Bridging Biomedical Atlas Ecosystem: Cross-Atlas Alignment And Scalable Tissue Specimen Registration

Pour comprendre le corps humain en détail, les scientifiques ont passé des années à construire un nouveau type de carte. Au lieu de tracer des lignes sur une feuille de papier plate, ils créent un cadre tridimensionnel partagé qui contient les données de milliers d'études différentes. Imaginez essayer d'organiser une bibliothèque où chaque livre utilise une langue différente et où chaque étagère a une forme différente ; sans un système commun, l'information reste dispersée et difficile à utiliser. Dans le domaine de la recherche biomédicale, c'est le défi de l'Atlas de Référence Humain. Il s'agit d'un système de coordonnées 3D numérique qui permet aux chercheurs de placer des échantillons de tissus provenant de différentes personnes, de différents organes et de différentes expériences dans un même espace virtuel. Cet espace partagé permet aux scientifiques de voir comment les cellules se comportent dans le cœur par rapport au rein, ou à quoi ressemble une maladie spécifique chez divers individus, le tout au sein d'une vue unique et unifiée. Pour que ce système fonctionne, chaque nouvel échantillon doit être soigneusement aligné sur la carte maîtresse, un processus qui nécessitait traditionnellement un travail manuel lent effectué par des experts.

Au cours des cinq dernières années, les chercheurs ont réussi à placer plus de 13 000 ensembles de données de tissus dans ce cadre commun. Ces ensembles de données contiennent des informations sur plus de 200 millions de cellules, recueillies auprès de 20 groupes de recherche différents. Cette collection massive permet l'exploration de données biologiques à travers les organes, différents types de tests de laboratoire et diverses échelles d'observation. Cependant, à mesure que le nombre d'échantillons, de tests et de projets de cartographie augmente, l'ancienne méthode consistant à aligner manuellement chaque nouveau fragment de tissu est devenue trop lente et trop coûteuse pour suivre le rythme. Le volume considérable de données pose une barrière significative à l'expansion de cet atlas, menaçant de laisser les nouvelles découvertes isolées en dehors du système partagé.

Pour résoudre ce problème, une équipe de scientifiques a développé deux nouvelles approches pour intensifier la construction de l'atlas. La première méthode consiste à projeter les données d'un type de système de référence biomédical directement sur un autre, tandis que la seconde utilise une technique appelée « millitomes » pour enregistrer de grands blocs de tissus dans un organe de référence en une seule fois. Les deux méthodes reposent sur un pipeline logiciel connu sous le nom d'AMAP, qui signifie « AutoMated Alignment and Projection » (Alignement et Projection Automatisés). Ce système fonctionne en prenant des modèles de maillage tridimensionnels de tissus et en les alignant par un enregistrement de nuages de points, un processus qui fait correspondre des points spécifiques d'un modèle à des points correspondants d'un autre sans avoir besoin qu'un humain guide chaque étape.

Les chercheurs ont testé ces méthodes sur un ensemble diversifié de modèles biologiques pour prouver qu'ils pouvaient gérer la complexité du monde réel. Ils ont aligné avec succès des données provenant de six modèles liés au cœur issus du programme SPARC, des modèles du gros intestin provenant du Gut Cell Atlas, une carte de consensus construite à partir de 500 sujets rénaux, et des modèles de l'Atlas du Cerveau de Julich. En plus de ces organes spécifiques, l'équipe a utilisé le pipeline AMAP pour projeter sept modèles de millitomes à travers cinq organes différents. Cet effort a intégré des informations provenant de plus de 300 sites d'extraction de tissus distincts, montrant que le système peut gérer une grande variété de structures biologiques.

Le résultat est un écosystème évolutif d'atlas qui sont désormais alignés avec l'Atlas de Référence Humain. En automatisant le processus d'alignement, les chercheurs ont démontré un moyen d'enregistrer les données tissulaires à une échelle qui était auparavant impossible. Cette capacité permet la construction de cartes de référence détaillées du corps humain pouvant incorporer de vastes quantités de nouvelles données rapidement. Ce travail suggère que le goulot d'étranglement de l'enregistrement manuel peut être surmonté, permettant à la communauté scientifique de construire une image plus complète et accessible de la biologie humaine sans être freinée par le temps et les ressources requis pour aligner chaque nouvel échantillon à la main.