MADRID, 21 Jul. (EUROPA PRESS) -
Los avances en la tecnología de imágenes están transformando cómo los científicos ven el universo celular, que muestra la forma y el movimiento de estructuras antes borrosas en un detalle sorprendente. Pero extraer el torrente de información que contiene esas imágenes a menudo supera los límites de la informática y el análisis de datos.
Ahora, investigadores de Janelia Investigation Campus del Instituto Médico Howard Hughes han desarrollado una forma de evitar ese problema. Han desarrollado un nuevo método computacional que puede rastrear rápidamente los movimientos tridimensionales de las células en imágenes ricas en datos. Utilizando el método, esencialmente se puede automatizar gran parte del tiempo para el proceso de reconstrucción del plan de desarrollo celular de un animal célula a célula.
Philipp Kelle dirigió el equipo que desarrolló el marco computacional. Él y sus colegas han utilizado el sistema para reconstruir el linaje celular durante el desarrollo del sistema nervioso temprano de una mosca de la fruta. Su método se puede utilizar para rastrear los linajes de células en múltiples organismos y procesar de forma eficiente los datos recibidos de múltiples tipos de microscopios fluorescentes.
Los científicos describen su enfoque en un artículo publicado en línea el 20 de julio de 2014, en Nature Methods.
En 2012, Keller desarrolló el mcroscopio de lámina de luz simultánea multivista, que capta imágenes tridimensionales con una velocidad y precisión sin precedentes en períodos de horas o días. Las imágenes del microscopio puede revelar divisiones y reordenamientos complejos de células individuales, como estructuras biológicas emergen en un embrión en desarrollo. Desde entonces, Keller ha estado perfeccionando el sistema para que pueda utilizarlo para seguir el desarrollo del sistema nervioso temprano de un organismo.
"Queremos reconstruir el plan de construcción elemental de los animales, el seguimiento de cada célula desde el desarrollo muy temprano hasta las últimas etapas, por lo que sabemos todo lo que ha ocurrido en términos de movimiento de las células y la división celular", dice Keller. "En particular, queremos entender cómo se forma el sistema nervioso. En última instancia, nos gustaría recoger la historia del desarrollo de todas las células del sistema nervioso y vincular esa información a la última función de la célula. Para ello, tenemos que ser capaces de seguir las células individuales en una escala bastante grande y durante un largo período de tiempo".
UNA SEMANA PARA UN RATÓN, UN DÍA PARA UNA MOSCA
Se tarda más de una semana para que el sistema nervioso sea funcional en un ratón embrionario. Incluso en una mosca de la fruta, el proceso tarda un día. Seguir todo ese tiempo significa decenas de miles de imágenes de células en miles de puntos de tiempo, y eso se suma a terabytes de datos. "Podemos obtener buenos conjuntos de datos de imagen, pero si quieres reconstruirlos, esto es algo que el ser humano no puede realmente hacer sin la ayuda de la computadora", dice Keller.
Su equipo ha resuelto ese problema con un nuevo método de cálculo que identifica y sigue a las células divididas tan pronto como su microscopio de alta velocidad puede capturar imágenes. El proceso es en gran medida automático, pero incorpora un paso de edición manual para mejorar la precisión de un pequeño porcentaje de células que son difíciles de rastrear computacionalmente.
El equipo de Keller ha estado lidiando con la forma de interpretar este tipo de datos de imágenes desde 2010. El problema fue un reto, no sólo por el gran volumen de datos, sino también debido a la complejidad. Las células en un embrión en desarrollo tienen diferentes formas y comportamientos y pueden ser densas, por lo que es difícil para un ordenador identificar y rastrear las células individuales. Inevitables variaciones en la calidad de imagen complican aún más el análisis.
Buscando una solución eficiente, la prioridad era reducir la complejidad de los datos. Su estrategia consistía en agrupar primero los voxels (esencialmente píxeles tridimensionales) que componen cada imagen en unidades más grandes llamadas supervoxels. El uso de un supervoxel como la unidad más pequeña reduce la complejidad de una imagen mil veces, dice Keller.
A continuación, el programa busca formas elipsoidales entre grupos de supervoxels conectados, que se reconocen como núcleos celulares. Una vez que un grupo de supervoxels ha sido identificado como un núcleo de célula, el equipo utiliza esa información para encontrar el núcleo de nuevo en las imágenes subsiguientes. La microscopía de alta velocidad captura imágenes con la suficiente rapidez como para que una sola célula no pueda migrar muy lejos de un fotograma a otro.
"Con este enfoque bastante rápido, simple, podemos resolver casos fáciles de forma bastante eficiente", dice Keller. Esos casos representan alrededor del 95 por ciento de los datos. "En los casos más difíciles, donde podemos tener errores, utilizamos maquinaria más compleja".
En los casos donde las células son más difíciles de rastrear - porque la calidad de imagen es mala o la densidad de células es muy alta, por ejemplo, el equipo se basa en la información adicional. "Nos fijamos en lo que todas las células de esa zona hacen un poco hacia el futuro y un poco hacia el pasado", explica Keller. Patrones informativos generalmente surgen de la información contextual. La estrategia tiene más poder de cómputo que las tácticas iniciales.
Todos estos pasos se pueden llevar a cabo rápidamente a medida que las imágenes se adquieren por el microscopio, y el resultado es una información de linaje para cada célula. Por último, se aplica un control humano de los pasos para revisar el trabajo del equipo y corregir los errores.
Para poner a prueba el poder del programa, el equipo de Keller recogió imágenes de los comienzos del sistema nervioso tal como se desarrolló en una mosca de la fruta embrionario (en la imagen). Se utilizó el método para rastrear los linajes de 295 neuroblastos (precursores de las células nerviosas) y descubrieron que es posible predecir el destino futuro y la función de muchas células en base a su comportamiento dinámico temprano.
