EASI-PASS: An accessible pipeline for linking functional imaging and mRNA profiling
EASI-PASS es un proceso de alto rendimiento que vincula eficientemente los datos de imagen funcional con el perfilado de ARNm al alinear la actividad de células vivas con volúmenes de tejido expandidos y aclarados, permitiendo la caracterización molecular de miles de neuronas identificadas funcionalmente con altas tasas de recuperación.
Artículo original bajo licencia CC BY 4.0 (https://creativecommons.org/licenses/by/4.0/). Esta es una explicación generada por IA de un preprint que no ha sido revisado por pares. No es consejo médico. No tome decisiones de salud basándose en este contenido. Leer descargo de responsabilidad completo
El cerebro es una red vasta e intrincada donde cada célula tiene un trabajo específico y una identidad única. Para entender cómo funciona el cerebro, los científicos a menudo necesitan responder dos preguntas a la vez: qué está haciendo una célula en este momento y qué tipo de célula es. Imagine intentar comprender una ciudad observando a las personas moverse por las calles, pero sin conocer sus nombres o profesiones. Podría ver a alguien corriendo para alcanzar un autobús o parado quieto en un parque, pero no puede saber si es un médico, un profesor o un estudiante a menos que tenga una forma de vincular ese momento de acción con su historia personal. En neurociencia, este vínculo es difícil de establecer porque las herramientas utilizadas para observar el movimiento y el disparo de las células son a menudo diferentes de las herramientas utilizadas para leer las instrucciones genéticas que las definen. Un método captura la actividad viva y en movimiento de las células, mientras que otro lee el código molecular dentro de las células que han sido preservadas y congeladas en su lugar. Hasta ahora, conectar estas dos visiones de la misma célula ha sido un proceso lento e imperfecto, que a menudo requería que los científicos cortaran el tejido en láminas tan delgadas que se perdía el contexto tridimensional o que adivinaran qué célula en una imagen viva coincidía con qué célula en una muestra preservada.
Los investigadores han desarrollado un nuevo método llamado EASI-PASS para resolver este problema, creando una forma confiable de fusionar la imagen en vivo con el perfilado molecular. El proceso comienza observando miles de células en un trozo de tejido cerebral vivo, registrando sus formas y ubicaciones a medida que responden a señales específicas. Una vez completado este registro en vivo, el mismo tejido es tratado con un proceso químico especial que lo expande, haciendo que las células sean más grandes y fáciles de ver, y luego lo aclara para que la luz pueda atravesar todo el espesor de la muestra. Esto permite a los científicos utilizar microscopios estándar para tomar imágenes detalladas del interior del tejido, buscando los marcadores genéticos específicos que identifican cada tipo de célula. El logro central del nuevo método es un sistema informático que puede emparejar las formas y posiciones de las células vistas en el registro en vivo con las células vistas en el tejido expandido y aclarado. Es como tomar una fotografía de una multitud desde arriba y luego emparejar a cada persona de esa foto con una tarjeta de identificación detallada encontrada en un libro grueso y separado, sin necesidad de cortar el libro en páginas delgadas. El sistema recuperó con éxito la identidad molecular de aproximadamente el 78 por ciento de las células que rastreó, una mejora significativa sobre las técnicas anteriores que dependían de la alineación de láminas delgadas de tejido.
El poder de este enfoque fue probado en dos partes diferentes del cerebro de ratón para ver cómo podía revelar nuevos detalles sobre la función cerebral. En un experimento, los investigadores se centraron en una pequeña región llamada núcleo parabraquial, que recibe señales de la médula espinal. Al estimular estas conexiones de largo alcance con luz mientras observaban las células, pudieron identificar exactamente qué tipos moleculares de neuronas estaban recibiendo las señales. Los resultados mostraron un alto grado de especificidad, lo que significa que solo ciertos tipos de células respondieron a la entrada, en lugar de una mezcla aleatoria de todas las células disponibles. En un segundo experimento, el equipo observó la corteza visual de ratones despiertos, observando cómo diferentes grupos de células cambiaban su actividad a medida que los animales se volvían más alertas. Encontraron que la forma en que estas células se comunicaban entre sí dependía de su ubicación y de su clase específica, con algunos grupos mostrando conexiones fuertes que se desvanecían a medida que aumentaba la distancia entre ellos. Estos hallazgos demuestran que el nuevo método puede alinear de manera confiable la actividad celular con la identidad molecular, ofreciendo una visión más clara de cómo los diversos tipos de células del cerebro trabajan juntos para procesar la información.
¿Ahogado en artículos de tu campo?
Recibe resúmenes diarios de los artículos más novedosos que coincidan con tus palabras clave de investigación — con resúmenes técnicos, en tu idioma.