SpaceBlocks: an expert-supervised workflow for cohort-level spatial transcriptomics analysis
O SpaceBlocks é um fluxo de trabalho Snakemake reprodutível e supervisionado por especialistas que homogeneíza dados de transcriptômica espacial de resolução de célula única heterogêneos através de múltiplas plataformas para permitir análise em nível de coorte escalável, conforme demonstrado por sua capacidade de identificar novos tipos celulares, padrões de expressão de marcadores e diferenças transcricionais associadas a doenças em diversos conjuntos de dados biológicos.
Artigo original sob licença CC BY 4.0 (https://creativecommons.org/licenses/by/4.0/). Esta é uma explicação gerada por IA de um preprint que não foi revisado por pares. Não é aconselhamento médico. Não tome decisões de saúde com base neste conteúdo. Ler aviso legal completo
O tecido não é uma sopa uniforme de células; é uma cidade estruturada onde a localização define a função. Durante décadas, os biólogos puderam ler as instruções genéticas dentro de uma célula, mas tinham de triturar o tecido até transformá-lo numa pasta para o fazer, perdendo o mapa de onde cada célula vivia. Uma tecnologia mais recente, chamada transcriptómica espacial, resolve isto ao ler o código genético enquanto mantém a célula no seu bairro original. Isto permite que os cientistas vejam como as células comunicam com os seus vizinhos e se organizam em distritos funcionais, tal como compreender uma cidade ao ver quais as lojas, escolas e casas que estão próximas umas das outras. No entanto, esta nova forma de observar o tecido traz uma complicação: diferentes máquinas que tiram estas fotografias falam línguas diferentes. Uma máquina pode fornecer os seus dados num formato que outra máquina não consegue ler, e as ferramentas de software utilizadas para os analisar funcionam frequentemente de forma isolada. Quando os investigadores tentam estudar um grande grupo de pacientes em conjunto — uma coorte — enfrentam uma mistura caótica de tipos de ficheiros e etapas manuais que são difíceis de repetir ou verificar.
Para trazer ordem a esta complexidade, uma equipa de investigadores construiu um novo fluxo de trabalho digital chamado SpaceBlocks. Pense neste fluxo de trabalho como um tradutor universal e um controlador de tráfego para dados de tecido. Em vez de deixar que cada investigador construa as suas próprias ferramentas personalizadas para cada novo experimento, o SpaceBlocks fornece um caminho único e padronizado que qualquer computador pode seguir. Ele pega na saída bruta e desordenada de diferentes microscópios de alta tecnologia e converte-a num formato limpo e comum que todas as ferramentas de análise subsequentes possam compreender. Crucialmente, este sistema não tenta automatizar todas as decisões. Os investigadores desenharam-no para fazer pausas e pedir o conhecimento humano em momentos chave, tais como decidir quais as células que estão saudáveis o suficiente para manter ou como rotular um grupo de células com base no seu perfil genético. Isto garante que os resultados finais não sejam apenas o resultado de um programa de computador de "caixa negra", mas sim um produto verificado do julgamento científico.
A equipa testou este sistema numa grande coleção de amostras de tecido provenientes de três tipos diferentes de microscópios avançados, cobrindo um total de 37 amostras de bases de dados públicas. Estas amostras incluíam tecido de pacientes com esclerose múltipla e de pacientes com cancro colorretal. O fluxo de trabalho processou todas elas com sucesso, provando que consegue lidar com os diferentes formatos de ficheiro e as variações nos tamanhos dos conjuntos de dados sem falhar. Numa instância envolvendo esclerose múltipla, o sistema ajudou os investigadores a identificar padrões genéticos específicos em diferentes partes das lesões cerebrais que tinham sido omitidos em análises anteriores. Revelou que certos genes estavam ativos em bairros específicos do tecido, proporcionando uma imagem mais clara de como a doença afeta diferentes áreas. Num outro teste utilizando amostras de cancro colorretal, o fluxo de trabalho ajudou os investigadores a detetar três tipos distintos de células que uma análise anterior, amplamente utilizada, tinha ignorado. Estas incluíam células imunitárias e células semelhantes a nervos que estavam escondidas à vista de todos no tecido tumoral.
Para além de apenas encontrar novas células, o sistema mostrou como comparar tecido saudável com tecido doente de uma forma que leva em conta a estrutura única de cada amostra. Ao agrupar células em perfis "pseudobulk" — essencialmente combinando os sinais genéticos de muitas células numa área específica para obter um sinal mais forte e claro — os investigadores puderam identificar exatamente quais os genes que estavam a ativar-se ou a desativar-se no estado da doença. O sistema executou estas comparações complexas automaticamente assim que os especialistas humanos definiram as regras, gerando mapas e gráficos detalhados que mostravam as diferenças entre tecidos saudáveis e malignos. Os resultados foram consistentes através das diferentes máquinas, sugerindo que o fluxo de trabalho é robusto o suficiente para ser utilizado por outros cientistas que queiram estudar grandes grupos de pacientes sem se perderem em detalhes técnicos.
Os investigadores enfatizam que esta ferramenta não é um substituto para a perspicácia humana, mas sim uma estrutura para a apoiar. Ao tornar as etapas da análise transparentes e repetíveis, o SpaceBlocks permite que os cientistas confiem que as suas descobertas são reais e não apenas um artefacto de uma configuração de software específica. O sistema está disponível gratuitamente para qualquer pessoa, e o código está aberto para que outros possam melhorar ou adaptar para novos tipos de microscópios. No futuro, a equipa planeia adicionar suporte para ainda mais tecnologias de imagem e tornar as etapas iniciais do processo totalmente open-source, removendo qualquer dependência de software proprietário. Por agora, o SpaceBlocks apresenta-se como uma solução prática para um problema crescente na biologia: como dar sentido aos vastos, complexos e variados dados provenientes da nova geração de máquinas de mapeamento de tecido, garantindo que a história do tecido é contada de forma clara e precisa.
Afogado em artigos na sua área?
Receba digests diários dos artigos mais recentes que correspondam às suas palavras-chave de pesquisa — com resumos técnicos, no seu idioma.