Durante las primeras etapas del desarrollo, los tejidos y órganos comienzan a florecer mediante el cambio, la división y el crecimiento de muchos miles de células.
Un equipo de ingenieros del MIT ha desarrollado una forma de predecir, minuto a minuto, cómo se plegarán, dividirán y reorganizarán las células individuales durante la etapa más temprana de crecimiento de una mosca de la fruta. Es posible que algún día el nuevo método se aplique para predecir el desarrollo de tejidos, órganos y organismos más complejos. También podría ayudar a los científicos a identificar patrones celulares que corresponden a enfermedades de aparición temprana, como el asma y el cáncer.
En un estudio que aparece hoy en la revista Nature Methods, el equipo presenta un nuevo modelo de aprendizaje profundo que aprende y luego predice cómo cambiarán ciertas propiedades geométricas de las células individuales a medida que se desarrolla una mosca de la fruta. El modelo registra y rastrea propiedades como la posición de una celda y si está tocando una celda vecina en un momento dado.
El equipo aplicó el modelo a vídeos de embriones de mosca de la fruta en desarrollo, cada uno de los cuales comienza como un grupo de aproximadamente 5.000 células. Descubrieron que el modelo podía predecir, con un 90 por ciento de precisión, cómo se plegaría, cambiaría y reorganizaría cada una de las 5.000 células, minuto a minuto, durante la primera hora de desarrollo, a medida que el embrión se transforma de una forma suave y uniforme a estructuras y características más definidas.
“Esta fase inicial se conoce como gastrulación, que tiene lugar durante aproximadamente una hora, cuando las células individuales se reorganizan en una escala de tiempo de minutos”, dice el autor del estudio Ming Guo, profesor asociado de ingeniería mecánica en el MIT. “Al modelar con precisión este período inicial, podemos comenzar a descubrir cómo las interacciones celulares locales dan lugar a tejidos y organismos globales”.
Los investigadores esperan aplicar el modelo para predecir el desarrollo célula por célula en otras especies, como el pez cebra y los ratones. Luego, pueden comenzar a identificar patrones que son comunes entre especies. El equipo también prevé que el método podría utilizarse para discernir patrones tempranos de enfermedades, como el asma. El tejido pulmonar de las personas con asma se ve notablemente diferente del tejido pulmonar sano. Cómo se desarrolla inicialmente el tejido propenso al asma es un proceso desconocido que el nuevo método del equipo podría revelar.
“Los tejidos asmáticos muestran una dinámica celular diferente cuando se toman imágenes en vivo”, dice el coautor y estudiante graduado del MIT Haiqian Yang. “Prevemos que nuestro modelo podría capturar estas diferencias dinámicas sutiles y proporcionar una representación más completa del comportamiento de los tejidos, mejorando potencialmente los diagnósticos o los ensayos de detección de fármacos”.
Los coautores del estudio son Markus Buehler, profesor de ingeniería McAfee en el Departamento de Ingeniería Civil y Ambiental del MIT; George Roy y Tomer Stern de la Universidad de Michigan; y Anh Nguyen y Dapeng Bi de la Universidad Northeastern.
Puntos y espumas
Los científicos suelen modelar cómo se desarrolla un embrión de dos maneras: como una nube de puntos, donde cada punto representa una célula individual como un punto que se mueve a lo largo del tiempo; o como una “espuma”, que representa células individuales como burbujas que se mueven y se deslizan unas contra otras, de forma similar a las burbujas de la espuma de afeitar.
En lugar de elegir entre los dos enfoques, Guo y Yang adoptaron ambos.
“Existe un debate sobre si modelar como una nube de puntos o una espuma”, dice Yang. “Pero ambas son formas esencialmente diferentes de modelar el mismo gráfico subyacente, que es una forma elegante de representar tejidos vivos. Al combinarlos en un solo gráfico, podemos resaltar más información estructural, como cómo las células están conectadas entre sí a medida que se reorganizan con el tiempo”.
En el corazón del nuevo modelo hay una estructura de “gráfico dual” que representa un embrión en desarrollo como puntos móviles y burbujas. A través de esta representación dual, los investigadores esperaban capturar propiedades geométricas más detalladas de las células individuales, como la ubicación del núcleo de una célula, si una célula está en contacto con una célula vecina y si se está plegando o dividiendo en un momento dado.
Como prueba de principio, el equipo entrenó el nuevo modelo para “aprender” cómo las células individuales cambian con el tiempo durante la gastrulación de la mosca de la fruta.
“La forma general de la mosca de la fruta en esta etapa es aproximadamente un elipsoide, pero hay una dinámica gigantesca en la superficie durante la gastrulación”, dice Guo. “Pasa de ser completamente suave a formar una serie de pliegues en diferentes ángulos. Y queremos predecir todas esas dinámicas, momento a momento, y célula por célula”.
donde y cuando
Para su nuevo estudio, los investigadores aplicaron el nuevo modelo a vídeos de alta calidad de gastrulación de la mosca de la fruta tomados por sus colaboradores de la Universidad de Michigan. Los videos son grabaciones de una hora de moscas de la fruta en desarrollo, tomadas con resolución unicelular. Es más, los vídeos contienen etiquetas de los bordes y núcleos de las células individuales, datos increíblemente detallados y difíciles de conseguir.
“Estos vídeos son de altísima calidad”, afirma Yang. “Estos datos son muy raros, ya que se obtiene una resolución submicrónica de todo el volumen 3D a una velocidad de fotogramas bastante rápida”.
El equipo entrenó el nuevo modelo con datos de tres de cuatro vídeos de embriones de mosca de la fruta, de modo que el modelo pudiera “aprender” cómo interactúan y cambian las células individuales a medida que se desarrolla un embrión. Luego probaron el modelo en un vídeo de mosca de la fruta completamente nuevo y descubrieron que era capaz de predecir con gran precisión cómo la mayoría de las 5.000 células del embrión cambiaban de un minuto a otro.
Específicamente, el modelo podría predecir propiedades de celdas individuales, como si se plegarán, dividirán o continuarán compartiendo un borde con una celda vecina, con aproximadamente un 90 por ciento de precisión.
“Terminamos prediciendo no sólo si estas cosas sucederán, sino también cuándo”, dice Guo. “Por ejemplo, ¿esta célula se separará de esta célula dentro de siete u ocho minutos? Podemos saber cuándo sucederá eso”.
El equipo cree que, en principio, el nuevo modelo y el enfoque de gráfico dual deberían poder predecir el desarrollo célula por célula de otros sistemas multicelulares, como especies más complejas e incluso algunos tejidos y órganos humanos. El factor limitante es la disponibilidad de datos de vídeo de alta calidad.
“Desde la perspectiva del modelo, creo que está listo”, afirma Guo. “El verdadero cuello de botella son los datos. Si tenemos datos de buena calidad de tejidos específicos, el modelo podría aplicarse directamente para predecir el desarrollo de muchas más estructuras”.
Este trabajo cuenta con el apoyo, en parte, de los Institutos Nacionales de Salud de EE. UU.