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

Om het menselijk lichaam in detail te begrijpen, hebben wetenschappers jarenlang gewerkt aan het bouwen van een nieuw soort kaart. In plaats van lijnen op een plat stuk papier te tekenen, creëren ze een gedeeld, driedimensionaal raamwerk dat gegevens uit duizenden verschillende studies bevat. Stel je voor dat je probeert een bibliotheek te organiseren waar elk boek een andere taal gebruikt en elke plank een andere vorm heeft; zonder een gemeenschappelijk systeem blijft de informatie versnipperd en moeilijk bruikbaar. In het veld van biomedisch onderzoek is dit de uitdaging van de Human Reference Atlas. Het is een digitaal, 3D-coördinatenstelsel dat onderzoekers in staat stelt om weefselmonsters van verschillende mensen, verschillende organen en verschillende experimenten in dezelfde virtuele ruimte te plaatsen. Deze gedeelde ruimte laat wetenschappers zien hoe cellen zich gedragen in het hart vergeleken met de nier, of hoe een specifieke ziekte eruitziet bij verschillende individuen, alles binnen één enkel, verenigd beeld. Om dit systeem te laten werken, moet elk nieuw monster zorgvuldig worden uitgelijnd met de masterkaart, een proces dat traditioneel traag, handmatig werk door experts vereiste.

In de afgelopen vijf jaar hebben onderzoekers er succesvol meer dan 13.000 weefseldatasets in dit gemeenschappelijke kader geplaatst. Deze datasets bevatten informatie over meer dan 200 miljoen cellen, verzameld van 20 verschillende onderzoeksgroepen. Deze enorme collectie maakt het mogelijk om biologische data te verkennen over organen, verschillende soorten laboratoriumtests en diverse schalen van observatie. Echter, naarmate het aantal monsters, tests en mappingprojecten blijft groeien, is de oude methode om elk nieuw stuk weefsel handmatig uit te lijnen te traag en te duur geworden om het bij te houden. Het enorme volume aan gegevens vormt een aanzienlijke barrière voor de uitbreiding van deze atlas, wat dreigt nieuwe ontdekkingen buiten het gedeelde systeem te laten staan.

Om dit probleem op te lossen, heeft een team wetenschappers twee nieuwe benaderingen ontwikkeld om de constructie van de atlas op te schalen. De eerste methode houdt in dat gegevens van het ene biomedische referentiemetode direct projecteert op een andere, terwijl de tweede methode een techniek gebruikt die "millitomes" wordt genoemd om grote blokken weefsel in één keer te registreren in een referentieorgaan. Beide methoden vertrouwen op een softwarepijplijn genaamd AMAP, wat staat voor AutoMated Alignment and Projection. Dit systeem werkt door driedimensionale mesh-modellen van weefsel te nemen en ze uit te lijnen met behulp van point cloud registration, een proces dat specifieke punten op één model koppelt aan overeenkomstige punten op een ander model zonder dat een mens elke stap hoeft te begeleiden.

De onderzoekers testten deze methoden op een diverse set biologische modellen om te bewijzen dat ze de complexe realiteit aankonden. Ze stemden succesvol gegevens uit even met zes modellen gerelateerd aan het hart uit het SPARC Program, modellen van de dikke darm uit de Gut Cell Atlas, een consensuskaart gebouwd uit 500 nieronderwerpen, en modellen van de Julich Brain Atlas. Naast deze specifieke organen gebruikte het team de AMAP-pijplijn om zeven millitome-modellen over vijf verschillende organen te projecteren. Deze inspanning integreerde informatie van meer dan 300 afzonderlijke weefselextractieplaatsen, wat aantoonde dat het systeem een grote verscheidenheid aan biologische structuren kan verwerken.

Het resultaat is een evoluerend ecosysteem van atlaskaarten die nu zijn uitgelijnd met de Human Reference Atlas. Door het uitlijningsproces te automatiseren, hebben de onderzoekers een manier aangetoond om weefseldata te registreren op een schaal die voorheen onmogelijk was. Deze capaciteit maakt de constructie van gedetailleerde referentiekaarten van het menselijk lichaam mogelijk die enorme hoeveelheden nieuwe data snel kunnen opnemen. Het werk suggereert dat de bottleneck van handmatige registratie kan worden overwonnen, waardoor de wetenschappelijke gemeenschap een completer en toegankelijker beeld van de menselijke biologie kan opbouwen zonder te worden tegengehouden door de tijd en middelen die nodig zijn om elk nieuw monster met de hand uit te lijnen.