EASI-PASS: An accessible pipeline for linking functional imaging and mRNA profiling

Il cervello è una rete vasta e intricata dove ogni cellula ha un compito specifico e un'identità unica. Per capire come funziona il cervello, gli scienziati devono spesso rispondere a due domande contemporaneamente: cosa sta facendo una cellula proprio ora, e che tipo di cellula è? Immaginate di cercare di comprendere una città osservando le persone che si muovono per le strade, ma senza conoscerne i nomi o le professioni. Potreste vedere qualcuno che corre per prendere l'autobus o fermo in un parco, ma non potete sapere se sia un medico, un insegnante o uno studente, a meno di non avere un modo per collegare quel momento di azione alla sua storia personale. Nelle neuroscienze, questo collegamento è difficile da realizzare perché gli strumenti utilizzati per osservare il movimento e l'attività delle cellule sono spesso diversi dagli strumenti usati per leggere le istruzioni genetiche che le definiscono. Un metodo cattura l'attività viva e dinamica delle cellule, mentre un altro legge il codice molecolare all'interno di cellule che sono state preservate e congelate in posizione. Finora, connettere queste due visioni della stessa cellula è stato un processo lento e imperfetto, che spesso richiedeva agli scienziati di tagliare il tessuto in fette così sottili che il contesto tridimensionale andava perduto, o di indovinare quale cellula in un'immagine dal vivo corrispondesse a quale cellula in un campione preservato.

I ricercatori hanno sviluppato un nuovo metodo chiamato EASI-PASS per risolvere questo problema, creando un modo affidabile per fondere l'imaging live con il profilo molecolare. Il processo inizia osservando migliaia di cellule in un pezzo di tessuto cerebrale vivente, registrando le loro forme e posizioni mentre rispondono a segnali specifici. Una volta completata questa registrazione live, lo stesso tessuto viene trattato con un processo chimico speciale che lo espande, rendendo le cellule più grandi e più facili da vedere, e poi lo rende trasparente affinché la luce possa attraversare l'intero spessore del campione. Ciò consente agli scienziati di utilizzare microscopi standard per scattare immagini dettagliate dell'interno del tessuto, cercando i marcatori genetici specifici che identificano ogni tipo di cellula. Il traguardo centrale del nuovo metodo è un sistema informatico in grado di far corrispondere le forme e le posizioni delle cellule viste nella registrazione live con le cellule viste nel tessuto espanso e reso trasparente. È come scattare una fotografia a una folla dall'alto e poi far corrispondere ogni persona in quella foto a una carta d'identità dettagliata trovata in un libro separato e voluminoso, senza dover tagliare il libro in pagine sottili. Il sistema riesce a recuperare l'identità molecolare di circa il 78 percento delle cellule che traccia, un miglioramento significativo rispetto alle tecniche precedenti che si basavano sull'allineamento di sottili fette di tessuto.

La potenza di questo approccio è stata testata in due diverse parti del cervello di topo per vedere come potesse rivelare nuovi dettagli sulla funzione cerebrale. In un esperimento, i ricercatori si sono concentrati su una piccola regione chiamata nucleo parabrachiale, che riceve segnali dalla midollo spinale. Stimolando queste connessioni a lungo raggio con la luce mentre osservavano le cellule, sono stati in grado di identificare esattamente quali tipi molecolari di neuroni stavano ricevendo i segnali. I risultati hanno mostrato un alto grado di specificità, il che significa che solo certi tipi di cellule rispondevano all'input, piuttosto che un mix casuale di tutte le cellule disponibili. In un secondo esperimento, il team ha esaminato la corteccia visiva di topi svegli, osservando come diversi gruppi di cellule cambiassero la loro attività man mano che gli animali diventavano più vigili. Hanno scoperto che il modo in cui queste cellule comunicavano tra loro dipendeva dalla loro posizione e dalla loro classe specifica, con alcuni gruppi che mostravano forti connessioni che svanivano all'aumentare della distanza tra loro. Questi risultati dimostrano che il nuovo metodo può allineare in modo affidabile l'attività cellulare con l'identità molecolare, offrendo una visione più chiara di come i diversi tipi di cellule cerebrali lavorino insieme per elaborare le informazioni.