La proteómica espacial aporta precisión al estudio de las enfermedades humanas

Revelar con precisión dónde están y cómo interactúan las proteínas dentro de células y tejidos es una información decisiva para entender la fisiopatología humana y su modificación en la enfermedad.

Una revisión publicada en Proteome Sci. (2024) enfoca a la proteómica espacial como una técnica multidimensional que estudia la distribución y la función de las proteínas dentro de las células y tejidos en dimensiónes espaciales y temporales, una información que no se obtiene midiendo solo mRNA o la presencia de una proteína, ya que la dinámica de translocación de células y moléculas, los microambientes tisulares y las redes de interacción condicionan la función, los biomarcadores y las respuestas terapéuticas. Además, la correlación entre mRNA y proteína suele estar limitada por degradación, eficiencia de traducción y modificaciones postraduccionales.

La multidimensionalidad de la proteómica espacial integra cuantificación, imagen y mapeo espacial a lo largo del tiempo, permitiendo capturar no solo cuánto hay de una proteína, sino también dónde se encuentra, con qué interactúa y cómo cambia. La revisión de Wu, M., Tao, H., Xu, T. et al. agrupa las técnicas disponibles en tres grupos.

El primer grupo, constituido por técnicas de obtención de imágenes mediante anticuerpos fluorescentes, evolucionó desde la inmunohistoquímica clásica hasta las técnicas hipermultiplexadas, capaces de detectar decenas de marcadores en un mismo corte tisular, como la amplificación por tiramida o el método CODEX (Co-detection by Indexing).

• En la amplificación por tiramida, un anticuerpo primario reconoce al antígeno y un anticuerpo secundario unido a la enzima HRP (Horseradish Peroxidase) se acopla a él. Al añadir tiramida marcada y peróxido de hidrógeno, la HRP genera especies reactivas de tiramida que se unen de forma covalente, principalmente a residuos de tirosina de proteínas situadas en la vecindad del antígeno, concentrando la señal en esa región.
• El método CODEX utiliza anticuerpos conjugados a códigos de barras de DNA y ciclos secuenciales de tinción y elución.

La principal fortaleza de estos métodos es que ofrecen resolución a nivel celular y paneles amplios. Sin embargo, se ven limitadas por la complejidad creciente de los protocolos a medida que aumenta el número de marcadores, la fuerte dependencia de la calidad de los anticuerpos, el solapamiento espectral y las dificultades técnicas asociadas a lograr alta plexidad. Aun así, estas aproximaciones resultan especialmente valiosas para caracterizar microambientes tumorales.

El segundo grupo utiliza tecnologías basadas en espectrometría de masas (MSI/ Mass Spectrometry Imaging).

• La imagen obtenida por MALDI (Matrix-Assisted Laser Desorption/Ionization)-MSI o DESI (Desorption Electrospray Ionization)-MSI, analiza directamente el tejido sin necesidad de anticuerpos ni otros marcadores, y genera mapas espaciales de metabolitos, lípidos, péptidos y algunas proteínas. La preparación de muestras es relativamente simple y con un alto rendimiento, aunque todavía presenta desafíos para una cuantificación robusta y para la detección de proteínas de muy baja abundancia.
• De forma complementaria, la LCM-MS (Laser Capture Microdissection–Mass Spectrometry) permite recortar regiones de interés definidas por la imagen histológica, o incluso aislar células individuales, y vincular imagen y datos proteómicos, escalando a paneles de miles de proteínas. Los avances en microingeniería y microfluidos han reducido las pérdidas de muestra y aumentado la sensibilidad, haciendo posible medir miles de proteínas a partir de volúmenes muy pequeños.

El tercer grupo incluye tecnologías de proteómica espacial basadas en secuenciación, como la técnica DSP (Digital Spatial Profiling).

• DSP usa anticuerpos marcados con etiquetas de DNA escindibles por luz UV. Primero se obtiene una imagen de inmunofluorescencia clásica del tejido y, sobre esa imagen, se seleccionan regiones de interés. Al iluminar cada región con luz UV se rompe el enlace y se liberan al medio los fragmentos de DNA de los anticuerpos presentes en esa región. Esos fragmentos se recogen y se cuantifican por lectura digital (secuenciación o sondas), lo que permite estimar la abundancia de muchas proteínas a la vez, con alta multiplexación y buena sensibilidad en cortes fijados o congelados.

La principal fortaleza de este método es que integra imagen, selección precisa de nichos tisulares y lectura digital escalable. Sus limitaciones son la dependencia de paneles de anticuerpos bien validados y el posible solapamiento de señales. Aun así, su uso en oncología, inmunología y neurociencias ha crecido de forma notable.

Las herramientas disponibles para el análisis a lo largo de todo el flujo de trabajo también han avanzado de forma notable, desde la adquisición de imágenes y la selección de regiones de interés hasta el procesamiento proteómico y el análisis bioinformático. La combinación de criostatos de precisión, escáneres de portaobjetos y microdisección asistida por software estandariza los cortes y la captura. En la etapa proteómica, instrumentos de última generación como timsTOF Pro u Orbitrap permiten identificar un número muy elevado de proteínas sin perder resolución temporal. El análisis computacional combina motores de búsqueda para espectros dependientes e independientes de datos (DDA y DIA), junto con bases de datos de anotación funcional, análisis de redes de interacción proteína-proteína y herramientas de visualización. Para la estadística multivariada y la reducción dimensional se aplican métodos como PCA, t-SNE o UMAP, habitualmente combinados con algoritmos de clustering (por ej., clustering jerárquico o K-means) para descubrir patrones espaciales. Todo esto se implementa en plataformas como Perseus y entornos de programación como R o Python, lo que ayuda a mantener la reproducibilidad.

En el ámbito clínico, la proteómica espacial ya se está usando en cáncer, neurociencias, enfermedades cardiovasculares y autoinmunes. Estas técnicas permiten distinguir distintos microambientes dentro de un mismo tejido, como zonas tumorales, estromales o inmunes, y analizar si ciertos patrones de distribución de células y proteínas se asocian con mejor o peor respuesta a los tratamientos, así como con distintos perfiles de riesgo.

Según los autores, existen tres desafíos importantes en el campo de la proteómica espacial: aumentar la cantidad de proteína recuperada sin perder información espacial, estandarizar la fase preanalítica y las plataformas para mejorar la comparación de estudios, y escalar el análisis de datos cada vez más complejos. Para superar dichos desafíos surgieren innovar en la preparación de muestras, en bancos y plataformas de datos de ómicas espaciales y en algoritmos supervisados que permitan anotar tipos celulares con mayor rapidez y precisión. El panorama es de integración de la proteómica espacial con otras ómicas y una mayor automatización, con el objetivo de impulsar una medicina de precisión basada en el contexto espacial.

La proteómica espacial se posiciona así como una tecnología clave para pasar de listas de proteínas a mapas funcionales donde no solo importa cuánta proteína o cuántas células hay, sino dónde están y cómo se organizan en el tejido, porque esa organización condiciona cómo evoluciona la enfermedad y cómo responde a la terapia. Esa visión, argumentan, está impulsando atlas tisulares, estudios de microambientes patológicos y descubrimientos de dianas.