Simple Science

Ciencia de vanguardia explicada de forma sencilla

# Biología# Neurociencia

Nuevas técnicas para entender la expresión genética en tejidos gruesos

Los investigadores mejoran los métodos de imagen genética en tejidos gruesos, revelando información sobre el funcionamiento del cerebro.

― 8 minilectura


Revolucionando lasRevolucionando lastécnicas de imagengenéticatejidos gruesos.ideas sobre la expresión genética enMétodos avanzados descubren nuevas
Tabla de contenidos

En el mundo de la ciencia, especialmente en biología, los investigadores siempre están buscando mejores maneras de estudiar cómo funcionan nuestros genes en la vida real. Una área emocionante se llama genómica espacial, que permite a los científicos ver dónde están activos los genes en diferentes partes de tejidos complejos. Esto es importante porque entender dónde y cómo se usan los genes puede ayudarnos a aprender más sobre cómo funcionan nuestros cuerpos y qué sale mal en las enfermedades.

El Problema con las Secciones Finas

Por lo general, los científicos han mirado rebanadas muy finas de tejido, de alrededor de 10 a 20 micrómetros de grosor. Esto está bien para algunos estudios pero no para otros donde entender la estructura 3D completa es crucial. ¡Imagina tratar de entender un pastel solo mirando unas migajas; simplemente no te da la imagen completa! Cuando los investigadores intentan obtener vistas 3D apilando esas rebanadas finas, alinearlas puede ser complicado porque los tejidos pueden cambiar de forma al cortarlos.

Además, cuando combinan información de diferentes métodos para obtener una vista completa – como mezclar diferentes sabores para hacer un pastel sabroso – es difícil hacer coincidir las rebanadas con otras mediciones de cosas como la actividad celular.

Nuevos Avances Emocionantes

Estudios recientes han progresado en mirar rebanadas de tejido más gruesas, de hasta 300 micrómetros de grosor. ¡Eso es mucho más grueso que las rebanadas habituales de las que hablamos! Aunque los investigadores han hecho avances, todavía usan principalmente esas rebanadas más finas porque es más fácil.

Uno de esos nuevos métodos se llama hibridación fluorescente in situ robusta y multiplexada (¡intenta decir eso diez veces rápido!). Es una técnica que permite a los científicos etiquetar muchos genes diferentes de una vez y verlos en acción en el tejido. Sin embargo, esto se ha hecho principalmente en rebanadas delgadas.

Enfrentando los Desafíos de los Tejidos Gruesos

La imagen de tejido grueso viene con su propio conjunto de problemas. Primero, al mirar a través de tejido grueso, las señales pueden mezclarse, haciendo difícil ver qué está pasando. Piensa en tratar de leer la letra pequeña en un libro mientras alguien te ilumina con una linterna en los ojos. Segundo, la forma en que la luz se comporta en materiales más gruesos puede hacer que las imágenes se vean borrosas. Y tercero, los métodos usados para preparar el tejido a menudo funcionan mejor para secciones más delgadas.

Para mejorar las cosas, los científicos han comenzado a usar nuevas herramientas como la microscopía confocal de disco rotativo. Este equipo elegante ayuda a aclarar las imágenes borrosas causadas por el grosor del tejido. Lo hace enfocándose en capas muy delgadas, como un láser cortando un pastel capa por capa en lugar de intentar morderlo todo de una vez.

Haciendo que la Luz Funcione en Tejidos Gruesos

Usando la microscopía confocal de disco rotativo, los investigadores pueden obtener imágenes más limpias del ARN en tejidos gruesos. Sin embargo, una desventaja es que capturar estas imágenes puede requerir más luz, lo que puede causar daños con el tiempo. Para solucionar esto, usaron algo llamado aprendizaje profundo, una forma elegante de entrenamiento informático que ayuda a afilar las imágenes sin necesidad de usar luces más brillantes.

¡Este enfoque funcionó bien! Los investigadores lo probaron fotografiando el mismo lugar de tejido con diferentes tiempos de exposición. Compararon los resultados y encontraron que las imágenes mejoradas eran mucho más claras y podían identificar señales de ARN tan bien como los métodos más lentos y cuidadosos.

Conseguir las Gafas Adecuadas para el Trabajo

Además de mejorar el método de imagen, las herramientas usadas para mirar las muestras necesitaban una actualización. Anteriormente, las lentes de aceite de alto poder funcionaban genial para muestras delgadas pero no eran las mejores para las más gruesas. Piensa en tratar de ver a través de un vaso de agua espeso con una lente de cámara que no está diseñada para eso. En lugar de eso, cambiaron a objetivos de inmersión en agua, que se ajustan mejor con las muestras de tejido y reducen las distorsiones al capturar imágenes.

Preparando el Tejido

Los investigadores también adaptaron el proceso de preparación de muestras de tejido para asegurar los mejores resultados. Usaron sondas de oligonucleótidos para etiquetar ARN, pero necesitaban asegurarse de que estas sondas funcionaran bien en tejidos gruesos. Una vez que hicieron ajustes, encontraron que las señales del ARN eran mucho más brillantes y más fáciles de leer sin perder calidad al mirar a través de la grosor.

Viendo 3D en Acción

Después de todas estas mejoras, los investigadores finalmente aplicaron su nuevo método brillante para obtener imágenes de tejido cerebral grueso. Lograron visualizar 242 genes dentro de una sola rebanada delgada de cerebro sin perder la claridad que antes era un desafío en tejidos más gruesos.

Encontraron que podían identificar señales de ARN consistentemente a lo largo de la totalidad de las muestras gruesas. Compararon sus datos con la secuenciación de ARN en masa anterior, y los resultados coincidieron muy bien, lo que significa que este método funcionó bien para entender la expresión genética sin importar cuán gruesa fuera la rebanada.

Identificando Diferentes Tipos de Células

Con este nuevo método, los investigadores no solo se detuvieron en capturar imágenes. Fueron más allá para identificar diferentes tipos de células en el cerebro al observar los patrones de expresión genética. Hay muchos tipos de neuronas, y cada una tiene un trabajo único. Algunas ayudan en el procesamiento de información, mientras que otras apoyan o protegen la infraestructura del cerebro.

Usando sus vistas 3D de expresión genética, los investigadores mapearon estos diferentes tipos de células, mostrando cómo están organizados en el cerebro. Descubrieron que diferentes clases de células, como neuronas excitatorias e inhibitorias, están ordenadamente dispuestas en capas, ¡muy parecido a los ingredientes en un delicioso sándwich!

Los Vecinos de al Lado

Además de identificar tipos de células, los investigadores también tenían curiosidad sobre cómo estas células interactuaban entre sí. Miraron las distancias entre neuronas cercanas para ver cuán pegadas estaban unas a otras. Era como tratar de averiguar qué vecinos se juntan en la parrillada local.

¡Lo que encontraron fue bastante interesante! Algunos tipos de neuronas les gustaba agruparse cerca unas de otras, mientras que otras estaban más esparcidas. Este agrupamiento es esencial para el funcionamiento del cerebro, ya que las neuronas muy juntas pueden comunicarse de manera más efectiva, apoyando la actividad sincronizada dentro del cerebro.

Explorando el Hipotálamo

Para realmente poner a prueba su nuevo método, los investigadores no solo se detuvieron en la corteza; también dirigieron su mirada hacia el hipotálamo, otra área importante del cerebro. Aquí, observaron una sección de 200 micrómetros de grosor. Incluso en esta rebanada más gruesa, pudieron identificar muchas neuronas excitatorias e inhibitorias, así como otros tipos de células que apoyan la salud del tejido.

Usando su técnica refinada, los investigadores mapearon cómo estaban organizadas estas células y cómo interactuaban entre sí en esta importante región del cerebro, muy parecido a conocer el diseño de un nuevo vecindario.

Resumiendo

En conclusión, los científicos han desarrollado un método prometedor para estudiar la expresión genética en tejidos más gruesos, lo que abre nuevas avenidas para entender cómo funcionan nuestros cuerpos y cómo pueden desarrollarse las enfermedades. Al combinar técnicas de imagen inteligentes con herramientas ingeniosas, los investigadores ahora pueden capturar una imagen más clara de lo que está sucediendo a nivel celular.

Este emocionante desarrollo no solo mejora nuestra comprensión del cerebro y sus funciones, sino que también sienta las bases para futuras investigaciones que pueden llevar a mejores tratamientos para varios problemas de salud. Así que la próxima vez que muerdas un pastel y disfrutes de sus capas, recuerda que los científicos están haciendo algo muy parecido con las capas de nuestros tejidos-¡y tienen algunas herramientas geniales para ayudarles a hacerlo!

Fuente original

Título: Three-dimensional single-cell transcriptome imaging of thick tissues

Resumen: Multiplexed error-robust fluorescence in-situ hybridization (MERFISH) allows genome-scale imaging of RNAs in individual cells in intact tissues. To date, MERFISH has been applied to image thin tissue samples of [~]10-{micro}m thickness. Here, we present a thick-tissue three-dimensional (3D) MERFISH imaging method, which uses confocal microscopy for optical sectioning, deep learning for increasing imaging speed and quality, as well as sample preparation and imaging protocol optimized for image registration of thick samples. We demonstrated 3D MERFISH on mouse brain tissue sections of up to 200 {micro}m thickness with high detection efficiency and accuracy. We anticipate that 3D thick-tissue MERFISH imaging will broaden the scope of questions that can be addressed by spatial genomics.

Autores: Rongxin Fang, Aaron R. Halpern, Mohammed Mostafizur Rahman, Zhengkai Huang, Zhiyun Lei, Sebastian J. Hell, Catherine Dulac, Xiaowei Zhuang

Última actualización: 2024-11-08 00:00:00

Idioma: English

Fuente URL: https://www.biorxiv.org/content/10.1101/2023.07.21.550124

Fuente PDF: https://www.biorxiv.org/content/10.1101/2023.07.21.550124.full.pdf

Licencia: https://creativecommons.org/licenses/by/4.0/

Cambios: Este resumen se ha elaborado con la ayuda de AI y puede contener imprecisiones. Para obtener información precisa, consulte los documentos originales enlazados aquí.

Gracias a biorxiv por el uso de su interoperabilidad de acceso abierto.

Más de autores

Artículos similares