Nova Técnica para Estudar o Comportamento das Células no Sangue
Pesquisadores desenvolvem microscopia com desfoque de movimento pra observar interações celulares no sangue integral.
― 9 min ler
Índice
O comportamento das células é super importante em várias condições médicas, tipo câncer e desordens sanguíneas. Os pesquisadores estudam como as células se grudam umas nas outras e se movimentam na corrente sanguínea. Essa pesquisa ajuda a gente a entender doenças como câncer, trombose, e mais.
Métodos Atuais e Desafios
Os cientistas costumam usar técnicas especiais pra observar células no laboratório. Os métodos comuns envolvem usar um líquido tampão que ajuda a luz a passar pra fazer imagens. Mas, usar esses tampões pode mudar como as células se comportam em comparação com o ambiente natural no sangue todo. As proteínas do plasma têm um papel grande em como os glóbulos vermelhos interagem com outras células. Pra observar essas interações com precisão, é melhor estudar no sangue inteiro.
As técnicas padrão são os métodos de microscopia intravital, que dão uma olhada mais próxima de como as células atuam em organismos vivos. Esses métodos permitem que os cientistas vejam as células em tempo real, mas são bem caros e complicados. Por isso, geralmente ficam limitados a grupos de pesquisa menores.
Os pesquisadores estão explorando alternativas. Um método promissor, a microscopia de fluorescência por reflexão total interna, é útil pra estudar interações celulares com sangue inteiro. Mas, rotular células no sangue pode ser complicado. Além disso, métodos de imagem óptica a laser podem contar como as plaquetas interagem no sangue, mas só fornecem dados numéricos básicos e também são complexos de configurar.
Apresentando a Microscopia de Desfoque de Movimento (MBM)
Pra resolver os desafios de estudar o comportamento celular no sangue, desenvolvemos um método mais fácil chamado microscopia de desfoque de movimento (MBM). Essa técnica permite que os cientistas observem interações celulares em sangue inteiro sem precisar diluir a amostra.
A MBM usa um conceito simples de borrar objetos em movimento pra visualizar melhor as células grudadas em uma superfície. Ajustando as configurações da câmera, os pesquisadores podem borrar as células que se movem rápido, facilitando a visualização das células paradas que estão grudadas na superfície.
Testamos a MBM em várias configurações e observamos que os glóbulos vermelhos em forma de foice de indivíduos com Doença Falciforme grudam mais nas superfícies dos vasos sanguíneos do que os glóbulos vermelhos saudáveis. Quando diluímos as amostras de sangue, as interações diminuíram ou mudaram de formas inesperadas.
Como a MBM Funciona
Na MBM, duas configurações importantes da câmera são alteradas: os níveis de luz são reduzidos e o tempo de exposição é aumentado. Isso cria traços nas imagens das células em movimento, mas facilita a visualização das células paradas. Em experimentos, mostramos diferentes visões do sangue fluindo por um canal pra ilustrar nossa metodologia claramente.
Usamos várias superfícies pra estudar o comportamento celular, incluindo aquelas revestidas com proteínas como laminina e E-selectina. Nossos resultados indicaram padrões distintos de interações para células falciformes e Células CAR-T, um tipo de célula imunológica usada no tratamento do câncer.
Analisando Interações Celulares
Enquanto a MBM oferece ótimas percepções, analisar os dados pode ser desafiador, especialmente quando assistimos vídeos por longos períodos. Pra lidar com isso, criamos um sistema de análise automatizado alimentado por aprendizado de máquina. Esse sistema pode identificar e classificar eficientemente as células nas imagens e vídeos da MBM.
A análise automatizada consiste em duas fases. A primeira fase identifica grupos de pixels que pertencem a células grudadas. A segunda fase classifica esses grupos por tipo celular com base em características como tamanho.
Esse processo permite que a gente examine propriedades das células, como tamanho e forma, e estude seus movimentos. A análise consegue lidar com grandes quantidades de dados, ajudando a medir como as células se comportam ao longo do tempo.
Aplicações da MBM
Estudar o comportamento das células no nível individual pode oferecer percepção sobre como certas doenças se desenvolvem. Por exemplo, a doença falciforme é marcada por mudanças nos glóbulos vermelhos que podem levar a várias complicações. Ao observar essas células em condições de fluxo similares às que elas experimentam no corpo, podemos aprender mais sobre a doença.
Da mesma forma, entender como as células CAR-T migram e se grudam nos vasos sanguíneos é vital pra desenvolver terapias eficazes contra o câncer. Com a MBM, conseguimos analisar melhor essas interações celulares importantes.
Configurações Experimentais
Pra validar as capacidades da MBM, usamos várias configurações experimentais. Em uma configuração, estudamos glóbulos vermelhos em forma de foice sob fluxo em canais revestidos com laminina. Em outra, olhamos células CAR-T em superfícies revestidas com E-selectina. Nossos resultados mostram que a MBM é flexível e pode ser aplicada a várias necessidades de pesquisa.
Durante nossos experimentos, focamos em três objetivos principais:
- Precisão da MBM: Demonstramos que a MBM pode classificar as células de forma precisa e repetível.
- Caracterização das Propriedades Celulares: As características físicas das células identificadas eram mensuráveis.
- Criação de um Conjunto de Dados Útil: Coletamos dados que podem ser aplicados tanto em pesquisa básica quanto clínica.
Classificando Células com a MBM
Nosso pipeline de análise se provou eficaz em distinguir grupos de pixels grudados, o que significa que conseguimos identificar quais representam células reais e quais são detritos. Validamos nosso método comparando as contagens do sistema automatizado com aquelas feitas manualmente pelos pesquisadores, e encontramos uma forte concordância.
Coleta de Dados em Alta Taxa
O poder da MBM está na sua capacidade de analisar muitas células de uma vez, gerando uma riqueza de informações. Conseguimos rastrear várias células, estudando quanto tempo elas ficaram grudadas nas superfícies e seus padrões de movimento.
Nas nossas análises, observamos vários tipos de eventos de adesão. Algumas células grudaram forte, enquanto outras se moveram um pouco. Esse rastreamento detalhado nos permitiu construir uma compreensão abrangente do comportamento celular durante as interações.
Comportamento Dinâmico das Células
Ao analisar os vídeos obtidos pela MBM, pudemos explorar quanto tempo as células ficam grudadas e como se movem. Descobrimos padrões para os glóbulos vermelhos em forma de foice e células CAR-T, notando diferenças significativas em seus comportamentos.
Por exemplo, os glóbulos vermelhos em forma de foice frequentemente tinham durações de adesão mais longas, enquanto as células CAR-T eram mais móveis. Essas observações fornecem pistas vitais sobre como diferentes células operam sob fluxo.
Insights Sobre Adesão Celular
Também exploramos a relação entre a forma celular e quanto tempo elas ficam grudadas. Para os glóbulos vermelhos em forma de foice, encontramos que aquelas que grudaram por mais tempo eram um pouco menos alongadas. Em contrapartida, para as células CAR-T, essa relação não foi estatisticamente significativa.
Além disso, olhamos como o movimento celular se relaciona com o fluxo sanguíneo. Medimos as direções das células enquanto se moviam e quão rápido viajavam. As células CAR-T mostraram muito mais atividade em comparação com os glóbulos vermelhos em forma de foice.
Direções Futuras e Potenciais Aplicações
A flexibilidade da MBM abre possibilidades pra muitas perguntas de pesquisa. Por exemplo, estudar como células imunológicas interagem com tumores pode levar a tratamentos de câncer melhores. Os pesquisadores também poderiam investigar o comportamento das células falciformes em diferentes condições de fluxo pra ver como isso afeta a progressão da doença.
Além disso, usar a MBM em combinação com outros sistemas ajuda a construir modelos mais complexos de interações que acontecem no corpo. Isso pode impactar pesquisas em condições como artrite reumatoide, onde entender o movimento celular é crítico.
Limitações e Considerações
Embora a MBM mostre promessas, há limitações. Em cenários complexos com muitas células sobrepostas, pode ser mais difícil rastrear os comportamentos celulares individuais. No entanto, acreditamos que esses desafios podem ser resolvidos com técnicas de análise adicionais.
A precisão na medição de propriedades celulares, como forma, também pode variar com a velocidade das células. Pra melhorar nossas medições, podemos implementar técnicas de calibração pra considerar os efeitos do movimento durante a imagem.
Conclusão
Em resumo, a microscopia de desfoque de movimento (MBM) é uma ferramenta promissora pra estudar como as células interagem na presença do fluxo sanguíneo total. Ela oferece um método fácil de usar e em alta taxa pra analisar a dinâmica de adesão celular, sendo útil tanto pra pesquisa básica quanto pra aplicações clínicas. A análise automatizada melhora a qualidade dos dados e permite que os pesquisadores coletem percepções valiosas sobre o comportamento celular em condições que imitam o corpo humano de forma mais precisa do que os métodos anteriores. À medida que a pesquisa avança, a MBM pode desempenhar um papel significativo em aprofundar nosso entendimento sobre doenças e desenvolver tratamentos eficazes.
Título: Motion Blur Microscopy
Resumo: Imaging and characterizing the dynamics of cellular adhesion in blood samples is of fundamental importance in understanding biological function. In vitro microscopy methods are widely used for this task, but typically require diluting the blood with a buffer to allow for transmission of light. However whole blood provides crucial mechanical and chemical signaling cues that influence adhesion dynamics, which means that conventional approaches lack the full physiological complexity of living microvasculature. We propose to overcome this challenge by a new in vitro imaging method which we call motion blur microscopy (MBM). By decreasing the source light intensity and increasing the integration time during imaging, flowing cells are blurred, allowing us to identify adhered cells. Combined with an automated analysis using machine learning, we can for the first time reliably image cell interactions in microfluidic channels during whole blood flow. MBM provides a low cost, easy to implement alternative to intravital microscopy, the in vivo approach for studying how the whole blood environment shapes adhesion dynamics. We demonstrate the methods reproducibility and accuracy in two example systems where understanding cell interactions, adhesion, and motility is crucial--sickle red blood cells adhering to laminin, and CAR-T cells adhering to E-selectin. We illustrate the wide range of data types that can be extracted from this approach, including distributions of cell size and eccentricity, adhesion durations, trajectories and velocities of adhered cells moving on a functionalized surface, as well as correlations among these different features at the single cell level. In all cases MBM allows for rapid collection and processing of large data sets, ranging from thousands to hundreds of thousands of individual adhesion events. The method is generalizable to study adhesion mechanisms in a variety of diseases, including cancer, blood disorders, thrombosis, inflammatory and autoimmune diseases, as well as providing rich datasets for theoretical modeling of adhesion dynamics.
Autores: Michael Hinczewski, U. Goreke, A. Gonzales, B. Shipley, M. Tincher, O. Sharma, W. Wulftange, Y. Man, R. An, U. A. Gurkan
Última atualização: 2024-05-16 00:00:00
Idioma: English
Fonte URL: https://www.biorxiv.org/content/10.1101/2023.10.08.561435
Fonte PDF: https://www.biorxiv.org/content/10.1101/2023.10.08.561435.full.pdf
Licença: https://creativecommons.org/licenses/by-nc/4.0/
Alterações: Este resumo foi elaborado com a assistência da AI e pode conter imprecisões. Para obter informações exactas, consulte os documentos originais ligados aqui.
Obrigado ao biorxiv pela utilização da sua interoperabilidade de acesso aberto.