Técnica no invasiva revela cómo cambia la expresión genética de las células con el tiempo | Noticias del MIT

Secuenciar todo el ARN de una célula puede revelar una gran cantidad de información sobre la función de esa célula y lo que está haciendo en un momento determinado. Sin embargo, el proceso de secuenciación destruye la célula, lo que dificulta el estudio de los cambios en curso en la expresión genética.

Un enfoque alternativo desarrollado en el MIT podría permitir a los investigadores rastrear tales cambios durante largos períodos de tiempo. El nuevo método, que se basa en una técnica de imágenes no invasiva conocida como espectroscopia Raman, no daña las células y puede realizarse repetidamente.

Utilizando esta técnica, los investigadores demostraron que podían monitorear las células madre embrionarias a medida que se diferenciaban en otros tipos de células durante varios días. Esta técnica podría permitir estudios de procesos celulares a largo plazo, como la progresión del cáncer o el desarrollo embrionario, y algún día podría usarse para el diagnóstico del cáncer y otras enfermedades.

"Con las imágenes Raman se pueden medir muchos más puntos temporales, lo que puede ser importante para estudiar la biología del cáncer, la biología del desarrollo y una serie de enfermedades degenerativas", dice Peter So, profesor de ingeniería biológica y mecánica en el MIT, director del Laboratorio Láser del MIT. Centro de Investigación Biomédica, y uno de los autores del artículo.

Koseki Kobayashi-Kirschvink, postdoctorado en el MIT y el Broad Institute de Harvard y el MIT, es el autor principal del estudio, que aparece hoy en Biotecnología de la naturaleza. Los autores principales del artículo son Tommaso Biancalani, ex científico del Broad Institute; Jian Shu, profesor asistente de la Facultad de Medicina de Harvard y miembro asociado del Broad Institute; y Aviv Regev, vicepresidente ejecutivo de Genentech Research and Early Development, que está de licencia en sus puestos docentes en el Broad Institute y el Departamento de Biología del MIT.

Imágenes de expresión genética

La espectroscopia Raman es una técnica no invasiva que revela la composición química de tejidos o células al iluminarlos con luz visible o infrarroja cercana. El Centro de Investigación Biomédica Láser del MIT ha estado trabajando en espectroscopia Raman biomédica desde 1985 y, recientemente, So y otros en el centro han desarrollado técnicas basadas en espectroscopia Raman que podrían usarse para diagnosticar el cáncer de mama o medir la glucosa en sangre.

Sin embargo, la espectroscopia Raman por sí sola no es lo suficientemente sensible como para detectar señales tan pequeñas como cambios en los niveles de moléculas de ARN individuales. Para medir los niveles de ARN, los científicos suelen utilizar una técnica llamada secuenciación de ARN unicelular, que puede revelar los genes que están activos dentro de diferentes tipos de células en una muestra de tejido.

En este proyecto, el equipo del MIT intentó combinar las ventajas de la secuenciación de ARN unicelular y la espectroscopia Raman entrenando un modelo computacional para traducir señales Raman en estados de expresión de ARN.

“La secuenciación de ARN proporciona información extremadamente detallada, pero es destructiva. Raman no es invasivo, pero no dice nada sobre el ARN. Entonces, la idea de este proyecto era utilizar el aprendizaje automático para combinar la fuerza de ambas modalidades, permitiendo así comprender la dinámica de los perfiles de expresión genética a nivel de una sola célula a lo largo del tiempo”, dice Kobayashi-Kirschvink.

Para generar datos para entrenar su modelo, los investigadores trataron células de fibroblastos de ratón, un tipo de célula de la piel, con factores que reprograman las células para que se conviertan en células madre pluripotentes. Durante este proceso, las células también pueden pasar a otros tipos de células, incluidas las células neurales y epiteliales.

Utilizando espectroscopía Raman, los investigadores tomaron imágenes de las células en 36 puntos temporales durante 18 días mientras se diferenciaban. Después de tomar cada imagen, los investigadores analizaron cada célula mediante hibridación fluorescente in situ de una sola molécula (smFISH), que se puede utilizar para visualizar moléculas de ARN específicas dentro de una célula. En este caso, buscaron moléculas de ARN que codificaran nueve genes diferentes cuyos patrones de expresión varían según el tipo de célula.

Estos datos de smFISH pueden actuar como un vínculo entre los datos de imágenes Raman y los datos de secuenciación de ARN unicelular. Para establecer ese vínculo, los investigadores primero entrenaron un modelo de aprendizaje profundo para predecir la expresión de esos nueve genes basándose en las imágenes Raman obtenidas de esas células.

Luego, utilizaron un programa computacional llamado Tangram, desarrollado previamente en el Broad Institute, para vincular los patrones de expresión del gen smFISH con perfiles del genoma completo que habían obtenido realizando la secuenciación de ARN unicelular en las células de muestra.

Luego, los investigadores combinaron esos dos modelos computacionales en uno al que llamaron Raman2RNA, que puede predecir los perfiles genómicos completos de las células individuales basándose en imágenes Raman de las células.

Seguimiento de la diferenciación celular

Los investigadores probaron su algoritmo Raman2RNA rastreando células madre embrionarias de ratón a medida que se diferenciaban en diferentes tipos de células. Tomaron imágenes Raman de las células cuatro veces al día durante tres días y utilizaron su modelo computacional para predecir los perfiles de expresión de ARN correspondientes de cada célula, que confirmaron comparándolos con mediciones de secuenciación de ARN.

Utilizando este enfoque, los investigadores pudieron observar las transiciones que ocurrieron en células individuales a medida que se diferenciaban de las células madre embrionarias en tipos de células más maduras. También demostraron que podían rastrear los cambios genómicos que ocurren cuando los fibroblastos de ratón se reprograman en células madre pluripotentes inducidas, durante un período de dos semanas.

"Es una demostración de que las imágenes ópticas brindan información adicional que permite rastrear directamente el linaje de las células y la evolución de su transcripción", dice So.

Los investigadores ahora planean utilizar esta técnica para estudiar otros tipos de poblaciones de células que cambian con el tiempo, como las células envejecidas y las células cancerosas. Ahora están trabajando con células cultivadas en una placa de laboratorio, pero en el futuro esperan que este enfoque pueda desarrollarse como un diagnóstico potencial para su uso en pacientes.

“Una de las mayores ventajas de Raman es que es un método sin etiquetas. Aún queda un largo camino por recorrer, pero existe potencial para la traducción humana, que no podría realizarse utilizando las técnicas invasivas existentes para medir perfiles genómicos”, afirma Jeon Woong Kang, investigador del MIT y autor del estudio.

La investigación fue financiada por la beca posdoctoral de la Sociedad Japonesa para la Promoción de la Ciencia para investigadores extranjeros, la beca posdoctoral en el extranjero de la Fundación Naito, la beca MathWorks, la Fundación Helen Hay Whitney, los Institutos Nacionales de Salud de EE. UU., el Instituto Nacional de Imágenes Biomédicas de EE. UU. y Bioingeniería, HubMap, el Instituto Médico Howard Hughes y el Observatorio Celular Klarman.