Biologie spatiale : la prochaine révolution dans la compréhension de la santé et de la maladie

Les outils traditionnels utilisés par les biologistes pour étudier les transcriptomes de différents types cellulaires étaient initialement l’immunohistochimie ou en place l’hybridation, c’est-à-dire le marquage de l’ARN, de l’ADN ou des protéines à l’aide d’une ou deux couleurs différentes, permet de distinguer un ou deux types cellulaires. Avec l’avènement de la puissante technologie de séquençage d’ARN unicellulaire (scRNAseq), les biologistes ont rapidement commencé à étudier chaque cellule d’un tissu avec des détails sans précédent. Aujourd’hui, en combinant ces outils d’analyse unicellulaire avec l’imagerie et la microfluidique, la biologie spatiale ajoute une nouvelle couche d’informations et s’apprête à transformer la science biomédicale.

Mise en contexte de l’analyse unicellulaire

La biologie spatiale utilise toute technologie qui détecte l’emplacement et la quantité biologique du contenu cellulaire. Cela pourrait inclure le transcriptome, l’épigénome ou tout ce que vous pouvez mesurer avec la fluorescence en place technologies d’hybridation (FISH) ou de séquençage de nouvelle génération (NGS), mais pour qu’il s’agisse de biologie spatiale, la localisation doit être impliquée.

Dr Harry Perkins Institute of Medical Research et chef de laboratoire à l’Université Curtin. Ankur Sharma explore le lien entre le développement fœtal et le cancer. Pour des chercheurs comme Sharma, scRNA-seq a fourni un changement radical dans la compréhension des types de cellules spécifiques à la maladie, qui sont impliqués dans le développement physiologique normal et quelles cellules sont impliquées dans la maladie. Cependant, une limitation majeure du scRNAseq est qu’il nécessite de prélever du tissu, de le séparer en une suspension unicellulaire et d’analyser le contenu en ARNm de chaque cellule. Cela signifie que les chercheurs perdent le contexte d’une cellule dans son tissu et la façon dont elle interagit et communique avec ses voisines.

La transcriptomique spatiale peut être réalisée à l’aide de la technologie de microdissection par capture laser pour obtenir des sous-populations de cellules sous le microscope, mais cela ne fournit toujours que la transcriptomique au niveau de la masse. « La plupart des utilisateurs veulent pouvoir mesurer le transcriptome de cellules individuelles, c’est pourquoi des technologies plus avancées ont été développées pour y parvenir », explique Kyoung Jae Won, professeur agrégé au Cedars-Sinai Medical Center qui développe des outils analytiques pour interpréter les données de biologie spatiale. . . La plupart des techniques basées sur l’image impliquent la conception de sondes contre des molécules d’ARN ou d’ADN cibles, puis la réalisation de cycles séquentiels de FISH et d’imagerie.1 Les signaux de fluorescence de chaque sonde peuvent être cartographiés avec précision à leurs emplacements dans le tissu, offrant une vue haute résolution du paysage transcriptionnel. Dans les méthodes basées sur NGS, des efforts sont en cours pour augmenter la densité des codes-barres spatiaux afin d’obtenir des données transcriptomiques à une résolution subcellulaire.

Il y a environ cinq ans, les technologies de transcriptomique spatiale ont commencé à être développées, permettant un regard détaillé sur chaque type de cellule. Cela a fourni un contexte pour savoir où ces cellules se trouvent dans les tissus – à quel point elles sont proches, comment cette proximité change à mesure que la maladie progresse et comment leurs interactions changent lorsque les traitements fonctionnent et lorsqu’ils échouent. “Avant, nous ne pouvions que les cataloguer”, dit Sharma, “mais maintenant nous pouvons les cataloguer en comprenant ce qu’ils font dans les tissus. Maintenant, nous pouvons écouter les conversations privées des cellules dans les tissus.”

Jalons de la biologie spatiale

La biologie spatialement résolue permet aux chercheurs d’étudier les cellules dans le contexte du microenvironnement tissulaire, permettant une évaluation plus complète de la fonction cellulaire. Téléchargez ce document pour explorer les principales applications des méthodes de profilage spatial telles que jesur place hybridation, jesur place séquence etc.transcriptomique patiale.

Voir le livre blanc

Un changement radical pour la biologie moléculaire

La biologie spatiale approfondit déjà notre compréhension des mécanismes de la maladie et élucide les changements cellulaires qui peuvent être cliniquement significatifs.

“Pour comprendre la biologie, il est important de faire la distinction entre corrélation et causalité”, a déclaré Sharma. « La présence d’une cellule ou d’un signal cellulaire ne nous dit pas toujours s’il est important pour la maladie. Mais si nous imaginons que les deux types de cellules se rejoignent toujours et transmettent le signal A lorsque le traitement fonctionne, mais le signal B lorsque la thérapie échoue, cela nous aide à comprendre le contexte biologique de la communication cellulaire dans la réponse thérapeutique. C’est le pouvoir de la biologie spatiale.”

Sharma utilise la transcriptomique spatiale pour visualiser comment l’immunothérapie affecte la relation entre le cancer et les cellules immunitaires afin de prédire la réponse à l’immunothérapie chez les patients atteints d’un cancer du foie.2 “Nous avons constaté que les patients présentant des modèles spatiaux spécifiques de communication avec les cellules cancéreuses ne répondent pas aux traitements conventionnels, mais l’immunothérapie bloque cette communication et tue les cellules cancéreuses chez ces patients.” L’équipe de Sharma dirige une étude internationale dans laquelle elle dresse le profil des patients au début du traitement et peut proposer une immunothérapie adjuvante dès le départ. L’objectif est de fournir une preuve de principe selon laquelle si vous identifiez les interactions entre ces types de cellules au début du traitement, vous pouvez étouffer les rechutes dans l’œuf plutôt que d’attendre que les patients rechutent avant d’augmenter ou de modifier le traitement. .

Découverte de cellules rares avec une plateforme d’imagerie high-plex

Téléchargez cette note d’application pour découvrir solution cdéterminer le profil spatial et la quantité de types de cellules rares dans les tissus et les suspensions cellulaires, pour détecter des dizaines de biomarqueurs dans le même échantillon avec des réactifs disponibles dans le commerce et ofournit plus d’informations sur l’expression des protéines que ce qui est possible avec les méthodes d’imagerie standard.

Voir la note d’application

Limites actuelles de la technologie de la biologie spatiale

La plupart des technologies de biologie spatiale actuelles sont basées soit sur une molécule FISH suivie d’une imagerie, soit sur NGS.1 Les approches basées sur NGS étaient limitées en résolution car cela dépendait du nombre de codes-barres spatiaux que vous pouviez insérer sur une diapositive, explique Won : « Lorsque la technologie basée sur NGS est apparue pour la première fois, la taille de chaque point sur le réseau était d’environ 100 uM, maintenant c’est même inférieur à 1 uM, il est possible d’obtenir une taille de réseau de

Les approches basées sur l’imagerie nécessitent une présélection de gènes pour concevoir des sondes pour les espèces d’ARNm, ce qui limite le nombre d’espèces d’ARN détectables. “Bien que certains laboratoires disent qu’ils peuvent mesurer des milliers d’espèces d’ARNm, cela reste laborieux et coûteux”, déclare Won. “Et parce que les technologies basées sur l’image reposent sur la mesure de signaux fluorescents qui se chevauchent, il n’est pas facile de distinguer les espèces d’ARNm en regardant des images.”

Les progrès de la technologie spatiale basée sur les puces à code-barres équivalent à une course aux armements pour les semi-conducteurs : qui peut fabriquer le plus petit semi-conducteur, et donc l’ordinateur le plus puissant, dans le plus petit espace ? “Le plus petit maillage que vous pouvez imprimer est le plus petit détail que vous pouvez tirer d’une cellule”, explique Sharma. « Vous parlez de la différence entre visualiser deux ou trois pâtés de maisons dans une ville par rapport à une maison dans un pâté de maisons. La dernière technologie nous a permis de visualiser ces quartiers mobiles, quels voisins s’y trouvent et comment ils sont connectés les uns aux autres.”

Analyser des données spatiales complexes pour des informations approfondies

rsous-types phénotypiques complexes, relations et sous-structures intercellulaires et spatiales, ccaractériser les états cellulaires individuels et mieux comprendre l’état de différenciation et/ou d’activation.

Voir la note d’application

Nouvelles méthodes d’analyse des données

Un autre défi en biologie spatiale consiste à développer les algorithmes nécessaires pour réassembler chaque pièce du puzzle à partir de chaque code-barres sur la diapositive. La recherche de Won vise à faire exactement cela. Il a déjà développé un algorithme pour détecter l’architecture tissulaire à partir de données de transcriptomique spatiale ou d’épigénomique spatiale, et un autre pour comprendre les interactions cellule-cellule. 3,4*


“Bien qu’il existe des outils qui tentent de fusionner des sites voisins lorsqu’ils sont transcriptionnellement similaires, nous avons eu l’idée de prendre les transcriptomes comme une image et d’y appliquer la technologie de traitement d’image”, explique Won. Avant cela, ils ont dû convertir le transcriptome en une image à l’aide d’algorithmes de réduction de dimensionnalité tels que l’analyse en composantes principales (ACP). Cela leur a permis de représenter 20 000 gènes dans un espace tridimensionnel (3D), chaque dimension étant mappée sur un seul canal de couleur. L’application d’un logiciel de traitement d’image à ces données visuelles leur a permis de détecter plus précisément et plus rapidement l’architecture tissulaire à partir de données cérébrales et de données d’embryons de souris accessibles au public. 3,4*


La prochaine opportunité, dit Sharma, est de traduire la biologie spatiale bidimensionnelle (2D) en 3D. « Nous avons commencé à étudier les interactions 3D des cellules, mais cela est en partie limité par le coût du séquençage. Lorsque le séquençage devient moins cher, nous pouvons faire ces expériences sur différentes couches de tissus. Mais le deuxième élément est de savoir comment tout assembler? Je pense que la communauté doit développer plus d’outils informatiques pour comprendre cela [the] Dynamique 3D de ces types de cellules.

Atlas du transcriptome entier humain

Leave a Reply

Your email address will not be published. Required fields are marked *