O projeto começou há cerca de um ano, com células da pele adultas que foram reprogramadas em um estado embrionário, sem indiferenciação. Horwitz e sua equipe então usaram CRISPR-Cas9 para inserir marcas em genes, tornando as estruturas dentro das células brilhantes. Esses genes incluíram aqueles que codificam proteínas que destacam os filamentos de actina, que por sua vez ajudam as células a se mover e manter sua forma. Tornou-se rapidamente claro que as células, que eram todas clones genéticos da mesma célula parental, variavam na colocação, forma e número de seus componentes, tais como mitocôndrias e fibras de actina.

 Uma célula-tronco humana em divisão, mostrando a membrana celular (amarelo), DNA (azul) e microtúbulos (vermelho). Créditos: Allen Institute for Cell Science.

Cientistas computacionais analisaram milhares de imagens usando programas de aprendizagem profunda e encontraram relações entre as localizações das estruturas celulares. Eles então usaram essa informação para prever onde as estruturas poderiam estar quando o programa deu apenas um par de pistas, como a posição do núcleo. O programa “aprendeu” comparando suas previsões com células reais.

Os algoritmos de aprendizagem profunda são semelhantes aos que as empresas usam para prever as preferências das pessoas, diz Horwitz. A ferramenta 3D interativa baseada nesta capacidade de aprendizagem profunda deve ser lançada no final deste ano. No momento, o site mostra uma prévia de como ela funcionará usando comparações lado a lado de imagens previstas e reais.

Benjamin Freedman, biólogo celular da Universidade de Washington (EUA), espera poder trabalhar com a função preditiva do Cell Explorer, uma vez que a equipe do Instituto Allen ensinou seu algoritmo a reconhecer mais células iPSCs que foram modificadas geneticamente ou quimicamente. Por exemplo, Freedman diz que poderia apagar um gene relacionado à doença renal em uma das células-tronco fluorescentemente marcadas e ver como a mutação afeta a estrutura brilhante. Em seguida, ele poderia usar a ferramenta de modelagem do site para determinar como outros componentes celulares podem ser alterados. “Em última análise”, diz Freedman, “queremos entender processos no nível celular que causam doenças no rim como um todo”.

Preenchimento dos furos

Nos próximos meses, os pesquisadores do Instituto Allen atualizarão o local com imagens de células-tronco em diferentes estágios da divisão celular, e como elas se transformam em diferentes tipos de células, como as células cardíacas e renais. Capturar células em pontos de tempo diferentes pode ser crucial para identificar processos fundamentais, diz Horwitz.

Diferenças estruturais no DNA (roxo) e membrana celular (azul) de células-tronco geneticamente idênticas. Créditos: Allen Institute for Cell Science.

A ênfase visual do Instituto Allen sobre as células-tronco se encaixa a uma série de esforços para catalogar outros aspectos das células. Por exemplo, a instituição de caridade Cancer Research UK, em Londres, está criando modelos interativos de realidade virtual de células de câncer de mama em tumores. E um esforço internacional chamado Human Cell Atlas procura definir todos os tipos de células humanas em termos de seus perfis moleculares, incluindo sequências de DNA, transcritos de RNA e proteínas.

Aviv Regev, uma bióloga computacional do Broad Institute, em Cambridge (EUA), que está trabalhando no Human Cell Atlas, diz que o Allen Cell Explorer complementa seu projeto, concentrando-se na aparência de características celulares em oposição a como genes, RNA e proteínas interagem dentro da célula. “A comunidade está aceitando que há muitas diferenças entre as células que achamos que eram as mesmas até recentemente”, diz ela, “então agora estamos tomando uma abordagem imparcial para aprender sobre as peças no quebra-cabeça que não sabíamos que existiam.”

Matéria originalmente traduzida da revista Nature.