Imágenes 3D de la formación de un sistema nervioso, célula a célula

Los avances en la tecnología de imágenes están transformando el modo en el que los científicos ven el universo celular. Pero extraer el torrente de información contenida en esas imágenes resulta muy complejo.

Ahora, un grupo de investigadores del Howard Hughes Medical Institute (Maryland, EE UU) –una institución sin ánimo de lucro fundada por el aviador e ingeniero Howard Hughes en 1953– ha desarrollado un método que combina cálculo y microscopía avanzada y que ha permitido observar el desarrollo en directo y en 3D, célula a célula, del sistema nervioso del embrión de la mosca de la fruta (Drosophila melanogaster), uno de los organismos más estudiados por los genetistas.

El método incluye un software open source, denominado Next, que está disponible gratuitamente para toda la comunidad científica. La investigación, cuyos resultados han sido publicados en la revista Nature Methods, ha combinado herramientas de neurociencia, biología y biofísica.

Philipp Keller, líder del trabajo, dirigió el equipo que desarrolló todo el entorno computacional. El grupo ha utilizado el método para reconstruir el linaje celular durante el desarrollo del sistema nervioso de una mosca de la fruta desde el principio. Su técnica se puede utilizar para rastrear los linajes de células en múltiples organismos y procesar eficientemente los datos de diferentes tipos de microscopios fluorescentes.

Los autores utilizaron su técnica para rastrear los linajes de 295 neuroblastos (precursores de las células nerviosas) y descubrieron que es posible predecir el futuro y la función de muchas células a partir de su comportamiento dinámico inicial.

Microscopio multivisión

En 2012, Keller desarrolló un microscopio multivisión simultáneo de lámina de luz (SimView), que capta imágenes tridimensionales con una velocidad y precisión sin precedentes en períodos de horas o días.

Las imágenes obtenidas revelan las divisiones y reordenamientos complejos de células individuales cuando emergen las estructuras biológicas en un embrión en desarrollo. Desde entonces, Keller ha estado perfeccionando el sistema con el objetivo de que pueda utilizarse para seguir el desarrollo del sistema nervioso de un organismo en sus fases iniciales.

Supervoxels

Amat lideró el esfuerzo para desarrollar una solución eficiente. Su primera prioridad fue reducir la complejidad de los datos. Su estrategia consistió en agrupar primero los vóxeles (píxeles tridimensionales) que componen cada imagen en unidades más grandes llamadas supervóxeles. Usando esta medida como la unidad más pequeña, se logró reducir la complejidad de una imagen mil veces, explica Keller.

Según el autor principal, Next busca formas elipsoidales entre grupos de supervóxeles conectados, que se reconocen como núcleos celulares. Una vez que un grupo de supervóxeles es identificado como un núcleo de la célula, el ordenador utiliza esa información para encontrar el núcleo de nuevo en las imágenes subsiguientes.

“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 hasta 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 período de tiempo largo”, agrega el investigador en la información de Sinc.

El sistema nervioso de un ratón embrionario tarda más de una semana en ser funcional y el de la mosca de la fruta, un día. Esto conlleva el tratamiento de decenas de miles de imágenes de células en puntos de tiempo, lo que suma terabytes de datos. "Podemos obtener buenas series de datos de imagen, pero si queremos reconstruirlos, no podemos hacerlo sin ayuda del ordenador", agrega el responsable.

Método de cálculo

Fernando Amat, especialista en bioinformática en el equipo de Keller, junto a sus colegas, ha resuelto ese problema con el nuevo método de cálculo que identifica y rastrea las células en división tan pronto como el microscopio de alta velocidad captura las imágenes. El proceso está automatizado en gran medida, pero incorpora una función de edición manual para mejorar la precisión de un pequeño porcentaje de células que son difíciles de seguir informáticamente.

El equipo de Keller ha estado lidiando con la forma de interpretar este tipo de datos de imágenes desde 2010. Fue un reto, no sólo por el gran volumen de datos de su microscopio avanzado, sino también por la complejidad de la información. Las células en un embrión en desarrollo tienen diferentes formas y comportamientos y pueden ser densas, por lo que es difícil que un ordenador pueda identificar y rastrear las células individuales. Además, las inevitables variaciones en la calidad de imagen complican aún más el análisis, señala el estudio.

La microscopía de alta velocidad capta las imágenes con la suficiente rapidez para que una sola célula no pueda migrar muy lejos de un marco a otro. "Nos aprovechamos de esa situación y utilizamos un punto como partida para el siguiente punto", explica Keller.

Este científico está deseoso de comenzar a usar el método para investigar varías vías sobre el desarrollo inicial y espera que otros apliquen su enfoque en sus investigaciones. Para ello, el equipo probó que la técnica se puede utilizar con varios tipos de datos. Además de moscas de la fruta, aplicaron el software con éxito para analizar imágenes de pez cebra y ratones. También analizaron datos procedentes de microscopios comerciales de última tecnología.

Referencia bibliográfica:

Philipp Keller et al.: Fast, accurate reconstruction of cell lineages from large-scale fluorescence microscopy data. Nature Methods (2014). doi:10.1038/nmeth.3036