Durante o desenvolvimento inicial, os tecidos e órgãos começam a florescer através da mudança, divisão e crescimento de muitos milhares de células.
Uma equipe de engenheiros do MIT desenvolveu agora uma maneira de prever, minuto a minuto, como as células individuais se dobrarão, se dividirão e se reorganizarão durante o estágio inicial de crescimento de uma mosca da fruta. O novo método poderá um dia ser aplicado para prever o desenvolvimento de tecidos, órgãos e organismos mais complexos. Também poderia ajudar os cientistas a identificar padrões celulares que correspondem a doenças de início precoce, como asma e cancro.
Em um estudo aparecendo hoje no jornal Métodos da Naturezaa equipe apresenta um novo modelo de aprendizagem profunda que aprende e depois prevê como certas propriedades geométricas de células individuais mudarão à medida que uma mosca da fruta se desenvolve. O modelo registra e rastreia propriedades como a posição de uma célula e se ela está tocando uma célula vizinha em um determinado momento.
A equipe aplicou o modelo a vídeos de embriões de moscas-das-frutas em desenvolvimento, cada um dos quais começa como um aglomerado de cerca de 5.000 células. Eles descobriram que o modelo poderia prever, com 90% de precisão, como cada uma das 5.000 células se dobraria, se deslocaria e se reorganizaria, minuto a minuto, durante a primeira hora de desenvolvimento, à medida que o embrião se transformasse de uma forma lisa e uniforme em estruturas e características mais definidas.
“Esta fase inicial é conhecida como gastrulação, que ocorre durante cerca de uma hora, quando as células individuais são reorganizadas numa escala de tempo de minutos”, diz o autor do estudo, Ming Guo, professor associado de engenharia mecânica no MIT. “Ao modelar com precisão este período inicial, podemos começar a descobrir como as interações celulares locais dão origem a tecidos e organismos globais.”
Os investigadores esperam aplicar o modelo para prever o desenvolvimento célula a célula noutras espécies, como peixes-zebra e ratos. Então, eles podem começar a identificar padrões comuns entre as espécies. A equipe também prevê que o método possa ser usado para discernir padrões iniciais de doenças, como na asma. O tecido pulmonar em pessoas com asma parece muito diferente do tecido pulmonar saudável. A forma como o tecido propenso à asma se desenvolve inicialmente é um processo desconhecido que o novo método da equipe poderia revelar.
“Os tecidos asmáticos mostram diferentes dinâmicas celulares quando fotografados ao vivo”, diz o coautor e estudante de pós-graduação do MIT, Haiqian Yang. “Prevemos que nosso modelo poderia capturar essas diferenças dinâmicas sutis e fornecer uma representação mais abrangente do comportamento dos tecidos, melhorando potencialmente os diagnósticos ou ensaios de triagem de drogas.”
Os coautores do estudo são Markus Buehler, professor de engenharia da McAfee no Departamento de Engenharia Civil e Ambiental do MIT; George Roy e Tomer Stern, da Universidade de Michigan; e Anh Nguyen e Dapeng Bi da Northeastern College.
Pontos e espumas
Os cientistas normalmente modelam como um embrião se desenvolve de duas maneiras: como uma nuvem de pontos, onde cada ponto representa uma célula particular person como um ponto que se transfer ao longo do tempo; ou como uma “espuma”, que representa células individuais como bolhas que se deslocam e deslizam umas contra as outras, semelhantes às bolhas da espuma de barbear.
Em vez de escolher entre as duas abordagens, Guo e Yang adotaram ambas.
“Há um debate sobre se devemos modelar como uma nuvem de pontos ou como uma espuma”, diz Yang. “Mas ambos são formas essencialmente diferentes de modelar o mesmo gráfico subjacente, o que é uma forma elegante de representar tecidos vivos. Ao combiná-los num único gráfico, podemos destacar mais informações estruturais, como a forma como as células estão ligadas umas às outras à medida que se reorganizam ao longo do tempo.”
No centro do novo modelo está uma estrutura de “gráfico duplo” que representa um embrião em desenvolvimento tanto como pontos móveis quanto como bolhas. Através desta representação dupla, os investigadores esperavam capturar propriedades geométricas mais detalhadas de células individuais, como a localização do núcleo de uma célula, se uma célula está a tocar uma célula vizinha e se está a dobrar-se ou a dividir-se num determinado momento.
Como prova de princípio, a equipe treinou o novo modelo para “aprender” como as células individuais mudam ao longo do tempo durante a gastrulação da mosca-das-frutas.
“A forma geral da mosca da fruta nesta fase é aproximadamente um elipsóide, mas há uma dinâmica gigantesca acontecendo na superfície durante a gastrulação”, diz Guo. “Ele vai desde totalmente suave até formar uma série de dobras em diferentes ângulos. E queremos prever todas essas dinâmicas, momento a momento, e célula por célula.”
Onde e quando
Para o seu novo estudo, os investigadores aplicaram o novo modelo a vídeos de alta qualidade de gastrulação de moscas-das-frutas obtidos pelos seus colaboradores da Universidade de Michigan. Os vídeos são gravações de uma hora de desenvolvimento de moscas-das-frutas, feitas com resolução unicelular. Além do mais, os vídeos contêm rótulos de bordas e núcleos de células individuais – dados que são incrivelmente detalhados e difíceis de obter.
“Esses vídeos são de qualidade extremamente alta”, diz Yang. “Esses dados são muito raros, onde você obtém resolução submícron de todo o quantity 3D a uma taxa de quadros bastante rápida.”
A equipe treinou o novo modelo com dados de três dos quatro vídeos de embriões de moscas-das-frutas, para que o modelo pudesse “aprender” como as células individuais interagem e mudam à medida que um embrião se desenvolve. Eles então testaram o modelo em um vídeo inteiramente novo de moscas-das-frutas e descobriram que ele period capaz de prever com alta precisão como a maioria das 5.000 células do embrião mudava de minuto a minuto.
Especificamente, o modelo poderia prever propriedades de células individuais, como se elas irão dobrar, dividir ou continuar compartilhando uma borda com uma célula vizinha, com cerca de 90% de precisão.
“Acabamos prevendo não apenas se essas coisas acontecerão, mas também quando”, diz Guo. “Por exemplo, esta célula irá se separar desta célula daqui a sete minutos, ou daqui a oito? Podemos dizer quando isso acontecerá.”
A equipa acredita que, em princípio, o novo modelo, e a abordagem de gráfico duplo, deverão ser capazes de prever o desenvolvimento célula a célula de outros sistemas multicelares, tais como espécies mais complexas, e até mesmo de alguns tecidos e órgãos humanos. O fator limitante é a disponibilidade de dados de vídeo de alta qualidade.
“Do ponto de vista do modelo, acho que está pronto”, diz Guo. “O verdadeiro gargalo são os dados. Se tivermos dados de boa qualidade de tecidos específicos, o modelo poderá ser aplicado diretamente para prever o desenvolvimento de muito mais estruturas.”
Este trabalho é apoiado, em parte, pelos Institutos Nacionais de Saúde dos EUA.