Lo que Guckelsberger y sus colegas desarrollaron durante ese año es una forma de clasificar automáticamente imágenes de microscopía digital de las interacciones entre anticuerpos y antígenos virales en células cultivadas en laboratorio. Básicamente, una computadora aprende a detectar si el paciente tiene anticuerpos contra el coronavirus.
Más allá de un diagnóstico, el método también brinda a los investigadores información sobre qué características en las células indican un resultado positivo, qué tipo de respuestas de anticuerpos están presentes y les permite hacer predicciones sobre la probabilidad de una muestra positiva de anticuerpos COVID-19 solo a partir de la imagen.
Las mismas imágenes de muestra clasificadas por un ordenador también fueron mostradas a virólogos expertos, quienes las calificaron como positivas o negativas para anticuerpos contra el coronavirus. “Nuestro enfoque puede igualar el nivel de clasificación de los expertos humanos”, afirma Guckelsberger, “y es mucho más rápido. Además, puede indicarnos cuándo hay resultados ambiguos que un experto debería examinar más de cerca”.
Los resultados del proyecto, publicados recientemente en Métodos de informes celularestambién muestran que el método es comparable, y en algunos aspectos superior, a ensayos ampliamente utilizados como ELISA.
«Utilizamos células, en lugar de proteínas virales purificadas, como base para nuestro ensayo, que se acerca más a la fisiología real», dice el autor principal. Vilja Pietiäinen del Instituto de Medicina Molecular de Finlandia (FIMM) de la Universidad de Helsinki.
“Como todo está completamente automatizado, tenemos un alto rendimiento, pero también obtenemos imágenes digitales que se pueden mostrar a un virólogo o patólogo, sin que tengan que acudir a un microscopio. Los resultados se pueden comprobar incluso en un dispositivo móvil. Y podemos contar la cantidad de células infectadas, por lo que tenemos datos cuantitativos además de imágenes”.
Durante los primeros días de la pandemia, el equipo de investigación pudo formarse rápidamente gracias a colaboraciones locales e internacionales anteriores en virología, imágenes y estudios de respuesta a fármacos, explica Pietiäinen.
“En ese momento, necesitábamos un ensayo de alto rendimiento para pruebas de anticuerpos que indicara si una persona tenía una infección por SARS-CoV-2. Desde entonces, ha habido muchas mejoras en el diagnóstico, la detección y la respuesta de anticuerpos del SARS-CoV-2”, como la ampliamente conocida prueba de reacción en cadena de la polimerasa (PCR) o la prueba de antígeno (como el hisopo nasal) que directamente Mide la presencia del virus en el cuerpo.
La prueba desarrollada por Pietiäinen, Guckelsberger y sus colegas, por el contrario, mide los anticuerpos, lo que nos dice cómo el sistema inmunológico reconoce el virus y produce diferentes tipos de anticuerpos contra él.
«Cuando solo se tienen unas pocas muestras, se sabe muy poco sobre una enfermedad o es posible que no se tenga acceso a un laboratorio de bioseguridad de alto nivel, nuestra cartera puede ser realmente valiosa», afirma Guckelsberger, y añade que se puede utilizar en cualquier lugar, independientemente de su ubicación. equipo de preparación de muestras o tipo de microscopio. De hecho, la tubería es versátil para realizar pruebas con cualquier germen.
«Diseñamos la prueba para usarla con cualquier patógeno emergente, aumentando nuestra preparación para futuras pandemias», dice Pietiäinen. “Ciertos componentes deben optimizarse para cada nuevo virus, pero lo bueno del ensayo es que puede usarse para diferentes propósitos. Ya se está utilizando para estudiar virus zoonóticos como el virus Puumala”.
En el grupo de investigación se están utilizando otros ensayos automatizados basados en células, seguidos de métodos de análisis de imágenes guiados por IA, para estudiar las respuestas a los medicamentos contra el SARS-CoV-2, así como para identificar medicamentos que puedan matar las células cancerosas derivadas del paciente. ex-vivo.
Más allá de publicar su trabajo y contribuir a una mejor comprensión de la pandemia, Guckelsberger y Pietiäinen comparten una idea común que les enseñó este proyecto.
“Cuando surgen grandes preguntas en el mundo, nosotros, como científicos, no podemos trabajar solos en silos. Es necesario que expertos de diferentes campos, diferentes universidades y países se unan con un objetivo común; en nuestro caso, científicos de datos, médicos, informáticos y bioquímicos”, afirma Pietiäinen.
“Trabajar en un gran equipo, algo que no hacemos a menudo en informática, fue fascinante”, repite Guckelsberger.
“Un gran desafío fue comunicar desde diferentes perspectivas de experiencia, por ejemplo, entender lo que está sucediendo en ambos extremos del proceso, desde los procedimientos de laboratorio húmedo hasta los parámetros, los datos y las imágenes. Al mismo tiempo, fue una experiencia de aprendizaje fantástica y deseo vivir más en el futuro”.
Si bien emplearon aprendizaje automático bien establecido para cada componente del oleoducto, Guckelsberger dice que establecer la conexión entre biólogos e informáticos fue uno de los verdaderos avances. El uso de la tecnología para resolver cuestiones biológicas también fue un gran aprendizaje para Pietiäinen.
“Combinar la microscopía con el aprendizaje automático, no solo para el SARS-CoV-2, sino también para ver respuestas personalizadas a medicamentos o ver los fenotipos celulares de enfermedades genéticas raras, es poderoso. Una imagen vale más que mil palabras, y ese también es el caso aquí”.
Fuente: Universidad Aalto
!function(f,b,e,v,n,t,s){if(f.fbq)return;n=f.fbq=function(){n.callMethod?
n.callMethod.apply(n,arguments):n.queue.push(arguments)};if(!f._fbq)f._fbq=n;
n.push=n;n.loaded=!0;n.version=’2.0′;n.queue=[];t=b.createElement(e);t.async=!0;
t.src=v;s=b.getElementsByTagName(e)[0];s.parentNode.insertBefore(t,s)}(window,
document,’script’,’https://connect.facebook.net/en_US/fbevents.js’);
fbq(‘init’, ‘1254095111342376’);
fbq(‘track’, ‘PageView’);
Publicado anteriormente en The European Times.