Os métodos de transcriptômica espacial têm demorado a entrar na prática clínica, mas a proteômica espacial é mais barata e mais escalável, e pode progredir mais rapidamente.
Consórcios de atlas celulares, como o Human Cell Atlas (HCA), geraram imensas quantidades de dados. Há menos de uma década, o HCA tinha a ambição de mapear todos os tipos de células do corpo humano em diferentes fases de desenvolvimento. Seus dados transcriptômicos de nível unicelular visavam fornecer uma base para a compreensão da saúde e das doenças humanas. Na coleção de artigos recentemente publicada do HCA, mais de 60 milhões de células foram interligadas e mapeadas espacialmente1. A próxima etapa do consórcio expandirá esses conjuntos de dados e redes existentes, passando da transcriptômica para multiômica. Para compreender o fenótipo de uma doença, é necessário compreender como estas células interagem, onde estão localizadas e as proteínas que produzem.
Em contraste com tecnologias dissociativas, como RNA-seq unicelular, as tecnologias ômicas espaciais mostram as localizações de RNAs, proteínas e metabólitos dentro de uma célula ou tecido. Embora o sequenciamento em grande escala possa ser usado para subtipar doenças, estratificar pacientes para ensaios clínicos e monitorar respostas a medicamentos, os dados ômicos espaciais podem complementar os métodos atuais de sequenciamento com resolução adicional. Na última década, as tecnologias espaciais avançaram em resolução e em número de modalidades mensuráveis, podendo fornecer dados multiômicos (transcriptômica, proteômica e/ou metabolômica) em um único ensaio.
A tradução de dados ômicos espaciais para melhorar a saúde humana tem sido lenta em comparação com a velocidade de desenvolvimento de métodos nos últimos anos. Até recentemente, o campo esteve principalmente numa fase de geração de dados. Mas podemos estar nos aproximando de um ponto de inflexão. Nos últimos anos, a transcriptômica espacial forneceu informações sobre a expressão gênica tumoral e o microambiente tumoral, e identificou biomarcadores prognósticos ou diagnósticos, embora ainda não seja utilizada rotineiramente na prática clínica. Parte da razão para isso é a escalabilidade: os métodos de transcriptômica espacial ainda só conseguem capturar os padrões de expressão de um número relativamente pequeno de genes por célula. Além disso, a quantificação da expressão do RNA fornece informações limitadas, uma vez que a expressão do RNA nem sempre se correlaciona diretamente com a tradução da proteína.
As tecnologias de proteômica espacial são mais escaláveis e fornecem dados sobre a função celular. Os dados do nível de proteína costumam ser mais fáceis de trabalhar com as patologias, pois são semelhantes às telas de diagnóstico existentes. A expressão proteica também pode dizer mais sobre o estado celular durante a doença, especialmente quando considerada em conjunto com dados transcriptômicos. Por exemplo, a imagem de transcritos de RNA e proteínas é necessária para análise ligante-receptor ou investigação de vias de sinalização parácrina célula-célula. As proteínas secretadas são frequentemente difíceis de corar com imunofluorescência, e os transcritos de mRNA podem atuar como substitutos na análise das interações ligantes-receptores espaciais2. Novos métodos podem agora mapear proteínas e RNAs nas mesmas amostras3,4. Métodos da Natureza escolheu a proteômica espacial como seu Método do Ano para 2024 (ref. 5), demonstrando a promessa desta tecnologia.
Recentemente, uma tecnologia de proteômica espacial, a proteômica visual profunda (DVP), foi usada para desenvolver um tratamento terapêutico para necrólise epidérmica tóxica.6uma condição grave de formação de bolhas na pele que é uma forma grave de reação adversa cutânea ao medicamento. O principal tratamento para esta condição muitas vezes fatal é interromper a medicação desencadeadora, seguida de cuidados de suporte. DVP combina análise de imagem de fenótipos celulares baseada em inteligência artificial (IA) com proteômica imparcial7. Usando DVP, a assinatura de expressão proteica de queratinócitos e células imunes em seções de tecido de pacientes foi perfilada em profundidade sem precedentes, e os autores puderam compreender mais claramente o proteoma espacial do descolamento epidérmico. Eles observaram que a via do transdutor de sinal da Janus quinase e do ativador da transcrição (JAK-STAT) era regulada positivamente na necrólise epidérmica tóxica. O tratamento com inibidores de JAK conhecidos levou à reepitelização cutânea e à recuperação em sete pacientes com esta condição.
As empresas estão tomando nota do aumento do interesse e das tecnologias de maior resolução. Os autores de DVP e DVP unicelular (sc)8 criaram uma empresa em estágio inicial, a OmicVision, que usa DVP para identificação de biomarcadores e testes de diagnóstico, estratificando pacientes com base em fenótipos tumorais e recrutando pacientes apropriados para ensaios clínicos. Eles também examinam se a terapêutica existente corresponde aos perfis de expressão de proteínas tumorais.
A Akoya Biosciences desenvolveu uma química proprietária que permite multiômica espacial de slide inteiro com resolução de célula única. A combinação de proteômica espacial high-plex e transcriptômica pode ser usada para fenotipagem espacial profunda e escalável. Eles também estão se concentrando na previsão da resposta à imunoterapia contra o câncer e na descoberta de biomarcadores. Akoya colabora com as empresas de oncologia de estágio clínico NeraCare e Acrivon, que estão usando suas plataformas e ensaios certificados para desenvolver terapias personalizadas e traçar o perfil de biomarcadores clinicamente relevantes em uma variedade de cânceres, com o objetivo de melhor combinar os pacientes com os tratamentos.
As empresas também estão incorporando rapidamente a IA para análise de dados espaciais. O aprendizado profundo é facilmente integrado à coloração com hematoxilina e eosina para prever o resultado da doença9e com citometria de massa de imagem hi-plex para prever prognóstico, genótipo e resposta terapêutica em câncer de pulmão de células não pequenas10. A plataforma de biologia espacial da Nucleai realiza análises guiadas por IA de biópsias em imagens para diagnóstico de câncer e descoberta de biomarcadores. Tem sido usado para prever as respostas de pacientes com câncer de pulmão de células não pequenas a terapias de bloqueio de pontos de controle imunológico11 e em um ensaio clínico para auxiliar na identificação de biomarcadores que diferenciam respondedores e não respondedores à imunoterapia12.
Tal como acontece com muitas tecnologias emergentes, a democratização é necessária. É necessária uma maior colaboração entre os cientistas produtores de dados e os patologistas clínicos, assim como a partilha de plataformas e reagentes. Estes esforços não só aumentariam as colaborações e disponibilizariam os dados a uma variedade de investigadores, mas também padronizariam as técnicas. Os custos de instrumentos e reagentes para tecnologias espaciais ainda são elevados, dificultando a incorporação rotineira da tecnologia no local de atendimento. Os métodos de proteômica espacial podem ser mais baratos que as abordagens de transcriptômica espacial, onde o custo por lâmina é alto; no entanto, o custo continua a ser uma barreira à sua integração nas clínicas.
Com a rápida velocidade do desenvolvimento tecnológico e da geração de dados, é claro que muitos conhecimentos relacionados com doenças virão das combinações de transcriptómica e proteómica, e possivelmente de outras ‘ómicas, como a metabolómica e a epigenómica. Com mais empresas de biotecnologia trabalhando agora na tradução do conhecimento para as clínicas, a tecnologia pode influenciar o tratamento dos pacientes e os resultados do tratamento.
