El estudio de la morfogénesis, es decir, cómo los órganos y tejidos se forman y se desarrollan, ha dependido tradicionalmente de análisis simplificados. Los investigadores solían trabajar con secciones representativas de órganos, obteniendo solo fragmentos de información. Sin embargo, esta aproximación limita la comprensión real de los procesos biológicos, que son tridimensionales y a nivel celular.
“La morfogénesis ocurre en un espacio tridimensional, y reducirla a cortes planos es como intentar entender un edificio solo con fotografías de sus paredes”, explica Mario Ledesma-Terrón, autor principal del estudio.
Una solución para un problema histórico en biología del desarrollo
El principal obstáculo para un análisis más completo ha sido la calidad de las imágenes. Las técnicas de microscopía, especialmente en tejidos densos o en organismos vivos, generan imágenes con una baja relación señal-ruido, lo que dificulta que los softwares existentes segmenten correctamente las células. La segmentación es el proceso mediante el cual el software identifica y separa las distintas estructuras dentro de una imagen.
Para superar estas limitaciones, un equipo de científicos ha desarrollado OSCAR (Object Stitching by Clustering of Adjacent Regions), un software capaz de cuantificar con precisión células en imágenes 3D, incluso en condiciones difíciles. OSCAR combina aprendizaje automático y algoritmos estadísticos avanzados para detectar y segmentar células de manera confiable.
A diferencia de otras herramientas basadas en redes neuronales, OSCAR no requiere entrenamiento previo ni ajustes complicados: puede funcionar de manera automática en ordenadores convencionales, y además ofrece resultados más rápidos y precisos. Esto lo convierte en una opción accesible para laboratorios que no estén especializados en análisis de imagen avanzada.
En pruebas comparativas, OSCAR superó a otras soluciones en precisión, tanto en imágenes de prueba generadas digitalmente como en muestras reales obtenidas mediante microscopía confocal y de lámina de luz. La herramienta demostró ser capaz de identificar con exactitud cada célula, incluso cuando los núcleos celulares eran difíciles de distinguir.
Aplicaciones prácticas: del pez cebra a la medicina regenerativa
Como ejemplo de su potencial, los investigadores aplicaron OSCAR al estudio de la retina en embriones de pez cebra. El análisis mostró un crecimiento exponencial del número de células, un aumento de la densidad celular y una disminución progresiva del volumen nuclear promedio. Estos datos permiten entender mejor cómo se organiza y desarrolla el tejido, algo que antes era complicado de cuantificar.
Según los desarrolladores, “OSCAR combina precisión, facilidad de uso y rendimiento computacional optimizado, y creemos que será una herramienta valiosa para toda la comunidad científica”. Se espera que su aplicación se extienda más allá de la biología del desarrollo, incluyendo estudios de organoides, investigación de tumores y avances en medicina regenerativa.
El software ya está disponible para investigadores que deseen mejorar sus análisis de imágenes 3D con alta densidad celular, ofreciendo una alternativa robusta, rápida y accesible frente a las herramientas tradicionales que a menudo fallan en condiciones de baja calidad de imagen.
En un momento en el que la biología cuantitativa se vuelve cada vez más esencial, OSCAR promete transformar la forma en que los científicos estudian la formación de tejidos y órganos, brindando datos más completos y precisos sin necesidad de equipos complejos ni conocimientos avanzados en computación.
Referencia
Ledesma-Terrón M, Pérez-Dones D, Mazo-Durán D, Navarro-Martinez G, Gíron GG, Míguez DG. Object Stitching by Clustering of Adjacent Regions for accurate quantification of three-dimensional tissues. J Cell Sci. 2025 Sep 15;138(18):jcs264316. doi: 10.1242/jcs.264316. Epub 2025 Sep 26. PMID: 40879476.
