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

Para compreender o corpo humano em detalhes, cientistas têm passado anos construindo um novo tipo de mapa. Em vez de desenhar linhas em um pedaço de papel plano, eles estão criando uma estrutura tridimensional compartilhada que contém dados de milhares de estudos diferentes. Imagine tentar organizar uma biblioteca onde cada livro usa uma língua diferente e cada prateleira tem um formato diferente; sem um sistema comum, a informação permanece dispersa e difícil de usar. No campo da pesquisa biomédica, este é o desafio do Atlas de Referência Humana. É um sistema de coordenadas 3D digital que permite aos pesquisadores colocar amostras de tecidos de diferentes pessoas, órgãos diferentes e experimentos diferentes no mesmo espaço virtual. Este espaço compartilhado permite que os cientistas vejam como as células se comportam no coração em comparação com o rim, ou como uma doença específica se apresenta em vários indivíduos, tudo dentro de uma única visão unificada. Para que este sistema funcione, cada nova amostra deve ser cuidadosamente alinhada ao mapa mestre, um processo que tradicionalmente exigia o trabalho manual lento de especialistas.

Nos últimos cinco anos, pesquisadores colocaram com sucesso mais de 13.000 conjuntos de dados de tecidos nesta estrutura comum. Esses conjuntos de dados contêm informações sobre mais de 200 milhões de células, reunidas de 20 grupos de pesquisa diferentes. Esta coleção massiva permite a exploração de dados biológicos através de órgãos, diferentes tipos de testes laboratoriais e várias escalas de observação. No entanto, à medida que o número de amostras, testes e projetos de mapeamento continua a crescer, o antigo método de alinhar manualmente cada nova peça de tecido tornou-se demasiado lento e caro para acompanhar o ritmo. O volume colossal de dados representa uma barreira significativa para a expansão deste atlas, ameaçando deixar novas descobertas isoladas fora do sistema compartilhado.

Para resolver este problema, uma equipa de cientistas desenvolveu duas novas abordagens para escalar a construção do atlas. O primeiro método envolve projetar dados de um tipo de sistema de referência biomédica diretamente sobre outro, enquanto o segundo utiliza uma técnica chamada "millitomes" para registrar grandes blocos de tecido num órgão de referência de uma só vez. Ambos os métodos baseiam-se numa pipeline de software conhecida como AMAP, que significa AutoMated Alignment and Projection (Alinhamento e Projeção Automatizados). Este sistema funciona ao pegar em modelos de malha tridimensional de tecido e alinhá-los usando o registro de nuvem de pontos, um processo que combina pontos específicos de um modelo com pontos correspondentes de outro sem a necessidade de um humano para guiar cada etapa.

Os investigadores testaram estes métodos num conjunto diversificado de modelos biológicos para provar que podiam lidar com a complexidade do mundo real. Eles alinharam com sucesso dados de seis modelos relacionados com o coração do Programa SPARC, modelos do intestino grosso do Gut Cell Atlas, um mapa de consenso construído a partir de 500 sujeitos renais e modelos do Julich Brain Atlas. Além destes órgãos específicos, a equipa utilizou a pipeline AMAP para projetar sete modelos de millitomes através de cinco órgãos diferentes. Este esforço integrou informações de mais de 300 locais distintos de extração de tecido, demonstrando que o sistema pode lidar com uma grande variedade de estruturas biológicas.

O resultado é um ecossistema de atlas em evolução que agora está alinhado com o Atlas de Referência Humana. Ao automatizar o processo de alinhamento, os investigadores demonstraram uma forma de registrar dados de tecido numa escala que era anteriormente impossível. Esta capacidade permite a construção de mapas de referência detalhados do corpo humano que podem incorporar vastas quantidades de novos dados rapidamente. O trabalho sugere que o gargalo do registro manual pode ser superado, permitindo que a comunidade científica construa uma imagem mais completa e acessível da biologia humana sem ser prejudicada pelo tempo e recursos necessários para alinhar cada nova amostra manualmente.