La multiomica spaziale potenzia la previsione della patologia

La multiomica spaziale, ancora nella sua fase di scoperta, può significare cose diverse per persone diverse. Tipicamente denota la visualizzazione di dati trascrittomici e proteomici nel contesto dell'architettura tissutale, direttamente sulla stessa sezione o su sezioni seriali integrate computazionalmente.

La multiomica spaziale potrebbe eventualmente crescere fino a comprendere lipidi, glicani, metaboliti, marcatori epigenetici e timbri post-traduzionali transitori sulle proteine. "Ogni nuova tecnologia in medicina cresce dalla scoperta, attraverso la traduzione, alla diagnostica", afferma Joachim Schmid, PhD, vicepresidente, R&D informatica spaziale e intelligenza artificiale, NanoString Technologies.

Eppure, anche nella sua attuale incarnazione, la multiomica spaziale viene utilizzata nei laboratori di ricerca patologica per stabilire metodi precisi per identificare e classificare le malattie e per determinare la specificità e l’efficacia dei farmaci. Secondo Jonathan Sweedler, PhD, titolare della cattedra di chimica James R. Eiszner Family Endowed presso l’Università dell’Illinois a Urbana-Champaign, “Per alcune classi di molecole, la multiomica spaziale può già ottenere distribuzioni chimiche di qualità all’interno di tessuti e tumori. L’imaging della spettrometria di massa e la spettroscopia vibrazionale forniscono informazioni molecolari relative alla salute dei tessuti”.

L’immunoterapia ha introdotto la necessità di analisi molecolari meticolose e riproducibili per la classificazione granulare delle malattie che consentono di abbinare i pazienti alle terapie ottimali.

“Le cose si stanno complicando per il patologo. Un tempo era semplice: guardare alcuni vetrini H&E e IHC e trasmetterli al laboratorio molecolare, ma ora vogliamo conoscere la relazione tra i microambienti tumorali (TME) e le cellule tumorali. È qui che entra in gioco lo spazio", afferma Kenneth Bloom, MD, capo del reparto di patologia, Nucleai. "Dobbiamo identificare i tipi di cellule nella TME allo stesso tempo e comprendere le loro relazioni perché a volte le cellule funzionano in determinati modi solo quando sono adiacenti ad altre cellule."

Elizabeth Neumann, PhD, assistente professore di chimica presso l'Università della California, Davis, afferma: "Le malattie che una volta pensavamo fossero omogenee possono essere classificate in sottotipi man mano che otteniamo più dati multiomici spaziali".

Al Pathology Visions 2022 (una conferenza che si è tenuta lo scorso ottobre a Las Vegas, NV), Schmid ha avvertito entusiasmo riguardo alla visualizzazione di singole molecole in contesti spaziali. La patologia digitale digitalizza interi campioni su vetrini attraverso l'imaging dell'intero vetrino e utilizza la microscopia virtuale e metodi computazionali per scoprire informazioni cliniche. "Questa è stata la prima volta che la conferenza ha registrato il tutto esaurito", osserva Schmid. “I leader del pensiero stanno parlando di entrare nello spazio della biologia spaziale. Nessuno sa ancora come verrà tradotto nel lavoro quotidiano, ma la multiomica spaziale genera molte informazioni digitali adatte al campo”.

Storicamente i patologi si sono affidati al tessuto fissato in formalina e incluso in paraffina (FFPE). La tecnologia spaziale è in fase di sviluppo per FFPE, nonché per i tessuti freschi congelati. Tuttavia, la revisione delle tecnologie legacy per flussi di lavoro complessi richiede vantaggi concreti.

"Se guardi un tessuto al microscopio con gli occhi, la quantità di informazioni che ottieni è limitata", osserva Sweedler. “I patologi sono stati innovativi nel colorare i tessuti in modo che le molecole di interesse siano visibili per dedurre stati patologici. Questi funzionano. La domanda è se sia possibile ottenere informazioni più granulari attraverso la multiomica spaziale”.

Il vantaggio per i pazienti è il fattore determinante per l’implementazione delle nuove tecnologie. L’uso della multiomica spaziale offre vantaggi distinti per la stratificazione dei pazienti, non solo nell’acquisizione di maggiori informazioni per convalidare i risultati preliminari, ma anche nell’acquisizione di informazioni a cui non era possibile accedere in precedenza.

“È possibile utilizzare una combinazione di proteine ​​come segnale [della malattia], ma in molti casi per comprendere il meccanismo del trattamento o della progressione della malattia, può essere vantaggioso avere una proteina della superficie cellulare insieme a citochine e chemochine che possono essere molto migliori misurato attraverso l’RNA”, afferma Julia Kennedy-Darling, PhD, vicepresidente per l’innovazione, Akoya Biosciences.