Cientistas da EPFL e do Consiglio Nazionale delle Ricerche (CNR), da Universidade Federico II e do CEINGE-Biotecnologie avanzate em Nápoles, Itália, desenvolveram um novo método para rastrear células individuais de forma rápida e confiável sem marcação de fluorescência. Seu trabalho, publicado na revista Nature Photonics , abre novos caminhos no diagnóstico precoce de tumores e no desenvolvimento de medicamentos.

Sob o microscópio, células saudáveis ??e não saudáveis ??podem ser muito difíceis de distinguir. Os cientistas usam corantes ou marcadores fluorescentes direcionados a proteínas específicas para identificar tipos de células , caracterizar seu estado e estudar o impacto de drogas e outras terapias. Embora seu impacto na medicina tenha sido transformacional, a abordagem tem suas limitações. Por um lado, a marcação de células é cara, demorada e fortemente dependente da habilidade do pesquisador. Além disso, o processo de coloração pode ser prejudicial para as células sob investigação.

É por isso que os pesquisadores vêm desenvolvendo formas alternativas de rastrear células individuais de forma rápida e confiável . Em um artigo recente publicado na revista Nature Photonics , pesquisadores da Escola de Engenharia da EPFL e colegas do Instituto de Ciências Aplicadas e Sistemas Inteligentes, CNR, em Pozzuoli, Itália, apresentam uma abordagem livre de manchas capaz de distinguir com precisão regiões específicas dentro da vida células. Combinando exclusivamente imagens holográficas e microfluídica com processamento de sinal baseado em rede neural , o trabalho abre caminho para biópsias líquidas para detecção de células tumorais circulantes e ensaios de alto rendimento para testes de drogas.

O estudo baseia-se no aprendizado da tomografia, um método desenvolvido anteriormente por Demetri Psaltis e sua equipe no Laboratório de Óptica da EPFL. Em vez de usar um microscópio para criar uma imagem visual do espécime em estudo, o aprendizado da tomografia depende de imagens quantitativas de fase, uma abordagem de imagem holográfica que revela o atraso de fase incorrido quando o feixe de luz do microscópio passa pela matéria que compõe a célula.

Repetir esse processo em vários ângulos diferentes e executar os dados de fase por meio de uma rede neural permitiu que os pesquisadores gerassem mapas 3D do índice de refração de cada voxel individual – cada volume tridimensional resolvido pelo método. "O índice de refração é influenciado pela densidade das moléculas e do material", explica Psaltis. Aumentar o número de iterações melhorou ainda mais a precisão da estimativa de distribuição do índice de refração.

Em sua publicação, Psaltis e sua equipe apresentam como superaram uma limitação de longa data das abordagens de imagem de fase quantitativa: a incapacidade de identificar componentes intracelulares. "Usar uma abordagem de autoagrupamento que agrupa voxels com um índice de refração semelhante, juntamente com ferramentas de aprendizado de máquina, nos permitiu montar os clusters em formas que poderíamos classificar. Diferentes tipos de núcleos, por exemplo, têm diferentes índices de refração", diz Psaltis . Fechar essa lacuna abre caminho para a geração de imagens de fase quantitativa para fornecer insights anteriormente obtidos apenas usando microscopia de fluorescência.

Um segundo desafio foi desenvolver um método de triagem de células que não exigisse a imobilização. A solução para este desafio veio do coautor Pietro Ferraro e seu laboratório no CNR, que tinha vasta experiência trabalhando em tomografia de fluxo usando dispositivos lab-on-chip. "A ideia era colocar as células em um canal fluídico de 50 a 100 mícrons de diâmetro e deixar o gradiente de velocidade do fluxo no canal girar as células", diz Psaltis. “Ao observar as células enquanto elas caem ao longo do canal usando um feixe e detector estacionário, podemos detectar o atraso de fase, estimar a orientação da célula e aplicar nossa abordagem de tomografia de aprendizado para gerar os mapas de índice de refração 3D”.

"A resolução transversal alcançável é de meio mícron a um mícron", diz Psaltis. "Não podemos detectar proteínas individuais, mas podemos ver agregados de proteínas, que tendem a ter dezenas de mícrons de diâmetro. Também nos permite avaliar o tamanho do núcleo e o contorno da célula, que se torna menos suave quando as células se tornam cancerosas. ." Os pesquisadores validaram sua metodologia comparando suas descobertas com observações feitas usando microscopia de fluorescência confocal, o padrão ouro de hoje em imagens celulares 3D.

Uma aplicação essencial da triagem de células sem manchas são as biópsias líquidas que permitem a detecção de células cancerígenas circulantes , usadas tanto para identificar tipos de câncer em cirurgia quanto como ferramenta de diagnóstico precoce para metástases de câncer.

Outra é o desenvolvimento de drogas. Muitas doenças, como Parkinson, estão associadas a proteínas reticuladas. A abordagem desenvolvida por Psaltis e seus colaboradores oferece uma maneira altamente eficiente e não invasiva de avaliar a eficácia de medicamentos projetados para quebrar essas proteínas reticuladas em tempo real, executando repetidamente células tratadas através da configuração de imagem. Da mesma forma, a abordagem pode ser usada para fornecer aos pesquisadores novos insights sobre os efeitos em tempo real de patógenos em células saudáveis.

De acordo com Psaltis, o trabalho futuro envolverá a aplicação de ferramentas de aprendizado de máquina para extrair informações biologicamente relevantes e diagnósticos concretos da distribuição estimada do índice de refração .