Investigadores de la Universidad de Rice han creado el primer atlas molecular completo y sin marcadores del cerebro afectado por el Alzheimer en un modelo animal. Este avance ofrece una nueva perspectiva sobre cómo se inicia y se propaga la enfermedad, que cada año cobra más vidas que el cáncer de mama y de próstata combinados, subrayando la urgencia de comprender sus causas.
Utilizando una técnica avanzada de imagen basada en la luz combinada con aprendizaje automático, el equipo examinó tejido cerebral tanto de animales sanos como afectados por el Alzheimer. Los resultados, publicados en ACS Applied Materials and Interfaces, revelan que los cambios químicos asociados con el Alzheimer no se limitan a las placas amiloides, sino que aparecen en todo el cerebro siguiendo patrones irregulares y complejos.
Imágenes Láser Revelan la Química Cerebral en Detalle
Para detectar estos sutiles cambios, los científicos recurrieron a la imagen Raman hiperspectral, una forma sofisticada de espectroscopía Raman que utiliza un láser para detectar las huellas químicas únicas de las moléculas dentro del tejido. Según Ziyang Wang, estudiante de doctorado en ingeniería eléctrica y computacional de Rice y primer autor del estudio, la imagen Raman hiperspectral repite esta medición miles de veces en una muestra de tejido para crear un mapa completo, mostrando cómo varía la composición química en diferentes regiones del cerebro.
Los investigadores escanearon cerebros completos, capa por capa, recopilando miles de mediciones superpuestas para construir mapas moleculares de alta resolución de tejido sano y enfermo. Al no utilizar marcadores, las muestras no fueron tratadas con tintes, proteínas fluorescentes o etiquetas moleculares, lo que permitió observar el cerebro en su estado natural y obtener una imagen completa y sin alteraciones de su composición química.
Aprendizaje Automático Mapea el Daño Irregular del Alzheimer
El proceso de imagen generó una gran cantidad de datos que el equipo analizó utilizando aprendizaje automático (ML). Primero aplicaron ML no supervisado, permitiendo que los algoritmos detectaran patrones naturales en las señales químicas sin suposiciones previas. Estos modelos clasificaron el tejido basándose únicamente en sus características moleculares. Posteriormente, utilizaron ML supervisado para entrenar modelos que distinguieran entre muestras con y sin Alzheimer, lo que ayudó a determinar la intensidad con la que las diferentes regiones del cerebro reflejaban la química relacionada con la enfermedad.
“Encontramos que los cambios causados por la enfermedad de Alzheimer no se distribuyen uniformemente por todo el cerebro”, explicó Wang. “Algunas regiones muestran cambios químicos importantes, mientras que otras se ven menos afectadas. Este patrón irregular ayuda a explicar por qué los síntomas aparecen gradualmente y por qué los tratamientos que se centran en un solo problema han tenido un éxito limitado.”
Alteración Metabólica en Regiones de la Memoria
Más allá de la acumulación de proteínas, el estudio identificó diferencias metabólicas más amplias entre cerebros sanos y afectados por el Alzheimer. Los niveles de colesterol y glucógeno variaron en las diferentes regiones, con los contrastes más marcados en las áreas responsables de la memoria, como el hipocampo y la corteza cerebral.
“El colesterol es importante para mantener la estructura de las células cerebrales y el glucógeno sirve como una reserva de energía local”, señaló Shengxi Huang, profesor asociado de ingeniería eléctrica y computacional, ciencia de materiales e ingeniería nano y autor corresponsal del estudio. “En conjunto, estos hallazgos respaldan la idea de que el Alzheimer implica alteraciones más amplias en la estructura cerebral y el equilibrio energético, no solo la acumulación y el plegamiento incorrecto de proteínas”, añadió Huang, quien también es miembro del Ken Kennedy Institute, el Rice Advanced Materials Institute y el Smalley-Curl Institute.
Los investigadores esperan que este nuevo enfoque, que ofrece una visión más completa de la enfermedad, pueda conducir a un diagnóstico más temprano y a estrategias más eficaces para frenar su progresión.
La investigación fue apoyada por la National Science Foundation (2246564, 1934977), los National Institutes of Health (1R01AG077016) y la Welch Foundation (C2144).