Para entender o que impulsiona a progressão da doença nos tecidos, os cientistas precisam de mais do que apenas uma imagem de células isoladas — eles precisam ver onde as células estão, como interagem e como essa organização espacial muda entre os estados da doença. Um novo método computacional chamado MESA (Multiômica e Análise Espacial Ecológica), detalhado em um estudo publicado na  Nature Genetics , está ajudando pesquisadores a estudar tecidos doentes de maneiras mais significativas.

O trabalho detalha os resultados de uma colaboração entre pesquisadores do MIT, da Universidade Stanford, da Weill Cornell Medicine, do Instituto Ragon do MGH, do MIT e de Harvard, e do Instituto Broad do MIT e de Harvard, e foi liderado pela equipe de Stanford.

O MESA traz uma perspectiva inspirada na ecologia para a análise de tecidos. Ele oferece um pipeline para interpretar dados ômicos espaciais — o produto de tecnologia de ponta que captura informações moleculares juntamente com a localização de células em amostras de tecido. Esses dados fornecem um mapa de alta resolução das "vizinhanças" dos tecidos, e o MESA ajuda a compreender a estrutura desse mapa.

“Ao integrar abordagens de disciplinas tradicionalmente distintas, o MESA permite que os pesquisadores apreciem melhor como os tecidos são organizados localmente e como essa organização muda em diferentes contextos de doenças, possibilitando novos diagnósticos e a identificação de novos alvos para prevenção e cura”, afirma  Alex K. Shalek , diretor do  Instituto de Engenharia Médica e Ciência (IMES), professor JW Kieckhefer no IMES e no Departamento de Química, e membro externo do Instituto Koch para Pesquisa Integrativa do Câncer do MIT, bem como membro do instituto  Broad Institute e membro do  Ragon Institute .

“Em ecologia, estudamos a biodiversidade em diferentes regiões — como as espécies animais se distribuem e interagem”, explica Bokai Zhu, pós-doutorado do MIT e autor do estudo. “Percebemos que poderíamos aplicar essas mesmas ideias às células dos tecidos. Em vez de coelhos e cobras, analisamos células T e células B.”

Ao tratar os tipos de células como espécies ecológicas, o MESA quantifica a "biodiversidade" nos tecidos e rastreia como essa diversidade se altera em doenças. Por exemplo, em amostras de câncer de fígado, o método revelou zonas onde células tumorais coexistiram consistentemente com macrófagos, sugerindo que essas regiões podem influenciar desfechos específicos da doença.

O MESA também oferece outra grande vantagem: pode enriquecer computacionalmente dados de tecidos sem a necessidade de mais experimentos. Utilizando conjuntos de dados de células individuais disponíveis publicamente, a ferramenta transfere informações adicionais — como perfis de expressão gênica — para amostras de tecido existentes. Essa abordagem aprofunda a compreensão de como os domínios espaciais funcionam, especialmente ao comparar tecidos saudáveis e doentes.

Em testes com diversos conjuntos de dados e tipos de tecidos, o MESA revelou estruturas espaciais e populações celulares importantes que antes eram ignoradas. Ele integra diferentes tipos de dados ômicos, como transcriptômica e proteômica, e cria uma visão multicamadas da arquitetura do tecido.

Atualmente disponível como um pacote Python, o MESA foi projetado para pesquisa acadêmica e translacional. Embora a ômica espacial ainda consuma muitos recursos para uso clínico rotineiro em hospitais, a tecnologia está ganhando força entre as empresas farmacêuticas, especialmente para ensaios clínicos em que a compreensão das respostas dos tecidos é crucial.

“Este é apenas o começo”, diz Zhu. “O MESA abre as portas para o uso da teoria ecológica para desvendar a complexidade espacial das doenças — e, em última análise, para melhor prevê-las e tratá-las.”