Mapeamento de proteínas para todos
Com a Deep Visual Proteomics (DVP), é possível analisar proteínas com resolução espacial nos tecidos e compreender melhor os processos patológicos
Anúncios
Atualmente, os satélites captam imagens de paisagens com um nível de detalhe que, há 20 anos, ainda era inatingível: conseguem registar árvores individuais, fissuras em edifícios e até mesmo os pormenores dos sinais de trânsito. Na investigação proteómica, um método denominado Deep Visual Proteomics (DVP) ajuda os cientistas a alcançar resultados semelhantes a nível celular e molecular: com este método, podem determinar a quantidade de proteínas em células individuais e, ao mesmo tempo, identificar a localização dessas células no tecido.
A equipa do Dr. Fabian Coscia, diretor do grupo de trabalho «Spatial Proteomics» no Max Delbrück Center, desenvolveu agora a primeira ferramenta de código aberto para um fluxo de trabalho holístico: O «openDVP» visa simplificar a aplicação desta tecnologia — mais uma vez otimizada — e torná-la acessível a um grupo mais vasto de utilizadores. Os investigadores apresentam o seu novo pipeline na revista científica «Nature Methods».
O grupo de trabalho de Coscia participou no desenvolvimento do DVP, tendo o método sido publicado pela primeira vez em 2022. Devido à sua novidade conceptual e à importância translacional já comprovada, a «Nature Methods» distinguiu o procedimento «Spatial Proteomics», do qual o DVP faz parte, como «Método do Ano de 2024», explica Coscia, o último autor da publicação atual.
«Estamos muito satisfeitos por o método ter evoluído significativamente nos últimos anos — o que se deve aos esforços conjuntos de vários grupos de investigação internacionais», afirma Coscia. «No entanto, também nos apercebemos de que, para se alcançarem mais progressos e para uma ampla utilização e aceitação na comunidade científica, são necessárias ferramentas de código aberto. Desenvolvemos o openDVP para colmatar esta lacuna crucial.»
O DVP combina imagiologia de alta resolução, inteligência artificial e espectrometria de massa para criar mapas de milhares de proteínas no interior das células de um tecido. A capacidade de catalogar e visualizar proteínas com este nível de detalhe ajuda os investigadores a aprofundar a sua compreensão sobre a origem das doenças e, com base nisso, a desenvolver melhores terapias. O método não se limita a doenças específicas, podendo ser aplicado a amostras biológicas de qualquer tipo.
Maior alcance para o método
Com o openDVP, a equipa liderada por Coscia otimizou o processo de análise de imagens e desenvolveu um fluxo de trabalho acelerado. Este permite aos investigadores marcar e medir rapidamente células individuais ou secções de tecido particularmente interessantes. Não são necessários conhecimentos especializados em análise de imagens assistida por computador para o efeito. Além disso, o grupo introduziu uma nova estratégia de recolha de tecido, a que designa por «DVP guiada pela vizinhança celular» (abreviadamente cnDVP, de «cellular neighborhood-guided DVP»). Esta estratégia orienta a recolha de tecido com base em grupos celulares funcionais recorrentes. Trata-se de aglomerados de diferentes células especializadas que, em conjunto, desempenham uma determinada função no organismo. «O cnDVP acelera a recolha de amostras cerca de 100 vezes», afirma Jose Nimo, primeiro autor da publicação. «Todo o nosso fluxo de trabalho openDVP reduz significativamente as barreiras de entrada para uma comunidade DVP em crescimento.»
Para demonstrar as possibilidades da tecnologia, os investigadores analisaram e caracterizaram os proteomas com resolução espacial de células em três amostras de tecido diferentes: uma placenta, um adenocarcinoma pulmonar e um tumor da mama. «Selecionámos estas amostras para demonstrar a versatilidade do nosso método. Com elas, podemos ilustrar como o procedimento pode fornecer perspetivas únicas sobre a função das proteínas em diferentes ambientes celulares, que até agora eram, em grande parte, inexplorados», afirma Coscia.
A análise do tecido placentário revelou detalhes da comunicação celular que teriam sido difíceis de decifrar com outras tecnologias. Na amostra de cancro do pulmão, o openDVP identificou vários alvos terapêuticos para os quais já existem terapias aprovadas. Além disso, o método identificou o transportador de glicose GLUT1, que ajuda as células tumorais metastáticas na absorção de glicose. «Os doentes com tumores que apresentam quantidades elevadas desta proteína apresentam taxas de sobrevivência significativamente piores — o que ilustra a sua relevância clínica», explica Nimo. No caso do cancro da mama, a tecnologia revelou vias de sinalização inflamatória aumentadas e possivelmente tratáveis com medicamentos, que estão associadas à resistência à quimioterapia.
Muitas aplicações clínicas
No futuro, o método openDVP poderá apoiar estudos clínicos, ajudando, por exemplo, os investigadores a compreender melhor os mecanismos de ação dos medicamentos — ou ainda os processos biológicos que levam a que as doenças oncológicas deixem de responder a um tratamento, afirma Nimo. Além disso, poderia contribuir para identificar padrões moleculares associados à resposta ou à falta de resposta aos medicamentos. Isso, por sua vez, proporcionaria conhecimentos valiosos para o desenvolvimento de melhores terapias e métodos de diagnóstico.
Para tornar a técnica ainda mais utilizável clinicamente, a equipa já planeia integrar «modelos de base» histológicos — grandes redes neurais de inteligência artificial que foram treinadas com base em dados histopatológicos. «Desta forma, seremos capazes de realizar estudos de proteómica espacial em grande escala sobre muitas doenças diferentes», afirma Nimo. «O openDVP é um fantástico pioneiro tecnológico para estes importantes próximos passos», acrescenta Coscia. «Agora podemos investigar questões que, há poucos anos, eram ainda totalmente impensáveis.»
Observação: Este artigo foi traduzido usando um sistema de computador sem intervenção humana. A LUMITOS oferece essas traduções automáticas para apresentar uma gama mais ampla de notícias atuais. Como este artigo foi traduzido com tradução automática, é possível que contenha erros de vocabulário, sintaxe ou gramática. O artigo original em Alemão pode ser encontrado aqui.
Publicação original
Outras notícias do departamento ciência
