.
Na pesquisa de doenças, é importante conhecer a expressão genética e onde ela ocorre no tecido, mas combinar os dois conjuntos de informações pode ser um desafio.
“As tecnologias unicelulares, especialmente no campo emergente da transcriptômica espacial, ajudam os cientistas a ver onde os genes estão ativados ou desativados em um tecido. Combinam informações sobre a atividade genética com as localizações exatas nos tecidos da doença”, explica Fan Zhang, PhD, professor assistente de medicina com nomeação secundária no Departamento de Informática Biomédica da Faculdade de Medicina da Universidade do Colorado.
“Isso é realmente valioso porque permite que médicos e pesquisadores vejam não apenas quais genes estão ativos, mas também onde estão ativos, o que pode fornecer informações importantes sobre como diferentes células se comportam e interagem em condições de doença”, continua ela.
A combinação eficaz de localização e informação genética tem sido um grande obstáculo para os investigadores – até agora.
Zhang e seu laboratório desenvolveram um novo método computacional de aprendizado de máquina – chamado Spatial Transcriptomic multi-viEW, ou “STew”, abreviadamente – que permite a análise conjunta da variação espacial e das mudanças na expressão gênica de uma forma escalável que pode lidar com grandes quantidades de células.
Esta nova tecnologia pode ajudar os pesquisadores a aprender mais sobre a biologia espacial por trás de muitas doenças diferentes e levá-los a melhores terapias de tratamento.
Um caminho em direção a um alvo preciso para um tratamento eficaz
A nova tecnologia é precisa na descoberta de padrões significativos que mostram onde ocorrem atividades celulares específicas, o que é importante para a compreensão de como as células funcionam e como os tecidos clínicos são estruturados nas doenças. O laboratório de Zhang já aplicou com sucesso o STew em tecidos humanos, incluindo cérebros humanos, pele com inflamação e tumores de câncer de mama.
Para Zhang, que estuda doenças inflamatórias usando ferramentas computacionais de IA e abordagens translacionais, encontrar um bom alvo para tratamento costuma ser um desafio, mas o STew pode ajudar a mudar isso.
“No caso de articulações inflamadas, por exemplo, os genes que causam inflamação podem estar mais próximos do vaso sanguíneo através da interação com estruturas mesenquimais, ou podem estar mais distantes, mas saber a localização exata e os padrões de comunicação célula-célula nos ajuda a entender melhor os mecanismos subjacentes. ,” ela diz.
Ao fundir a biologia espacial e a diversidade molecular, o STew dá aos pesquisadores uma nova dimensão na classificação da heterogeneidade dos pacientes.
“Se você usar apenas a expressão genética para classificar os pacientes, não terá o quadro completo”, diz Zhang. “Depois de adicionar informações espaciais, você terá uma compreensão mais abrangente.”
“Esperamos que o STew seja eficaz na descoberta de sinais moleculares e celulares críticos em diversas condições clínicas, como diferentes tipos de tumores e doenças autoimunes, abrindo novos caminhos para vias imunológicas desreguladas para intervenção terapêutica para essas doenças”, continua ela.
Uma nova rota orientada por software para capacitar a colaboração
Há outra vantagem que acompanha o desenvolvimento do STew: colaboração. As descobertas científicas beneficiam frequentemente do trabalho conjunto de especialistas de diferentes áreas.
Como o STew tem uma ampla aplicação, Zhang diz que o software reunirá os pesquisadores de maneiras novas e estimulantes que, em última análise, beneficiarão o campo da medicina e serão promissores aos pacientes que necessitam de tratamentos.
“Queremos encorajar pesquisadores de todas as especialidades, conjuntos de habilidades e até departamentos a colaborar de maneiras que antes não seriam capazes de fazer”, diz Zhang. “Podemos realizar mais juntos, por isso é importante impulsionar a colaboração baseada em dados e motivada por ferramentas de IA de uma forma que seja significativa.”
.
