CIENCIA. Un modelo matemático podría marcar una nueva época en los tratamientos con células madre

células madre, modelos matemáticos, inteligencia artificial

 

Célula humana

El último estudio de la Universidad de Michigan reveló que un modelo matemático que puede usarse en la terapia con células madre será más efectivo en los tratamientos. Este modelo permitirá a los científicos descubrir finalmente el orden de las operaciones genéticas dentro de las células en desarrollo.

16 octubre 2022.- En el comunicado de la universidad , se dijo que la medicina regenerativa aún se encuentra en sus primeras etapas, con solo unas pocas terapias con células madre que han demostrado ser beneficiosas y los científicos han estado trabajando en nuevos tratamientos con células madre durante décadas. 

Sin embargo, un problema es que los científicos aún no comprenden completamente cómo una célula madre se transforma en su forma final, ya sea una célula sanguínea o una célula cardíaca, y sin una comprensión clara de ese proceso, los científicos no pueden regularla para usarla como terapéutico.

“La gran pregunta en el campo es qué cambia primero, el epigenoma o el transcriptoma”, dijo Joshua Welch, Ph.D., profesor asistente en el Departamento de Medicina Computacional y Bioinformática de la Facultad de Medicina de la UM.

Publicado en Nature Biotechnology el 13 de octubre, el estudio demuestra que se puede usar un modelo matemático para estimar el tiempo.

Células bajo un microscopio

¿Por qué se mueven tan lentamente?

Por supuesto, hay muchas razones por las que los científicos se demoran tanto, pero básicamente se trata de las propiedades del ADN y el ARN.

El genoma ajusta la forma de la cromatina, el haz estrechamente enrollado que alberga el ADN, en respuesta a las señales del entorno que le indican qué expresar y cuándo expresarlo. Esto significa que el genoma no solo lleva a cabo las instrucciones escritas en su ADN. El epigenoma es el nombre dado a estas señales moleculares.

Los investigadores no pudieron observar la expresión génica en una sola célula hasta hace poco. Hoy pueden hacerlo gracias a la tecnología de secuenciación unicelular. La celda se destruye cuando se mide, por lo que todavía es difícil visualizar el momento de los cambios.

Para abordar esto, los investigadores desarrollaron un enfoque basado en modelos de física básica tratando a las células como si fueran masas que se mueven por el espacio con el propósito de estimar su velocidad.

El modelo, denominado "MultiVelo", predice la dirección y la velocidad de los cambios moleculares que experimentan las células.

Se utilizaron cuatro tipos de células madre

Descubrieron dos formas en que el epigenoma y el transcriptoma pueden estar desincronizados y pudieron validar la estrategia utilizando cuatro tipos diferentes de células madre: el cerebro, la sangre y la piel.

Los llamados atlas celulares, que se están creando utilizando la secuenciación de una sola célula para ver los muchos tipos de células y la expresión génica en diversos sistemas del cuerpo, reciben una capa adicional y crucial de comprensión gracias a la tecnología.

Uno de los grandes problemas en el campo es que las células diferenciadas artificialmente creadas en el laboratorio nunca llegan a ser réplicas completas de sus contrapartes de la vida real. El mayor potencial de este modelo es comprender mejor cuáles son las barreras epigenéticas para convertir completamente las células en cualquier objetivo que desee que sean.

Resumen:

Los conjuntos de datos multiómicos de una sola célula, en los que se perfilan múltiples modalidades moleculares dentro de la misma célula, ofrecen la oportunidad de comprender la relación temporal entre el epigenoma y el transcriptoma. Para realizar este potencial, se ha desarrollado MultiVelo, un modelo de ecuación diferencial de expresión génica que amplía el marco de velocidad del ARN para incorporar datos epigenómicos. MultiVelo utiliza un modelo de variable latente probabilística para estimar el tiempo de cambio y los parámetros de velocidad de la accesibilidad a la cromatina y la expresión génica, y mejora la precisión de la predicción del destino celular en comparación con las estimaciones de velocidad del ARN únicamente. La aplicación a conjuntos de datos multiómicos de una sola célula del cerebro, la piel y las células sanguíneas revela dos clases distintas de genes que se distinguen por si la cromatina se cierra antes o después de que cesa la transcripción. También se han encontrado cuatro tipos de estados celulares: dos estados en los que el epigenoma y el transcriptoma están acoplados y dos estados distintos desacoplados. Finalmente, se identificaron retrasos de tiempo entre la expresión del factor de transcripción y la accesibilidad del sitio de unión y entre la accesibilidad de SNP asociada a la enfermedad y la expresión de los genes vinculados. MultiVelo está disponible en PyPI, Bioconda y GitHub.

Fuente: Li, C., Virgilio, M.C., Collins, K.L. et al. Multi-omic single-cell velocity models epigenome–transcriptome interactions and improves cell fate prediction. Nat Biotechnol (2022). https://doi.org/10.1038/s41587-022-01476-y