Avances en técnicas de imagen de tejidos multiplexados

La imagenología de tejidos multiplexada (MTI) es una técnica que permite a los científicos estudiar tejidos a nivel celular. Ayuda a ver diferentes moléculas en células a partir de cortes delgados de tejido. Al usar MTI, es fundamental asegurarse de que los resultados sean fiables y se puedan repetir por otros investigadores. Para esto, los científicos comparan los resultados de diferentes cortes de tejido. Sin embargo, esta comparación a menudo asume que los cortes son similares, lo cual no siempre es el caso.

#Desafíos con las Muestras de Tejido

Los tejidos pueden ser muy variados. Pueden ocurrir diferencias durante el proceso de corte o debido a la estructura compleja del tejido. Además, algunas células en el tejido pueden ser muy raras. Estudios recientes han mostrado que muchos núcleos celulares en las muestras de tejido no están completamente intactos, lo que pone en duda la idea de que todas las células en los cortes son iguales. Esto sugiere que los investigadores deben ser cautelosos al comparar resultados entre diferentes secciones de tejido.

#Limitaciones de las tecnologías actuales

Con MTI, generalmente hay límites en cuántas proteínas se pueden estudiar a la vez, a menudo entre 40 y 100. En contraste, otros métodos como CITE-seq y scRNA-seq pueden analizar muchas más características. Aunque usar diferentes paneles de MTI en secciones de tejido puede proporcionar información más detallada, significa que no todas las células pueden medirse de manera emparejada. Un nuevo método que combine datos de estos diferentes experimentos a nivel de célula única ayudaría a mejorar la validación de las tecnologías MTI y abordaría el problema del número limitado de proteínas que se pueden estudiar.

#Enfoques actuales para alinear imágenes de tejidos

Actualmente, los investigadores pueden alinear imágenes de diferentes MTI encontrando características comunes. Sin embargo, lograr una alineación completa a nivel de célula única es complicado debido a las variaciones naturales en los tejidos. Algunos métodos requieren cortes muy delgados o no capturan todos los detalles moleculares de las células. Además, estudios anteriores han indicado que puede haber diferencias significativas entre cortes de tejido adyacentes, lo que dificulta llegar a conclusiones.

#Nuevas técnicas en análisis de tejidos

Están surgiendo nuevas plataformas que combinan múltiples técnicas para abordar estos problemas, como usar inmunofluorescencia junto con métodos de tinción tradicionales en el mismo corte. Muchos métodos espacialmente resueltos requieren el uso de múltiples secciones de tejido debido a limitaciones técnicas. El nuevo método que discutimos tiene como objetivo integrar información de estos múltiples cortes de manera efectiva.

#COEXIST: Un nuevo método para la integración

El nuevo método, COEXIST, combina datos de secciones de tejido adyacentes. Hace esto analizando poblaciones celulares compartidas y únicas en ambos cortes. Usando simulaciones por computadora, estima cuántas células son compartidas entre los cortes. COEXIST utiliza técnicas de seguimiento para emparejar células entre los cortes basándose en dónde están ubicadas y las proteínas que expresan.

Cuando se aplicó COEXIST a muestras de tejido de Cáncer de mama, utilizó un conjunto combinado de marcadores para caracterizar mejor las células. Este método mejoró la comprensión de las estructuras complejas del tejido al permitir a los investigadores analizar toda la gama de tipos celulares.

#Analizando los datos: Entendiendo el comportamiento celular

El método también examina cómo los tipos celulares cambian entre diferentes cortes de tejido. Por ejemplo, algunas células pueden identificarse como células estromales en un corte y como células inmunitarias en otro. Al usar COEXIST, se hace más fácil resolver estos tipos de discrepancias. La técnica permite la propagación de etiquetas de tipo celular a otras células en la muestra, mejorando efectivamente la resolución de la clasificación de tipos celulares. Esto significa que los investigadores ahora están mejor equipados para identificar y entender los ecosistemas celulares dentro de los tejidos.

#Beneficios de COEXIST

COEXIST ha demostrado la capacidad de refinar cómo los investigadores ven las poblaciones celulares. Por ejemplo, al analizar el cáncer de mama, se identificaron grupos distintos de células que habrían pasado desapercibidos en análisis anteriores. Al proporcionar una imagen más detallada de los tipos de células presentes, COEXIST ayuda a descubrir interacciones biológicas importantes dentro de los tejidos.

#Abordando problemas en la integración entre diferentes plataformas

Validar los resultados a través de diferentes plataformas MTI es crucial para asegurarse de que los hallazgos sean confiables. COEXIST ha demostrado ser útil en la comparación de resultados obtenidos de diferentes métodos aplicados a las mismas secciones de tejido. Esto ha llevado a correlaciones mejoradas entre resultados, lo cual es especialmente importante para la reproducibilidad científica.

#Yendo más allá de las comparaciones estándar

Los métodos tradicionales de comparación de tejidos a menudo se centran en datos a nivel de volumen, lo que puede pasar por alto información valiosa a nivel de célula única. COEXIST enfatiza la importancia de la información espacial, permitiendo comparaciones más precisas entre diferentes tipos celulares en varias condiciones. Con COEXIST, los investigadores pueden identificar mejor cómo se distribuyen diferentes tipos de células dentro de los tejidos.

#Conclusión: Direcciones futuras

COEXIST abre nuevas puertas para los investigadores que buscan entender los detalles intrincados de los tejidos. Si bien requiere el uso de diapositivas consecutivas, los beneficios de una mejor precisión en la identificación de tipos celulares y la Integración de datos son significativos. Se anima a los investigadores a pensar en cómo diseñar mejor sus estudios y administrar costos mientras aprovechan esta nueva técnica.

Al examinar cómo se comportan las células en sus entornos a través de diferentes secciones de tejido, los científicos pueden obtener una mejor comprensión de cómo se desarrollan y progresan enfermedades, como el cáncer. Este método también podría aplicarse a otras formas de biología espacial, mejorando aún más nuestra comprensión de las interacciones celulares en varios tejidos.

En resumen, COEXIST representa un paso importante hacia adelante en la integración de datos espaciales, permitiendo a los investigadores desentrañar las complejas relaciones dentro de los tejidos y potencialmente llevar a avances en la investigación biomédica.