Cartografía de proteínas para todos
Con la proteómica visual profunda (DVP) es posible analizar las proteínas con resolución espacial en los tejidos y comprender mejor los procesos patológicos.
Anuncios
Hoy en día, los satélites captan los paisajes con un nivel de detalle que hace 20 años era inalcanzable: registran árboles concretos, grietas en edificios e incluso los detalles de las señales de tráfico. En la investigación proteómica, un método denominado «Deep Visual Proteomics» (DVP) ayuda a los científicos a lograr algo similar a nivel celular y molecular: gracias a este método, pueden determinar la cantidad de proteínas en células individuales y, al mismo tiempo, registrar dónde se encuentran esas células en el tejido.
El equipo del Dr. Fabian Coscia, director del grupo de trabajo «Spatial Proteomics» del Centro Max Delbrück, ha desarrollado ahora la primera herramienta de código abierto para un flujo de trabajo integral: «openDVP» tiene como objetivo simplificar la aplicación de esta tecnología —que se ha optimizado una vez más— y hacerla accesible a un grupo más amplio de usuarios. Los investigadores presentan su nuevo flujo de trabajo en la revista especializada «Nature Methods».
El grupo de trabajo de Coscia ha participado en el desarrollo de DVP; el método se publicó por primera vez en 2022. Debido a su novedad conceptual y a su ya demostrada relevancia traslacional, «Nature Methods» ha distinguido el procedimiento «Spatial Proteomics», del que forma parte DVP, como «Método del Año 2024», explica Coscia, autor principal de la publicación actual.
«Estamos muy contentos de que el método haya evolucionado considerablemente en los últimos años, gracias al esfuerzo conjunto de varios grupos de investigación internacionales», afirma Coscia. «Sin embargo, también nos dimos cuenta de que, para seguir avanzando y lograr una amplia utilización y aceptación en la comunidad científica, se necesitan herramientas de código abierto. Hemos desarrollado openDVP para cubrir esta laguna fundamental».
El DVP combina imágenes de alta resolución, inteligencia artificial y espectrometría de masas para crear mapas de miles de proteínas en el interior de las células de un tejido. La posibilidad de catalogar y visualizar las proteínas con tal detalle ayuda a los investigadores a profundizar en su comprensión del origen de las enfermedades y, partiendo de ello, a desarrollar mejores terapias. El método no se limita a determinadas enfermedades, sino que puede aplicarse a muestras biológicas de cualquier tipo.
Mayor alcance del procedimiento
Con openDVP, el equipo dirigido por Coscia ha optimizado el proceso de análisis de imágenes y ha desarrollado un flujo de trabajo acelerado. Este permite a los investigadores marcar y medir rápidamente células individuales de especial interés o secciones de tejido. Para ello no se requieren conocimientos especializados en análisis de imágenes asistido por ordenador. Además, el grupo ha introducido una nueva estrategia para la extracción de tejido, a la que denomina «DVP guiada por el vecindario celular» (cnDVP, por sus siglas en inglés, «cellular neighborhood-guided DVP»). Esta estrategia guía la extracción de tejido basándose en grupos celulares funcionales recurrentes. Se trata de agrupaciones de diferentes células especializadas que, juntas, desempeñan una tarea concreta en el organismo. «El cnDVP acelera la obtención de muestras aproximadamente 100 veces», afirma José Nimo, autor principal de la publicación. «Todo nuestro flujo de trabajo openDVP reduce considerablemente las barreras de acceso para una comunidad de DVP en expansión».
Para demostrar las posibilidades de la tecnología, los investigadores analizaron y caracterizaron los proteomas con resolución espacial de células en tres muestras de tejido diferentes: una placenta, un adenocarcinoma de pulmón y un tumor de mama. «Hemos seleccionado estas muestras para demostrar la versatilidad de nuestro método. Con ellas podemos ilustrar cómo el procedimiento puede aportar conocimientos únicos sobre la función de las proteínas en distintos entornos celulares que, hasta ahora, habían sido en gran medida inexplorados», afirma Coscia.
El análisis del tejido placentario reveló detalles de la comunicación celular que habrían sido difíciles de descifrar con otras tecnologías. En la muestra de cáncer de pulmón, openDVP encontró varias dianas farmacológicas para las que ya existen terapias autorizadas. Además, el procedimiento identificó el transportador de glucosa GLUT1, que ayuda a las células tumorales metastásicas a absorber glucosa. «Los pacientes con tumores que presentan niveles elevados de esta proteína muestran tasas de supervivencia significativamente peores, lo que pone de manifiesto su relevancia clínica», explica Nimo. En el caso del cáncer de mama, la tecnología reveló vías de señalización inflamatorias elevadas y posiblemente tratables con fármacos, que están relacionadas con la resistencia a la quimioterapia.
Numerosas aplicaciones clínicas
En el futuro, el método openDVP podría servir de apoyo a los ensayos clínicos, por ejemplo, ayudando a los investigadores a comprender mejor los mecanismos de acción de los medicamentos, o también los procesos biológicos que provocan que los cánceres dejen de responder al tratamiento, afirma Nimo. Además, podría contribuir a identificar patrones moleculares relacionados con la respuesta o la falta de respuesta a los fármacos. Esto, a su vez, proporcionaría información valiosa para desarrollar mejores terapias y métodos de diagnóstico.
Para que esta técnica resulte aún más útil en el ámbito clínico, el equipo ya tiene previsto integrar «modelos base» histológicos —grandes redes neuronales de inteligencia artificial entrenadas a partir de datos histopatológicos—. «De esta forma, podremos llevar a cabo estudios de proteómica espacial a gran escala sobre muchas enfermedades diferentes», afirma Nimo. «openDVP es un fantástico precursor tecnológico para estos importantes pasos siguientes», añade Coscia. «Ahora podemos abordar cuestiones que hace tan solo unos años eran totalmente impensables».
Nota: Este artículo ha sido traducido utilizando un sistema informático sin intervención humana. LUMITOS ofrece estas traducciones automáticas para presentar una gama más amplia de noticias de actualidad. Como este artículo ha sido traducido con traducción automática, es posible que contenga errores de vocabulario, sintaxis o gramática. El artículo original en Alemán se puede encontrar aquí.
Publicación original
Más noticias del departamento ciencias
