Исследователи Weill Cornell Medicine разработали вычислительный метод для картирования архитектуры тканей человека с беспрецедентной детализацией. Их подход обещает ускорить исследования клеточных взаимодействий в масштабах органов и может обеспечить новые мощные диагностические стратегии для широкого спектра заболеваний.
Метод, опубликованный 31 октября в Природные методы, вырос из разочарования ученых разрывом между классической микроскопией и современным молекулярным анализом одиночных клеток. «Глядя на ткани под микроскопом, вы видите группу клеток, сгруппированных в пространстве; вы почти сразу же видите эту организацию на изображениях», — сказал ведущий автор Джунбум Ким, аспирант кафедры физиологии и биофизики Weill Cornell Medicine.
Теперь клеточные биологи получили возможность исследовать отдельные клетки в мельчайших подробностях, вплоть до того, какие гены каждая клетка экспрессирует, поэтому они сосредоточены на клетках, а не на структуре ткани».
Джунбум Ким, ведущий автор исследования и аспирант кафедры физиологии и биофизики Weill Cornell Medicine
Тем не менее, «исследователям крайне важно узнать больше о деталях структуры ткани; фундаментальные изменения во взаимоотношениях между клетками в ткани определяют функции как здоровых, так и больных органов», — сказал старший автор доктор Оливье Элементо, директор Института Англии. Прецизионная медицина и профессор физиологии и биофизики, а также вычислительной геномики в вычислительной биомедицине в Weill Cornell Medicine.
Однако ручное объединение данных отдельных клеток с картами структуры ткани — процесс медленный и утомительный. Алгоритмы машинного обучения продемонстрировали некоторый потенциал для автоматизации процесса, но они ограничены данными, используемыми для их обучения. Чтобы решить эту проблему, Ким и его коллеги разработали неконтролируемую вычислительную стратегию, используя комбинацию профилей экспрессии генов отдельных клеток и местоположения клеток для определения структурных областей в ткани.
Соавтор доктор Андре Рендейро, научный сотрудник Weill Cornell Medicine во время исследования, а в настоящее время главный исследователь Исследовательского центра молекулярной медицины Австрийской академии наук в Вене, Австрия, сравнивает новый метод с картированием города. например, в Нью-Йорке: «Один из способов сделать это — пойти на каждый перекресток и пересчитать все типы зданий: жилые они, коммерческие… магазин или ресторан?» Поместив все эти данные в одну матрицу, а расположение зданий в другую, можно было объединить две матрицы и найти закономерности.
«По сути, мы могли бы начать делать общее заявление о том, где находятся разные районы и где их границы, на основе обилия, скажем, жилых и коммерческих зданий — точно так же, как любой, прогуливаясь по Верхнему Ист-Сайду, Мидтауну или Даунтауну, сделал бы это. делать, основываясь на своих наблюдениях», — сказал доктор Рендейро.
Исследователи использовали новый метод для создания подробных карт нескольких типов тканей, выявления и количественной оценки новых аспектов микроанатомии — паттернов, возникающих в небольшом масштабе при взаимодействии клеток и определяющих конечную функцию ткани. Сотрудничая с коллегой из Университета Северной Каролины в Чапел-Хилле, изучающим заболевания легких, они также продемонстрировали, что их метод позволяет проводить тонкие различия между различными болезненными состояниями в ткани.
В то время как рак и другие хронические заболевания часто вызывают серьезные изменения в структуре тканей, подробная микроанатомия также может помочь в диагностике и лечении более острых состояний. Рендейро указывает на тяжелую форму COVID-19 в качестве одного из примеров, когда «много иммунных клеток перемещаются по соседству, и в легочной ткани происходят действительно резкие изменения». В настоящее время команда применяет свою новую технику к широкому спектру тканей, чтобы понять, как изменения в организации ткани лежат в основе ее функции в здоровом состоянии и дисфункции при болезни.
Источник:
Ссылка на журнал:
Ким, Дж., и другие. (2022) Неконтролируемое открытие тканевой архитектуры в мультиплексной визуализации. Природные методы. doi.org/10.1038/s41592-022-01657-2.