Selama perkembangan awal, jaringan dan organ mulai berkembang melalui pergeseran, pembelahan, dan pertumbuhan ribuan sel.
Sebuah tim insinyur MIT kini telah mengembangkan cara untuk memprediksi, menit demi menit, bagaimana sel-sel individu akan melipat, membelah, dan menyusun ulang selama tahap awal pertumbuhan lalat buah. Metode baru ini suatu hari nanti mungkin dapat diterapkan untuk memprediksi perkembangan jaringan, organ, dan organisme yang lebih kompleks. Hal ini juga dapat membantu para ilmuwan mengidentifikasi pola sel yang berhubungan dengan penyakit awal, seperti asma dan kanker.
Dalam sebuah penelitian yang muncul hari ini di jurnal Metode Alamtim menyajikan model pembelajaran mendalam baru yang mempelajari, kemudian memprediksi, bagaimana sifat geometris tertentu dari sel individu akan berubah seiring berkembangnya lalat buah. Model mencatat dan melacak properti seperti posisi sel, dan apakah sel tersebut menyentuh sel tetangga pada saat tertentu.
Tim menerapkan model tersebut pada video perkembangan embrio lalat buah, yang masing-masing dimulai sebagai kelompok yang terdiri dari sekitar 5.000 sel. Mereka menemukan bahwa model tersebut dapat memprediksi, dengan akurasi 90 persen, bagaimana masing-masing dari 5.000 sel akan melipat, bergeser, dan menyusun ulang, menit demi menit, selama satu jam pertama perkembangan, seiring dengan perubahan embrio dari bentuk yang halus dan seragam menjadi struktur dan fitur yang lebih jelas.
“Fase paling awal ini dikenal sebagai gastrulasi, yang berlangsung sekitar satu jam, ketika sel-sel individual diatur ulang dalam skala waktu beberapa menit,” kata penulis studi Ming Guo, profesor teknik mesin di MIT. “Dengan memodelkan periode awal ini secara akurat, kita dapat mulai mengungkap bagaimana interaksi sel lokal memunculkan jaringan dan organisme global.”
Para peneliti berharap dapat menerapkan model tersebut untuk memprediksi perkembangan sel demi sel pada spesies lain, seperti ikan zebra dan tikus. Kemudian, mereka dapat mulai mengidentifikasi pola-pola yang umum antar spesies. Tim juga membayangkan bahwa metode ini dapat digunakan untuk membedakan pola awal penyakit, seperti asma. Jaringan paru-paru pada penderita asma terlihat sangat berbeda dengan jaringan paru-paru yang sehat. Bagaimana jaringan rentan asma pada awalnya berkembang adalah proses yang belum diketahui dan berpotensi diungkapkan oleh metode baru tim.
“Jaringan penderita asma menunjukkan dinamika sel yang berbeda ketika dicitrakan secara langsung,” kata rekan penulis dan mahasiswa pascasarjana MIT Haiqian Yang. “Kami membayangkan bahwa model kami dapat menangkap perbedaan dinamis yang halus ini dan memberikan representasi perilaku jaringan yang lebih komprehensif, sehingga berpotensi meningkatkan diagnostik atau pengujian skrining obat.”
Rekan penulis penelitian ini adalah Markus Buehler, Profesor Teknik McAfee di Departemen Teknik Sipil dan Lingkungan MIT; George Roy dan Tomer Stern dari Universitas Michigan; dan Anh Nguyen dan Dapeng Bi dari Universitas Northeastern.
Poin dan busa
Para ilmuwan biasanya memodelkan bagaimana embrio berkembang dalam salah satu dari dua cara berikut: sebagai titik awan, di mana setiap titik mewakili sel individu sebagai titik yang bergerak seiring waktu; atau sebagai “busa”, yang mewakili sel-sel individual sebagai gelembung yang bergeser dan meluncur satu sama lain, mirip dengan gelembung pada busa cukur.
Daripada memilih di antara kedua pendekatan tersebut, Guo dan Yang memilih keduanya.
“Ada perdebatan mengenai apakah akan membuat model sebagai point cloud atau busa,” kata Yang. “Tetapi keduanya pada dasarnya adalah cara yang berbeda dalam memodelkan grafik dasar yang sama, yang merupakan cara elegan untuk mewakili jaringan hidup. Dengan menggabungkan ini sebagai satu grafik, kita dapat menyorot lebih banyak informasi struktural, seperti bagaimana sel-sel terhubung satu sama lain ketika mereka mengatur ulang dari waktu ke waktu.”
Inti dari model baru ini adalah struktur “grafik ganda” yang mewakili embrio yang sedang berkembang sebagai titik bergerak dan gelembung. Melalui representasi ganda ini, para peneliti berharap dapat menangkap sifat geometris sel individual secara lebih rinci, seperti lokasi inti sel, apakah sel menyentuh sel tetangganya, dan apakah sel tersebut melipat atau membelah pada saat tertentu.
Sebagai bukti prinsip, tim melatih model baru untuk “mempelajari” bagaimana sel individu berubah seiring waktu selama gastrulasi lalat buah.
“Bentuk keseluruhan lalat buah pada tahap ini kira-kira ellipsoid, namun ada dinamika besar yang terjadi di permukaan selama gastrulasi,” kata Guo. “Mulai dari mulus hingga membentuk sejumlah lipatan pada sudut berbeda. Dan kami ingin memprediksi semua dinamika tersebut, momen demi momen, dan sel demi sel.”
Dimana dan kapan
Untuk studi baru mereka, para peneliti menerapkan model baru pada video gastrulasi lalat buah berkualitas tinggi yang diambil oleh kolaborator mereka di Universitas Michigan. Video tersebut adalah rekaman lalat buah yang sedang berkembang selama satu jam, diambil dengan resolusi sel tunggal. Terlebih lagi, video tersebut berisi label tepi dan inti sel – data yang sangat detail dan sulit didapat.
“Video-video ini memiliki kualitas yang sangat tinggi,” kata Yang. “Data ini sangat jarang, di mana Anda mendapatkan resolusi submikron dari keseluruhan volume 3D dengan frame rate yang cukup cepat.”
Tim melatih model baru tersebut dengan data dari tiga dari empat video embrio lalat buah, sehingga model tersebut dapat “mempelajari” bagaimana sel-sel individu berinteraksi dan berubah seiring perkembangan embrio. Mereka kemudian menguji model tersebut pada video lalat buah yang benar-benar baru, dan menemukan bahwa model tersebut mampu memprediksi dengan akurasi tinggi bagaimana sebagian besar dari 5.000 sel embrio berubah dari menit ke menit.
Secara khusus, model ini dapat memprediksi properti sel individual, seperti apakah sel tersebut akan melipat, membagi, atau terus berbagi tepi dengan sel di sebelahnya, dengan akurasi sekitar 90 persen.
“Kami akhirnya memprediksi tidak hanya apakah hal ini akan terjadi, tapi juga kapan,” kata Guo. “Misalnya, akankah sel ini terlepas dari sel ini tujuh atau delapan menit dari sekarang? Kita dapat mengetahui kapan hal itu akan terjadi.”
Tim percaya bahwa, pada prinsipnya, model baru, dan pendekatan grafik ganda, harus mampu memprediksi perkembangan sel demi sel dari sistem multisel lainnya, seperti spesies yang lebih kompleks, dan bahkan beberapa jaringan dan organ manusia. Faktor pembatasnya adalah ketersediaan data video berkualitas tinggi.
“Dari sudut pandang model, saya pikir ini sudah siap,” kata Guo. “Hambatan sebenarnya adalah data. Jika kita memiliki data jaringan tertentu yang berkualitas baik, model tersebut dapat langsung diterapkan untuk memprediksi perkembangan lebih banyak struktur.”
Pekerjaan ini sebagian didukung oleh Institut Kesehatan Nasional AS.
