Cartographie des protéines pour tous
La protéomique visuelle approfondie (DVP) permet d'analyser les protéines avec une résolution spatiale dans les tissus et de mieux comprendre les processus pathologiques
Annonces
Aujourd'hui, les satellites reproduisent les paysages avec un niveau de détail qui était encore inaccessible il y a 20 ans : ils permettent de distinguer des arbres isolés, des fissures dans les bâtiments et même les détails des panneaux de signalisation. Dans le domaine de la recherche protéomique, une technique appelée « Deep Visual Proteomics » (DVP) aide les scientifiques à réaliser des prouesses similaires aux niveaux cellulaire et moléculaire : cette méthode leur permet de déterminer la quantité de protéines présentes dans chaque cellule tout en localisant précisément ces cellules au sein du tissu.
L’équipe du Dr Fabian Coscia, responsable du groupe de travail « Spatial Proteomics » au Centre Max Delbrück, vient de développer le premier outil open source permettant un flux de travail complet : « openDVP » vise à simplifier l’utilisation de cette technologie – une nouvelle fois optimisée – et à la rendre accessible à un plus grand nombre d’utilisateurs. Les chercheurs présentent leur nouveau pipeline dans la revue spécialisée « Nature Methods ».
Le groupe de travail de Coscia a participé au développement de la méthode DVP, publiée pour la première fois en 2022. En raison de sa nouveauté conceptuelle et de son importance translationnelle déjà démontrée, « Nature Methods » a désigné la « protéomique spatiale », dont fait partie la DVP, comme « méthode de l’année 2024 », explique Coscia, dernier auteur de la publication actuelle.
« Nous sommes ravis que cette méthode ait considérablement évolué ces dernières années, grâce aux efforts conjoints de plusieurs groupes de recherche internationaux », déclare Coscia. « Nous avons toutefois pris conscience que des outils open source étaient nécessaires pour permettre de nouveaux progrès, ainsi qu’une utilisation et une acceptation à grande échelle au sein de la communauté scientifique. Nous avons développé openDVP afin de combler cette lacune cruciale. »
La DVP combine l’imagerie haute résolution, l’intelligence artificielle et la spectrométrie de masse pour cartographier des milliers de protéines à l’intérieur des cellules d’un tissu. La possibilité de répertorier et de visualiser les protéines avec un tel niveau de détail aide les chercheurs à approfondir leur compréhension de l’origine des maladies et, sur cette base, à développer de meilleurs traitements. La méthode ne se limite pas à certaines pathologies, mais peut être appliquée à tout type d’échantillons biologiques.
Un champ d’application élargi pour cette méthode
Avec openDVP, l’équipe dirigée par Coscia a optimisé le processus d’analyse d’images et mis au point un flux de travail accéléré. Celui-ci permet aux chercheurs de marquer et de mesurer rapidement des cellules ou des sections de tissu particulièrement intéressantes. Aucune expertise particulière en analyse d’images assistée par ordinateur n’est requise pour cela. De plus, le groupe a mis en place une nouvelle stratégie de prélèvement tissulaire, qu’il qualifie de « DVP guidée par le voisinage cellulaire » (cnDVP, pour « cellular neighborhood-guided DVP »). Celle-ci oriente le prélèvement tissulaire en fonction de groupes cellulaires fonctionnels récurrents. Il s’agit d’associations de différentes cellules spécialisées qui remplissent ensemble une tâche spécifique dans l’organisme. « Le cnDVP accélère le prélèvement d’échantillons d’environ 100 fois », explique Jose Nimo, premier auteur de la publication. « L’ensemble de notre flux de travail openDVP réduit considérablement les obstacles à l’accès pour une communauté DVP en pleine expansion. »
Afin de démontrer les possibilités offertes par cette technologie, les chercheurs ont analysé et caractérisé les protéomes à résolution spatiale de cellules issues de trois échantillons tissulaires différents : un placenta, un adénocarcinome pulmonaire et une tumeur du sein. « Nous avons sélectionné ces échantillons pour montrer la polyvalence de notre méthode. Ils nous permettent d’illustrer comment cette technique peut fournir des informations uniques sur la fonction des protéines dans divers environnements cellulaires qui, jusqu’à présent, étaient largement inexplorés », explique Coscia.
L’analyse du tissu placentaire a révélé des détails de la communication cellulaire qu’il aurait été difficile de décrypter avec d’autres technologies. Dans l’échantillon de cancer du poumon, openDVP a mis en évidence plusieurs cibles thérapeutiques pour lesquelles il existe déjà des traitements approuvés. De plus, la méthode a permis d’identifier le transporteur de glucose GLUT1, qui aide les cellules tumorales métastatiques à absorber le glucose. « Les patients présentant des tumeurs riches en cette protéine affichent des taux de survie nettement inférieurs, ce qui souligne son importance clinique », explique Nimo. Dans le cas du cancer du sein, la technologie a mis en évidence des voies de signalisation inflammatoires accrues et potentiellement traitables par des médicaments, qui sont associées à une résistance à la chimiothérapie.
De nombreuses applications cliniques
À l’avenir, la méthode openDVP pourrait soutenir les essais cliniques en aidant par exemple les chercheurs à mieux comprendre les mécanismes d’action des médicaments – ou encore les processus biologiques qui conduisent à la résistance des cancers à un traitement, explique Nimo. De plus, elle pourrait contribuer à identifier des profils moléculaires liés à la réponse ou à l’absence de réponse aux médicaments. Cela fournirait à son tour des informations précieuses pour développer de meilleurs traitements et outils de diagnostic.
Afin de rendre cette technique encore plus exploitable sur le plan clinique, l’équipe prévoit déjà d’intégrer des « modèles de base » histologiques – de grands réseaux neuronaux d’intelligence artificielle entraînés à partir de données histopathologiques. « De cette manière, nous serons en mesure de mener des études de protéomique spatiale à grande échelle sur de nombreuses maladies différentes », explique Nimo. « openDVP est un formidable pionnier technologique pour ces prochaines étapes cruciales », ajoute Coscia. « Nous pouvons désormais explorer des questions qui étaient encore totalement inimaginables il y a quelques années. »
Note: Cet article a été traduit à l'aide d'un système informatique sans intervention humaine. LUMITOS propose ces traductions automatiques pour présenter un plus large éventail d'actualités. Comme cet article a été traduit avec traduction automatique, il est possible qu'il contienne des erreurs de vocabulaire, de syntaxe ou de grammaire. L'article original dans Allemand peut être trouvé ici.
Publication originale
Annonces
Autres actualités du département science
