Una nueva tecnología permite estudiar decenas de proteínas a la vez y permitirá diagnósticos más rápidos y precisos

Una nueva tecnología permite estudiar decenas de proteínas a la vez y permitirá diagnósticos más rápidos y precisos

Un método basado en IA desarrollado por el Instituto Weizmann de Ciencias puede aumentar exponencialmente la cantidad de esas moléculas obtenidas mediante imágenes detalladas en los tejidos

* Este contenido fue producido por expertos del Instituto Weizmann de Ciencias, uno de los centros más importantes del mundo de investigación básica multidisciplinaria en el campo de las ciencias naturales y exactas, situado en la ciudad de Rejovot, Israel.

Los sistemas de IA ya ejercen su influencia en numerosas áreas de la biomedicina, ayudando a descifrar la estructura de las proteínas, descubrir patrones ocultos en el genoma y procesar cantidades masivas de datos biológicos. Ahora, una tecnología asistida por IA, desarrollada en el Instituto de Ciencias Weizmann y descrita en Nature Biotechnology, podría brindar a investigadores y médicos una forma sin precedentes de observar en profundidad los tejidos del cuerpo, al permitir la visualización simultánea de más proteínas que nunca en una muestra de tejido.

“Para comprender el funcionamiento de un tejido en particular, es crucial medir muchas de sus proteínas simultáneamente”, afirma la Dra. Leeat Keren, del Departamento de Biología Celular Molecular de Weizmann, quien dirigió el equipo de investigación. “Esto nos da una idea de qué células están presentes en el tejido y cómo se comunican e interactúan entre sí”.

Keren explica que este conocimiento es vital para el estudio de los procesos patológicos. Los tumores cancerosos, por ejemplo, contienen, además de células tumorales, otros tipos de células, incluyendo células sanas del tejido donde crece el tumor y del sistema inmunitario. La composición celular del tumor y la interacción entre estos tipos de células puede determinar la eficacia de las terapias o utilizarse para predecir qué pacientes tienen un mejor pronóstico y cuáles son propensos a desarrollar metástasis. Estos hallazgos, a su vez, pueden conducir a tratamientos personalizados mejorados.

Esta nueva tecnología del Instituto Weizmann, denominada CombPlex, supone un avance significativo en el estudio de la composición celular de los tejidos. A diferencia de los métodos convencionales que capturan datos de solo tres o cuatro proteínas a la vez, CombPlex, en su fase de prueba de concepto, ya ha demostrado la capacidad de visualizar y cuantificar simultáneamente casi dos docenas de proteínas dentro de células individuales, con el potencial de ampliar esta capacidad a cientos de proteínas en el futuro. Esta tecnología no requiere instrumentos adicionales, lo que la hace muy accesible.

En busca de la foto instantánea

Las limitaciones de los métodos tradicionales se deben a la óptica de la luz. Las sondas fluorescentes utilizadas para marcar proteínas han impulsado enormemente el estudio de las mismas en las últimas décadas, pero cuando varias proteínas en la misma muestra de tejido se marcan con sondas de diferentes colores, los colores, similares al celofán, pueden superponerse, distorsionando la imagen microscópica. Una solución es repetir la obtención de imágenes varias veces, eliminando cada vez las etiquetas existentes y colocando nuevas. Sin embargo, este enfoque, conocido como fluorescencia cíclica, requiere mucho tiempo y, en última instancia, solo permite obtener imágenes de varias docenas de proteínas como máximo, de la infinidad de versiones proteicas que pueden producir los aproximadamente 20.000 genes codificantes de proteínas del genoma humano.

“Queríamos desarrollar un método de obtención de imágenes que permitiera capturar más de ellos a la vez, para que eventualmente pudiéramos fotografiarlos a todos”, afirma Keren.

Ofrece una metáfora fotográfica para describir la esencia de su misión. «Imagina que quieres tomar una instantánea de una habitación, pero estás limitado a fotografiar tres o cuatro objetos a la vez; digamos, solo mesas, sillas y pantallas de televisión para empezar. Para cuando llegues a las ventanas, alfombras y lámparas de pie, habrás tomado docenas de fotos y luego tendrás que ensamblarlas para obtener una imagen aproximada de la habitación». El objetivo de Keren es proporcionar un medio para fotografiar la habitación completa, con todos los objetos que contiene, en una sola toma.

Lectura de proteínas superpuestas

Keren y su equipo decidieron confiar en lo que se conoce como un enfoque combinatorio: etiquetar cada proteína adjuntándole varias etiquetas fluorescentes, de modo que cada molécula se identifique mediante una combinación única de etiquetas fluorescentes que crean una especie de código de barras.

La ventaja de las combinaciones, o códigos de barras, es que permiten aumentar considerablemente el número de moléculas etiquetadas con un pequeño número de colores. Si se desea visualizar, por ejemplo, siete moléculas diferentes, se pueden marcar con solo tres colores, ya que estos tres colores pueden presentarse en numerosas combinaciones posibles. Con más etiquetas, el número de combinaciones potenciales aumenta exponencialmente, abriendo una gama más amplia de posibilidades. Sin embargo, si visualizar varias sondas individuales resulta complejo, el problema se agrava aún más al visualizar varios códigos de barras. A medida que aumenta el número de códigos de barras, estos se superponen rápidamente, lo que impide distinguirlos.

Keren y su equipo idearon que la IA podría abordar el problema, aparentemente insoluble, de la superposición de códigos de barras. Plantearon la hipótesis de que la IA podría lograrlo mediante el aprendizaje de las propiedades de expresión de diferentes proteínas a partir de imágenes de tejidos, ya que algunas proteínas se expresan solo en un tipo de célula, mientras que otras, en diferentes células; algunas se expresan en la superficie celular y otras en el interior de la célula; algunas son ubicuas, mientras que otras son poco comunes.

Sorprendentemente, su presentimiento resultó ser cierto. En colaboración con la Dra. Shai Bagon, del Centro Weizmann de Inteligencia Artificial, Keren y su equipo de estudiantes —cuya formación abarcaba desde la bioquímica hasta la bioinformática y las matemáticas— se propusieron diseñar un método experimental capaz de medir múltiples proteínas a la vez y un algoritmo de IA que analizara imágenes con numerosos códigos de barras de proteínas. El equipo entrenó una red neuronal profunda para abordar el reto de descomponer imágenes combinatorias en imágenes de proteínas individuales. La red se entrenó con datos simulados, generados mediante la combinación de numerosas imágenes fluorescentes de proteínas individuales producidas en laboratorios de todo el mundo.

El resultado es CombPlex, un método de imagen asistido por IA que mide con precisión múltiples proteínas en una muestra de tejido a nivel de células individuales. Puede descomprimir imágenes que, para un observador humano, parecen una maraña fluorescente de pesadilla, clasificando las señales en imágenes de proteínas individuales.

Dado que CombPlex es compatible con los microscopios fluorescentes convencionales, ampliamente utilizados en investigación y clínica, ofrece la posibilidad de facilitar considerablemente el estudio de tejidos en laboratorios biomédicos y médicos. Además de proporcionar una imagen más completa del tejido, puede, en uno o dos días, obtener imágenes de proteínas que tardarían semanas en obtenerse con métodos convencionales.

“Esperamos que algún día CombPlex reemplace los métodos patológicos habituales porque proporciona una visión más integral de los tejidos y permite obtener información más precisa para la toma de decisiones clínicas”, afirma Keren.

En teoría, CombPlex permite a los investigadores capturar hasta 2 n -1 proteínas utilizando solo n etiquetas. Esto significa que 3 etiquetas pueden capturar 7 proteínas; 5 etiquetas, 31 proteínas; y 10 etiquetas, 1023 proteínas, aunque las dificultades en la vida real pueden reducir estas cifras. En el estudio, el equipo de Keren logró medir 22 proteínas utilizando códigos de barras compuestos por 5 etiquetas diferentes cada uno.

El desarrollo de CombPlex fue guiado y apoyado por Bina, la unidad de investigación traslacional del Instituto Weizmann, que identifica proyectos en fase inicial con potencial de aplicación. «Cuando consultamos a expertos en el campo, todos se mostraron muy entusiasmados con esta tecnología», afirma la directora de Bina, la Dra. Sharon Fireman.

El equipo de investigación también incluyó a Raz Ben-Uri, Lior Ben Shabat, Dana Shainshein, Yuval Bussi, Noa Maimon, el Dr. Tal Keidar Haran, el Dr. Idan Milo y el Dr. Ofer Elhanani del Departamento de Biología Celular Molecular; Omer Bar Tal del Departamento de Informática y Matemática Aplicada; Dres. Inna Goliand, Yoseph Addadi y Tomer-Meir Salame del Departamento de Instalaciones Básicas de Ciencias Biológicas; y el Dr. Alexander Rochwarger y el Prof. Christian M. Schuerch del Hospital Universitario de Tuebingen, Alemania.

La investigación de la Dra. Leeat Yankielowicz-Keren cuenta con el apoyo del Instituto Dwek para la Investigación en Terapias contra el Cáncer; el Programa de Ciencia Colaborativa Schwartz Reisman; la Fundación Abisch-Frenkel para la Promoción de las Ciencias de la Vida; el Fondo de Investigación de la Fundación Enoch; Sharon Levine y Jon Corzine; la Fundación Rising Tide; y la Fundación Alberto Palatchi.

La Dra. Yankielowicz-Keren es la titular de la Cátedra de Desarrollo Presidencial Fred y Andrea Fallek.