos consultar en profundidad los tejidos 3D que están bien estudiados o los tumores que son exclusivos de un paciente y, en última instancia, mejorar la atención médica", dice Engelhardt.

Acerca del estudio

El artículo "Alineación de datos histológicos y de genómica espacial mediante procesos gaussianos profundos" se publicó en la revista Nature Methods el 17 de agosto de 2023.

Otros autores del estudio incluyen a Didong Li de la Universidad de Carolina del Norte, Chapel Hill, así como a Andrew Jones y F. William Townes de la Universidad Carnegie Mellon.

Este estudio fue financiado por Helmsley Charitable Trust (AWD1006624), los Institutos Nacionales de Salud (5U2CCA233195 y R01 HL133218) y por la National Science Foundation (AWD1005627).

Acerca de los Institutos Gladstone

Gladstone Institutes es una organización independiente y sin fines de lucro de investigación en ciencias biológicas que utiliza ciencia y tecnología visionarias para superar las enfermedades. Fundada en 1979, está ubicada en el epicentro de la innovación biomédica y tecnológica, en el barrio Mission Bay de San Francisco. Gladstone ha creado un modelo de investigación que revoluciona la forma en que se hace ciencia, financia grandes ideas y atrae a las mentes más brillantes.

Contacto con los medios: Julie LangelierDirectora asociada, Comunicaciones[email protected]415.734.5000

FUENTE Institutos Gladstone