Por Ana Trafton
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.
Peter So, profesor de ingeniería biológica y mecánica en el MIT, director del Laboratorio Láser del MIT es uno de los autores del artículo. Al tiempo que Jeon Woong Kang, científico investigador del MIT es el autor del estudio y 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 Nature Biotechnology. 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.
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 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.
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.
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.
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.
