Un nouveau cadre informatique illumine l’écologie cachée des tissus malades

Pour comprendre ce qui entraîne une progression de la maladie dans les tissus, les scientifiques ont besoin de plus qu’un simple instantané de cellules isolément – ils ont besoin de voir où se trouvent les cellules, comment elles interagissent et comment cette organisation spatiale se déplace entre les états pathologiques. Une méthode de calcul appelée Mesa (multioomique et analyse spatiale écologique), détaillée dans une étude publiée dans Génétique de la natureaide les chercheurs à étudier les tissus malades de manière plus significative.

Le travail détaille les résultats d’une collaboration entre des chercheurs du MIT, de l’Université de Stanford, de Weill Cornell Medicine, du Ragon Institute of MGH, du MIT et de Harvard, et du Broad Institute of MIT et de Harvard, et a été dirigé par l’équipe de Stanford.

Mesa apporte une lentille inspirée de l’écologie à l’analyse des tissus. Il propose un pipeline pour interpréter les données omiques spatiales – le produit d’une technologie de pointe qui capture les informations moléculaires ainsi que l’emplacement des cellules dans des échantillons de tissus. Ces données fournissent une carte à haute résolution des «quartiers» de tissus et Mesa aide à donner un sens à la structure de cette carte.

“En intégrant des approches de disciplines traditionnellement distinctes, MESA permet aux chercheurs de mieux apprécier la façon dont les tissus sont organisés localement et comment cette organisation change dans différents contextes de maladies, propulser de nouveaux diagnostics et le directeur de l’Institut pour le génie médical et les sciences (IMES), le professeur de la JW Kiecch Koch Institute for Integrative Cancer Research au MIT, ainsi qu’un membre de l’Institut du Broad Institute et membre du Ragon Institute.

“En écologie, les gens étudient la biodiversité entre les régions – combien les espèces animales sont distribuées et interagissent”, explique Bokai Zhu, MIT postdoc et auteur de l’étude. “Nous avons réalisé que nous pouvions appliquer ces mêmes idées aux cellules des tissus. Au lieu des lapins et des serpents, nous analysons les cellules T et les cellules B.”

En traitant les types de cellules comme les espèces écologiques, Mesa quantifie la «biodiversité» dans les tissus et suit la façon dont cette diversité change de maladie. Par exemple, dans les échantillons de cancer du foie, la méthode a révélé des zones où les cellules tumorales co-coïragées avec des macrophages, ce qui suggère que ces régions peuvent générer des résultats de maladie uniques.

“Notre méthode lit des tissus comme les écosystèmes, découvrant des” points chauds “cellulaires qui marquent les premiers signes de maladie ou de réponse au traitement”, ajoute Zhu. “Cela ouvre de nouvelles possibilités de diagnostic de précision et de conception de la thérapie.”

Mesa offre également un autre avantage majeur: il peut enrichir les données tissulaires en calcul sans avoir besoin de plus d’expériences. En utilisant des ensembles de données monocellulaires accessibles au public, l’outil transfère des informations supplémentaires, comme les profils d’expression génique – sur des échantillons de tissus existants. Cette approche approfondit la compréhension du fonctionnement des domaines spatiaux, en particulier lors de la comparaison des tissus sains et malades.

Dans les tests sur plusieurs ensembles de données et types de tissus, MESA a découvert des structures spatiales et des populations de cellules clés qui étaient auparavant négligées. Il intègre différents types de données omiques, tels que la transcriptomique et la protéomique, et construit une vue multicouche de l’architecture tissulaire.

Actuellement disponible en tant que package Python, Mesa est conçu pour la recherche universitaire et translationnelle. Bien que l’omique spatiale soit encore trop à forte intensité de ressources pour une utilisation clinique à l’hôpital de routine, la technologie gagne du terrain parmi les sociétés pharmaceutiques, en particulier pour les essais de médicaments où la compréhension des réponses tissulaires est essentielle.

“Ce n’est que le début”, explique Zhu. “Mesa ouvre la porte à l’utilisation de la théorie écologique pour démêler la complexité spatiale de la maladie – et finalement, pour mieux la prédire et la traiter.”

Cette histoire est republiée avec l’aimable autorisation de MIT News (web.mit.edu/newsoffice/), un site populaire qui couvre les nouvelles de la recherche, de l’innovation et de l’enseignement du MIT.