Till innehåll på sidan

Teknik för kartläggning av genaktivitet i vävnad årets metod i Nature Methods

Bilden visar analys av tarmvävnad.
Analys av tarmvävnad. Förstoring som visar ett område med inflammation. Med AI kan man identifiera olika immunologiska händelser och celltyper inom olika delar av inflammationen, vilket de olika färgerna illustrerar. Bild: Ludvig Larsson/SciLifeLab
Publicerad 2021-01-13

Spatial Transcriptomics, en teknik för säkrare och mer objektiv analys av vävnader som gör att man kan upptäcka sjukdomar som ALS och cancer i ett tidigt stadium, har utsetts till Method of the Year av den vetenskapliga tidskriften Nature Methods. Metoden har utvecklats på SciLifeLab av forskare från KTH och Karolinska Institutet.

Porträttbild på Joakim Lundeberg.
Joakim Lundeberg, professor i genteknologi på KTH.

Förra veckan kom årets första nummer av den vetenskapliga tidskriften Nature Methods ut. Omslaget består av en bild som illustrerar tekniken Spatial Transcriptomics, som tidskriften har utsett till Method of the Year 2020.

– Vi är extremt exalterade över att den metod som vi har utvecklat i Sverige under flera år kommer in på den prestigefyllda listan som årets metod hos Nature Methods, säger Joakim Lundeberg, professor i genteknologi på KTH.

Bland tidigare års metoder som utsetts till årets metod återfinns åtminstone två Nobelpris, Cryo-electron microscopy (2017) och Gene-editing nucleases (2020), konstaterar han.

– Så vi är i fint sällskap, säger Joakim Lundeberg.

Använder maskininlärning för analyser

Vid studier av vävnader använder man idag framför allt mikroskop, vilket ger en bild av strukturen. Det är även en rutinmetod bland annat vid cancerdiagnostik där man letar efter avvikelser från normal vävnad.

I metoden Spatial Transcriptomics utgår man ifrån samma vävnadssnitt som vid mikroskopi. Men förutom att man kan fånga en bild av strukturen kan man även fånga in alla aktiva gener med bibehållen positionell information. Det vill säga man kan se var i vävnaden en specifik gen är aktiv.

– Genom DNA-sekvensering, som har kapaciteten att läsa av både gen och positionsinformation, får vi data av tusentals gener i ett enda experiment, säger Joakim Lundeberg.

Hittar helt nya mönster i vävnad

Den enorma informationsmängd som metoden genererar i ett experiment lämpar sig utmärkt för AI (maskininlärning), konstaterar han. Man låter datorn berätta vad som finns i vävnadssnittet, vilket gör att man hittar helt nya mönster som inte framkommer via mikroskopi. Något som ger helt nya möjligheter att kartlägga organ och sjukdomar, enligt Joakim Lundeberg.

– Som ett exempel har vi studerat ALS där nervceller successivt dör och med vår teknik kan vi hitta mönster bland aktiva gener långt innan man ser en förändring i mikroskopet. Ofta är de första förändringarna de viktigaste om man tänker på behandlingsalternativ, innan sjukdomen manifesteras, säger han.

Det faktum att man låter dator och AI göra analysen gör att metoden ger säkrare och mer objektiva analysresultat än vad mikroskopi gör.

Sommaren 2020 publicerade den vetenskapliga tidskriften Cell en artikel av forskare från KTH/SciLifeLab och Stanford som visar varför hudcancer sprider sig  och där forskarna bland annat använt sig av metoden Spatial Transcriptomics.

– Sverige har en tradition att ta fram bra molekylära redskap och detta erkännande visar ånyo att Sverige och ett koncept som SciLifeLab erbjuder förutsättningar att utveckla ny världsledande teknologi. Jag vill också framhålla stödet från Knut och Alice Wallenbergs Stiftelse, som gav oss möjligheter i ett tidigt skede satsa på metoden, säger Joakim Lundeberg som ledde fram till den första publikationen 2016 i tidskriften Science.

Artikeln Spatially resolved transcriptomics adds a new dimension to genomics  publicerades i Nature Methods 6 januari.

Spatial Transcriptomics kom på nionde plats på tidskriften The Scientists lista över 2020 viktigaste innovationer .

Håkan Soold

Spatial Transcriptomics i forskningen på KTH och SciLifeLab

Metoden Spatial Transcriptomics är i grunden väldigt generisk och kan appliceras i många olika system inom livsvetenskaperna, från människa till växter. Joakim Lundebergs nuvarande forskningsfokus ligger på att beskriva mänskliga organ inom ramen för Human Cell Atlas (HCA), en kartläggning av alla aktiva mänskliga gener och som är en referens för forskare. Idag finns det påfallande lite kunskap om vilka gener som är aktiva i varje cell för alla organ. Tar man vidare in aspekter som kön, ålder, miljöfaktorer, etc, så inser man att HCA är ett enormt projekt, konstaterar Joakim Lundeberg: ”På SciLifeLab studerar vi, inom ramen för HCA, bland annat hjärta, lunga, hjärna, gonader (könskörtlar) och tarmvävnader. Att skapa en referens är viktigt när man tänker på sjukdomar. Vad skiljer ett sjukt hjärta från ett friskt hjärta är en sådan referens.”

Ett annat område – och där tekniken används – handlar om att studera neurodegenerativa sjukdomar, det vill säga sjukdomar som uppstår gradvis och där position i vävnaden är viktig. ALS och Alzheimer är två exempel.

Ett tredje område där tekniken används är cancer där bättre metoder behövs för att förstå grundläggande mekanismer.

Exempel på publicerade artiklar från KTH/SciLife Lab:

A Spatiotemporal Organ-Wide Gene Expression and Cell Atlas of the Developing Human Heart
(Asp et al 2019, Cell)

Molecular atlas of the adult mouse brain
(Ortiz et al 2020, Science Advances)

Spatiotemporal dynamics of molecular pathology in amyotrophic lateral sclerosis
(Maniatis et al 2019, Science)

Spatial Transcriptomics and In Situ Sequencing to Study Alzheimer's Disease
(Chen et al 2020, Cell)

Multimodal Analysis of Composition and Spatial Architecture in Human Squamous Cell Carcinoma
(Ji et al 2020, Cell)

Innehållsansvarig:redaktion@kth.se
Tillhör: Om KTH
Senast ändrad: 2021-01-13