A spatial mRNA profiling workflow using Rapid Amplified Multiplex FISH (RAMFISH)

Resumen Técnico: FISH Multiplex Amplificado Rápido (RAMFISH)

Planteamiento del Problema
La localización espacial de múltiples ARNm en tejidos intactos es esencial para comprender el desarrollo, la organización tisular y las redes de regulación génica. Si bien las tecnologías avanzadas de transcriptómica espacial (por ejemplo, MERFISH, seq-FISH, Visium) han expandido el campo, a menudo requieren instrumentación especializada y costosa, flujos de trabajo propietarios complejos o una preparación de muestras exhaustiva que limita su adopción rutinaria en laboratorios estándar. Los métodos existentes de Reacción de Cadena de Hibridación (HCR) iterativa, aunque potentes, frecuentemente demandan una inmovilización rígida del tejido en hidrogeles y una infraestructura computacional compleja para la decodificación de moléculas individuales. Existe la necesidad de un flujo de trabajo modular, accesible y de escritorio que permita el perfilado espacial de ARNm dirigido y semi-cuantitativo en tejidos intactos y especímenes de cuerpo entero sin la carga de las escalas de cribado masivo o la complejidad de la decodificación de moléculas individuales.

Metodología
Los autores presentan RAMFISH (Rapid Amplified Multiplex FISH), un flujo de trabajo de extremo a extremo diseñado para el perfilado espacial de ARNm dirigido. La metodología integra protocolos de laboratorio húmedo con un flujo de trabajo computacional de código abierto:

• Flujo de Trabajo de Laboratorio Húmedo:

  • Preparación de la Muestra: Compatible tanto con tejidos libres como con tejidos embebidos en geles de poliacrilamida (para estabilidad 3D). El protocolo utiliza buffers estándar, incluyendo un novedoso buffer de hibridación de carbonato de etileno (EC) al 20% para acelerar la cinética y una solución de permeabilización suave basada en lauril sulfato de amonio.
  • Estrategia de Multiplexación: RAMFISH emplea ciclos iterativos de hibridación de sondas HCR3.0, imagen confocal y eliminación de señal enzimática (usando DNasa I para degradar las sondas de ADN mientras se preserva la estructura del tejido). Esto permite la detección de más de 30 transcritos en una sola muestra mediante rondas secuenciales.
  • Automatización: El flujo de trabajo admite tanto la ejecución manual como un sistema de automatización fluídica opcional basado en microcontroladores y de código abierto (Multiplexer y RemBot) para el intercambio de reactivos y el control de temperatura sin intervención manual.
  • Imagen: Realizada en microscopios confocales compartidos estándar (por ejemplo, Olympus FV3000) a 20x de magnificación.

• Flujo de Trabajo Computacional (Suite de Software RAMFISH):

  • Una suite basada en Python y de código abierto diseñada para ejecutarse en computadoras de escritorio estándar con GPUs NVIDIA.
  • Normalización: Normalización de intensidad acelerada por GPU para corregir las discrepancias de brillo/contraste entre ciclos.
  • Alineación: Una estrategia de registro por niveles que involucra un "alineador tosco" visual para transformaciones rígidas a nivel de lote (traslación, rotación, inversión) seguido de un "alineador fino" automatizado utilizando transformaciones afines y registro B-spline no rígido para corregir la deformación del tejido y el emborronamiento elástico.
  • Detección de Puntos (Spot Calling): Aplicación de un filtro de Laplaciano de Gauss (LoG) para la extracción de puntos semi-cuantitativa. Este enfoque identifica señales fluorescentes discretas (transcritos o agregados) dentro de dominios limitados por la difracción en lugar de imponer una localización absoluta de molécula individual.
  • Fusión (Merging): Una herramienta para integrar las coordenadas de hasta 30 canales en un único mapa compuesto de alta dimensión.

Contribuciones Clave

1. Multiplexación Accesible: RAMFISH permite la multiplexación confiable de >30 transcritos en tejidos intactos utilizando equipo de laboratorio estándar y microscopios confocales compartidos, eliminando la barrera de la instrumentación propietaria.
2. Modular y de Código Abierto: Todo el ecosistema, incluyendo las herramientas de diseño de sondas, los diseños de hardware de automatización fluídica y el flujo de trabajo de análisis computacional, es de código abierto.
3. Mapeo de Dominios Semi-Cuantitativos: Al priorizar el mapeo robusto de dominios celulares y tisulares sobre el conteo preciso de moléculas individuales a nivel subcelular, el método simplifica el análisis manteniendo la relevancia biológica.
4. Versatilidad: El flujo de trabajo ha sido validado en diversos tipos de muestras, incluyendo alas de larvas de mariposa delicadas y flotantes, y larvas de pez cebra (14 días post-fertilización) embebidas en gel y gruesas.

Resultados

• Alas de Mariposa (Bicyclus anynana): Los autores mapearon 33 genes (21 conocidos, 12 novedosos) a través de alas larvales en desarrollo. Esto incluyó la visualización de dominios de expresión novedosos para genes como rhomboid, homothorax, dachshund y nebula. El flujo de trabajo resolvió con éxito territorios espaciales complejos y relaciones de regulación génica a través de 10–14 ciclos iterativos.
• Larvas de Pez Cebra (Danio rerio): El método se aplicó a larvas de 14 días post-fertilización para perfilar 9–10 genes en el cerebro intacto, incluyendo genes de síntesis de neurotransmisores (tph2, chatb, gad2, oxt) y marcadores neurodesarrollamentales. El pipeline corrigió con éxito el desplazamiento espacial en volúmenes 3D gruesos (~190 µm), demostrando una detección de señal robusta en la profundidad del tejido.
• Validación: Los conteos de puntos de RAMFISH se compararon con conjuntos de datos de RNA-seq de volumen (bulk) y de célula única (single-cell). Aunque los conteos absolutos difieren debido a las variaciones de la modalidad técnica (por ejemplo, caídas por disociación vs. hacinamiento óptico), las tendencias de abundancia relativa se preservaron altamente, confirmando la fiabilidad semi-cuantitativa del método.
• Robustez: La retención de la señal y la eficiencia del desprendimiento (stripping) fueron validadas a través de múltiples ciclos, mostrando una mínima recuperación de señal y una fidelidad espacial constante, incluso después de 12 rondas de hibridación.

Significancia
El artículo afirma que RAMFISH proporciona un marco práctico, robusto y fácilmente adoptable para integrar el mapeo de la expresión génica espacial en la investigación cotidiana. Al cerrar la breancia entre las tecnologías espaciales complejas de alto rendimiento y la validación dirigida de rutina, RAMFISH permite a los investigadores observar directamente la expresión topográfica de múltiples genes en el mismo tejido intacto, reduciendo la incertidumbre inherente de inferir el solapamiento espacial a partir de muestras dispares. Los autores posicionan el método como una herramienta valiosa para biólogos del desarrollo, genetistas y neurocientíficos para vincular la genética funcional con el análisis de sistemas espaciales, particularmente en contextos donde las perturbaciones mediadas por CRISPR o los tratamientos farmacológicos deben evaluarse in situ. Se enfatiza la naturaleza de código abierto del flujo de trabajo como un factor clave para democratizar el acceso a la transcriptómica espacial multiplexada.