Restauración de la movilidad mediante la identificación de las neuronas que la hacen posible
Crédito: CC0 Public Domain
Los investigadores de la EPFL lograron que los roedores paralizados caminaran de nuevo estimulando la médula espinal dañada de los animales. Este tratamiento prometedor ya ha ayudado a los parapléjicos a recuperar la movilidad durante los ensayos clínicos en el Hospital Universitario de Lausana (CHUV). Ahora, utilizando inteligencia artificial, los investigadores pueden identificar qué neuronas están involucradas en el proceso de readquisición de la marcha. Los resultados, que se han publicado en Nature Biotechnology, podrían conducir al desarrollo de nuevos enfoques, haciendo que los tratamientos sean aún más efectivos, además de allanar el camino para avances en otras áreas de la investigación biomédica.
La médula espinal de los roedores, como la de los seres humanos, contiene unos 50 tipos diferentes de células nerviosas o neuronas. Sin embargo, no todas estas células responden de la misma manera al tratamiento de recuperación de la marcha desarrollado en la EPFL, que se basa en una combinación de ejercicios y estimulación eléctrica y química de la médula espinal. Sin embargo, al identificar con precisión los tipos de neuronas involucradas, los investigadores pueden comprender mejor lo que sucede a nivel celular cuando estos estímulos dan como resultado una recuperación inmediata de la marcha. Luego, pueden dirigirse específicamente a aquellas neuronas que se activan mediante la estimulación, lo que aumenta la eficacia del tratamiento.
Como parte de estos esfuerzos, el laboratorio de Grgoire Courtine ha desarrollado un método de aprendizaje automático que se puede aplicar a cualquier tipo de -tecnología de celdas e identificar qué celdas son las más importantes para la tarea en cuestión. La aplicación de este método a la biología unicelular es particularmente emocionante, ya que técnicas como la secuenciación del ARN unicelular proporcionan mediciones precisas célula por célula de todos los genes que una célula podría expresar, lo que permite a los investigadores identificar los mecanismos celulares clave.
Los científicos compararon sus resultados usando dos grupos de ratones: los que habían vuelto a aprender a caminar después de una lesión en la médula espinal y los que quedaron paralizados en sus extremidades inferiores debido a la falta de tratamiento. Sin embargo, cuando un tratamiento de este tipo podría cambiar la expresión de miles de genes, identificar dentro de estos conjuntos de datos masivos las neuronas específicas que ayudan en la recuperación de los ratones es un problema desafiante. Para abordar esto, el equipo de Courtine desarrolló un método de aprendizaje automático. Apodado Augur, es capaz de aprender a identificar los tipos de células que mejor explican las diferencias entre dos condiciones al considerar automáticamente los niveles de expresión de miles de genes.
Augur proporciona una puntuación de prioridad, prediciendo qué células muestran el mayores diferencias entre los ratones paralizados y los que han recuperado la movilidad. Cuando Augur prioriza un determinado tipo de neurona, significa que esa neurona es fundamental para la recuperación de la marcha inducida por la estimulación electroquímica. Por el contrario, las neuronas que no son priorizadas por Augur se comportan de manera similar en ratones móviles y no móviles y, por lo tanto, probablemente no desempeñen un papel importante en la respuesta al tratamiento.
«Es un método estadístico robusto eso se puede aplicar a cualquier perturbación», dicen los dos primeros autores del artículo, Michael Skinnider y Jordan Squair. «Cuanto más exactamente Augur pueda asignar un tipo particular de neurona a los dos grupos de ratones, más relevantes serán esas células nerviosas en particular. Por lo tanto, es más probable que participen en la recuperación de la marcha».
Uso de esto método, los investigadores pudieron identificar un tipo de neurona que desempeña un papel importante en la recuperación de la marcha en ratones. Ahora pueden observar los mecanismos en funcionamiento con mayor detalle y también abordarlos con tratamiento farmacológico para aumentar la eficacia general.
Este método será de interés para muchos estudios biomédicos, según Courtine: «Ya sea que están trabajando en cáncer, enfermedad de Crohn, COVID o esclerosis múltiple, la pregunta central sigue siendo la misma, ¿qué tipo de célula está en el origen del problema? Nuestro método acelera el proceso de investigación, y por eso hemos hecho Augur libremente. disponible.»
Explore más
Ratones paralizados con lesión de la médula espinal lograron volver a caminar Más información: Michael A. Skinnider et al. Priorización de tipos de células en datos unicelulares, Nature Biotechnology (2020). DOI: 10.1038/s41587-020-0605-1 Información de la revista: Nature Biotechnology
Proporcionado por Ecole Polytechnique Federale de Lausanne Cita: Restauración de la movilidad mediante la identificación de las neuronas que hazlo posible (20 de julio de 2020) recuperado el 31 de agosto de 2022 de https://medicalxpress.com/news/2020-07-mobility-neurons.html Este documento está sujeto a derechos de autor. Aparte de cualquier trato justo con fines de estudio o investigación privados, ninguna parte puede reproducirse sin el permiso por escrito. El contenido se proporciona únicamente con fines informativos.