EASI-PASS: An accessible pipeline for linking functional imaging and mRNA profiling
EASI-PASS est un pipeline à haut débit qui lie efficacement les données d'imagerie fonctionnelle au profilage de l'ARNm en alignant l'activité des cellules vivantes sur des volumes de tissus expansés et clarifiés, permettant la caractérisation moléculaire de milliers de neurones identifiés fonctionnellement avec des taux de récupération élevés.
Article original sous licence CC BY 4.0 (https://creativecommons.org/licenses/by/4.0/). Ceci est une explication générée par l'IA d'un preprint qui n'a pas été évalué par des pairs. Ce n'est pas un avis médical. Ne prenez pas de décisions de santé basées sur ce contenu. Lire la clause de non-responsabilité complète
Le cerveau est un réseau vaste et complexe où chaque cellule a une fonction spécifique et une identité unique. Pour comprendre le fonctionnement du cerveau, les scientifiques doivent souvent répondre à deux questions simultanément : que fait une cellule en ce moment même, et quel type de cellule est-elle ? Imaginez que vous essayiez de comprendre une ville en observant les gens se déplacer dans les rues, mais sans connaître leurs noms ni leurs professions. Vous pourriez voir quelqu'un courir pour attraper un bus ou rester immobile dans un parc, mais vous ne pouvez pas savoir s'il s'agit d'un médecin, d'un enseignant ou d'un étudiant à moins d'avoir un moyen de lier ce moment d'action à son histoire personnelle. En neurosciences, ce lien est difficile à établir car les outils utilisés pour observer le mouvement et l'activité des cellules sont souvent différents des outils utilisés pour lire les instructions génétiques qui les définissent. Une méthode capture l'activité vivante et mobile des cellules, tandis qu'une autre lit le code moléculaire à l'intérieur de cellules qui ont été préservées et figées sur place. Jusqu'à présent, relier ces deux visions d'une même cellule était un processus lent et imparfait, nécessitant souvent de découper les tissus en tranches si fines que le contexte tridimensionnel était perdu, ou de deviner quelle cellule d'une image vivante correspondait à quelle cellule d'un échantillon préservé.
Des chercheurs ont développé une nouvelle méthode appelée EASI-PASS pour résoudre ce problème, créant un moyen fiable de fusionner l'imagerie en direct avec le profilage moléculaire. Le processus commence par l'observation de milliers de cellules dans un fragment de tissu cérébral vivant, en enregistrant leurs formes et leurs emplacements alors qu'elles répondent à des signaux spécifiques. Une fois cet enregistrement en direct terminé, le même tissu est traité par un processus chimique spécial qui le fait gonfler, rendant les cellules plus grandes et plus faciles à voir, puis le rend transparent pour que la lumière puisse traverser toute l'épaisseur de l'échantillon. Cela permet aux scientifiques d'utiliser des microscopes standards pour prendre des images détaillées de l'intérieur du tissu, en recherchant les marqueurs génétiques spécifiques qui identifient chaque type de cellule. La réussite fondamentale de cette nouvelle méthode réside dans un système informatique capable d'associer les formes et les positions des cellules observées lors de l'enregistrement en direct avec les cellules observées dans le tissu expansé et clarifié. C'est comme prendre une photographie d'une foule vue d'en haut, puis associer chaque personne de cette photo à une carte d'identité détaillée trouvée dans un livre épais séparé, sans avoir besoin de découper le livre en pages fines. Le système parvient à récupérer l'identité moléculaire d'environ 78 % des cellules qu'il suit, une amélioration significative par rapport aux techniques précédentes qui reposaient sur l'alignement de fines tranches de tissu.
La puissance de cette approche a été testée dans deux parties différentes du cerveau de la souris pour voir comment elle pouvait révéler de nouveaux détails sur la fonction cérébrale. Dans une première expérience, les chercheurs se sont concentrés sur une petite région appelée noyau parabrachial, qui reçoit des signaux de la moelle épinière. En stimulant ces connexions à longue distance avec de la lumière tout en observant les cellules, ils ont pu identifier exactement quels types moléculaires de neurones recevaient les signaux. Les résultats ont montré un haut degré de spécificité, signifiant que seules certaines sortes de cellules répondaient à l'apport, plutôt qu'un mélange aléatoire de toutes les cellules disponibles. Dans une seconde expérience, l'équipe a observé le cortex visuel de souris éveillées, observant comment différents groupes de cellules changeaient leur activité à mesure que les animaux devenaient plus alertes. Ils ont découvert que la façon dont ces cellules communiquaient entre elles dépendait de leur emplacement et de leur classe spécifique, certains groupes montrant des connexions fortes qui s'atténuaient à mesure que la distance entre eux augmentait. Ces découvertes démontrent que la nouvelle méthode peut aligner de manière fiable l'activité cellulaire avec l'identité moléculaire, offrant une vue plus claire de la manière dont les divers types de cellules du cerveau collaborent pour traiter l'information.
Noyé(e) sous les articles dans votre domaine ?
Recevez des digests quotidiens des articles les plus récents correspondant à vos mots-clés de recherche — avec des résumés techniques, dans votre langue.