Presentan una imagen nueva para la clasificación celular

Los métodos que separan físicamente las células de interés con base en características medibles tienen numerosos usos en estudios y aplicaciones clínicas, incluidas las terapias celulares. Las células también se pueden clasificar en función de las señales de las sondas extrínsecas.

La clasificación de células activadas por fluorescencia (FACS) es el medio más popular para separar una población de células en subconjuntos de acuerdo con la cantidad total de biomarcadores clave que expresa cada célula. Estos biomarcadores generalmente se detectan con anticuerpos marcados con fluorocromos.

Imagen: Esquema del método de clasificación de células basado en imágenes, la Tecnología de Imágenes BD CellView (Fotografía cortesía de BD Biosciences)

Los especialistas en citometría de flujo de la Universidad de Newcastle (Newcastle upon Tyne, Reino Unido) y el Instituto Broad (Cambridge, MA, EUA), realizaron los últimos avances en el uso de FACS. El instrumento prototipo para este nuevo medio de clasificación es una adaptación del clasificador de células BD FACSMelody (BD Biosciences, San José, CA, EUA), considerado como el caballo de batalla para la FACS.

El nuevo método, llamado Tecnología de Imágenes BD CellView, combinó microscopía ultrarrápida y análisis de imágenes con un clasificador de células de citometría de flujo para desbloquear fenotipos espaciales para aplicaciones de clasificación de alto rendimiento. Aunque este instrumento prototipo tiene solo unos pocos canales de fluorescencia (los sistemas FACS complejos tienen muchos más), clasifica las células según el patrón espacial de fluorescencia dentro de cada célula. El sistema se basa en imágenes de fluorescencia rápidas que utilizan emisión etiquetada por radiofrecuencia y electrónica especializada de clasificación y procesamiento de señales de baja latencia, un enfoque inteligente que proporciona información espacial para cada señal.

El clasificador separó físicamente las células que tenían expresión nuclear de RelA después de nueve horas de tiempo de ejecución a una velocidad de clasificación de 14 millones de células por hora. Luego, los investigadores pudieron identificar loci específicos, cuya ablación bloqueó la translocación nuclear de RelA. Hicieron esto mediante la secuenciación de ARN guía únicos que servían como códigos de barras en las células afectadas. En general, parece que este sistema puede clasificar adecuadamente las células con base en características morfológicas complejas preespecificadas.

Las tecnologías de clasificación de células basadas en imágenes tienen innumerables aplicaciones. Los reactivos genéticos, con código de barras, que están presentes en las poblaciones de células ordenadas por imágenes se pueden secuenciar, lo que permite una poderosa eliminación de todo el genoma o exámenes de expresión exagerada. Esta aplicación amplía el número de fenotipos que se pueden examinar para identificar los genes que subyacen a los fenotipos celulares relacionados con enfermedades, un desarrollo que puede descubrir objetivos terapéuticos potenciales.

La clasificación de células basada en imágenes se puede utilizar para explorar la relación entre los fenotipos de células visibles ordenados y otras características. Las subpoblaciones de células clasificadas según características morfológicas podrían ser analizadas posteriormente en cuanto a su genoma, transcriptoma, epigenoma, proteoma o propiedades morfológicas adicionales. Además, las poblaciones ordenadas se pueden comparar según la respuesta a perturbaciones como los tratamientos farmacológicos.

Las tecnologías de clasificación requieren la clasificación de cada célula en tiempo real, y la clasificación de células con fenotipos complejos requiere aprendizaje automático. Por lo tanto, queda por ver si las células con fenotipos complejos podrían ser clasificadas con éxito. Sin embargo, juntos, estos avances en el proceso apuntan a un futuro en el que las subpoblaciones de células de precisión podrían ser purificadas y aprovechadas rápidamente. El estudio fue publicado el 5 de mayo de 2022 en la revista The New England Journal of Medicine.

Enlaces relacionados:
Universidad de Newcastle
Instituto Broad
BD Biosciences