La tecnica in questione combina la spettroscopia Raman con l’apprendimento automatico per tracciare in modo non invasivo l’espressione genica nelle cellule nel corso del tempo. La spettroscopia Raman è una tecnica di imaging non invasiva che rivela la composizione chimica dei tessuti o delle cellule illuminandoli con luce vicino all’infrarosso o visibile. Questo metodo, a differenza delle tecniche tradizionali, non danneggia le cellule e può essere eseguito ripetutamente, permettendo di studiare dettagliatamente la differenziazione cellulare e aprendo nuove strade nella ricerca sul cancro, nella biologia dello sviluppo e nella diagnostica.
La sequenziazione di tutto l’RNA in una cellula può rivelare molte informazioni sulla funzione della cellula e sulle sue attività in un dato momento. Tuttavia, il processo di sequenziazione distrugge la cellula, rendendo difficile lo studio dei cambiamenti continui nell’espressione genica. L’approccio alternativo sviluppato al MIT potrebbe consentire ai ricercatori di tracciare tali cambiamenti per periodi prolungati. Utilizzando questa tecnica, i ricercatori hanno dimostrato di poter monitorare le cellule staminali embrionali mentre si differenziavano in diversi altri tipi cellulari nel corso di diversi giorni.
Questa tecnica potrebbe consentire lo studio di processi cellulari a lungo termine come la progressione del cancro o lo sviluppo embrionale e, un giorno, potrebbe essere utilizzata per la diagnostica del cancro e di altre malattie. “Con l’imaging Raman, puoi misurare molti più punti temporali, il che può essere importante per studiare la biologia del cancro, la biologia dello sviluppo e una serie di malattie degenerative”, afferma Peter So, professore di ingegneria biologica e meccanica al MIT e uno degli autori dello studio.
Il Centro di Ricerca Biomedica Laser del MIT lavora sulla spettroscopia Raman biomedica dal 1985 e, di recente, So e altri membri del centro hanno sviluppato tecniche basate sulla spettroscopia Raman che potrebbero essere utilizzate per diagnosticare il cancro al seno o misurare la glicemia. Tuttavia, la spettroscopia Raman da sola non è abbastanza sensibile per rilevare segnali piccoli come i cambiamenti nei livelli di singole molecole di RNA. Per misurare i livelli di RNA, i ricercatori hanno combinato i vantaggi della sequenziazione dell’RNA a singola cellula e della spettroscopia Raman addestrando un modello computazionale per tradurre i segnali Raman in stati di espressione dell’RNA.
I ricercatori hanno testato il loro algoritmo Raman2RNA monitorando le cellule staminali embrionali del topo mentre si differenziavano in diversi tipi cellulari. Hanno scattato immagini Raman delle cellule quattro volte al giorno per tre giorni e hanno utilizzato il loro modello computazionale per prevedere i corrispondenti profili di espressione dell’RNA di ogni cellula, confermando i risultati confrontandoli con le misurazioni della sequenziazione dell’RNA. Utilizzando questo approccio, i ricercatori sono stati in grado di osservare le transizioni che si verificavano nelle singole cellule mentre si differenziavano da cellule staminali embrionali in tipi cellulari più maturi.
La ricerca ora mira a utilizzare questa tecnica per studiare altri tipi di popolazioni cellulari che cambiano nel tempo, come le cellule che invecchiano e le cellule cancerose. Attualmente, i ricercatori stanno lavorando con cellule coltivate in una piastra da laboratorio, ma in futuro sperano che questo approccio possa essere sviluppato come potenziale diagnostico da utilizzare nei pazienti. “Uno dei maggiori vantaggi di Raman è che è un metodo senza etichette. È ancora lontano, ma c’è il potenziale per la traduzione umana, che non potrebbe essere fatto utilizzando le tecniche invasive esistenti per misurare i profili genomici”, afferma Jeon Woong Kang, scienziato di ricerca al MIT e anche autore dello studio.