Notícias

A pesquisa com células-tronco tem grande potencial para terapias regenerativas e tratamentos para combater doenças cardiovasculares, que são responsáveis ​​por mais de 30% de todas as mortes em todo o mundo.

Os cardiomiócitos altamente funcionais – as células musculares responsáveis ​​pela contração do coração – são importantes para a modelagem de doenças, triagem de drogas e outras abordagens da medicina regenerativa.

No entanto, o processo de diferenciação de células-tronco em cardiomiócitos é caro, trabalhoso e altamente variável.

Há essa necessidade de controle de qualidade na diferenciação de células-tronco, para aumento de escala para aplicações industriais. “

Melissa Skala, investigadora, Morgridge Institute for Research

Em um novo estudo, publicado hoje na revista Nature Communications , o Skala Lab desenvolveu uma técnica de imagem não invasiva que pode prever a eficiência da diferenciação de cardiomiócitos como um método de controle de qualidade.

“Se pudermos prever o resultado da diferenciação de células-tronco em cardiomiócitos em um estágio muito inicial, poderemos economizar tempo, dinheiro e velocidade na fase de fabricação”, disse Tongcheng Qian, autor principal e cientista assistente do Laboratório Skala.

Demora cerca de 14 dias para as células-tronco pluripotentes humanas se diferenciarem em cardiomiócitos, durante os quais as células têm mudanças drásticas na atividade metabólica.

Os pesquisadores mediram a autofluorescência de NAD (P) H e FAD, duas moléculas que estão envolvidas no metabolismo celular, em vários momentos ao longo do processo de diferenciação. Como esse método usa a autofluorescência inata das células, é não invasivo e pode ser realizado em tempo real sem danificar as células.

Embora tenha havido muitos estudos que examinam as mudanças metabólicas durante a diferenciação das células-tronco, Qian e Skala dizem que a modelagem preditiva de suas pesquisas é importante.

“Para aplicações ou biofabricação, podemos intervir nos primeiros momentos para alterar as condições da mídia ou alterar a confluência para melhorar o resultado”, diz Skala, também professor de engenharia biomédica da Universidade de Wisconsin-Madison.

A equipe viu mudanças metabólicas já no dia 1, com condições de eficiência de diferenciação baixa versus alta.

Qian coletou os dados de imagem de dezenas de milhares de células e, em seguida, passou os dados para a co-autora Tiffany Heaster, que agora trabalha na Genentech após obter seu PhD no Laboratório Skala.

“É um modelo de regressão logística simples”, diz Skala. “Mas a Tiffany o construiu de maneira rigorosa, com testes e validação separados; todas as verificações de que você precisa para fazer ciência robusta.”

Qian diz que, no futuro, gostaria de incorporar mais fatores ao modelo para ter uma previsão realmente precisa.

“Apenas lidar com a reprodutibilidade desses dados foi realmente muito impressionante”, acrescenta Skala. “E era totalmente consistente com os dados coletados dois anos antes; eu estava tipo ‘a ciência funciona!’ e isso faz com que você se sinta muito mais confiante sobre o que está vendo. “

Os pesquisadores esperam que este trabalho forneça a estrutura de como a técnica de imagem pode ser aplicada em uma escala maior para a fabricação em massa.

“Os cardiomiócitos também podem ser diferenciados em uma cultura em suspensão”, diz Qian. “Se fizermos diferenciação em suspensão, ou diferenciação organoide, é mais como uma escala de manufatura da indústria.”

Ele diz que, no futuro, também gostaria de tentar ver sua tecnologia de autofluorescência aplicada para prever a diferenciação de outras linhagens celulares, como células do sistema imunológico ou células do sangue, que poderiam ter outras aplicações.

O projeto foi um exemplo perfeito de como as ideias científicas nascem da colaboração, com o interesse de Qian em células-tronco e sua formação em engenharia química combinada com a experiência de Skala em imagens ópticas.

“Este projeto foi realizado com muita colaboração. É um esforço de equipe”, disse Qian em agradecimento a Heaster, que fez a modelagem preditiva, e aos alunos de graduação e membros do laboratório que ajudaram na análise.

Skala acrescenta: “É uma combinação de experiência, que é o que amamos na ciência.”

Texto retirado de News Medical.
Foto de fauxels no Pexels

Deixe uma resposta

Translate »