Méthode de caractérisation et de quantification de dépôts lipidiques basée sur l’apprentissage automatique à l’aide d’un épithélium pigmentaire rétinien dérivé d’iPSC

L’épithélium pigmentaire rétinien (EPR) est une monocouche de cellules hexagonales située à l’arrière de l’œil. Il nourrit et soutient les photorécepteurs et les capillaires choroïdiens, effectue une phagocytose des segments externes des photorécepteurs (POS) et sécrète des cytokines de manière polarisée pour maintenir l’homéostasie de la rétine externe. L’EPR dysfonctionnelle, causée par des mutations, le vieillissement et des facteurs environnementaux, entraîne la dégénérescence d’autres couches rétiniennes et entraîne une perte de vision. Une caractéristique phénotypique caractéristique de la dégénérescence de l’EPR est les dépôts intra et subcellulaires riches en lipides. Ces dépôts sont un phénotype commun à différentes maladies dégénératives de la rétine. Pour reproduire le phénotype de dépôt lipidique des dégénérescences rétiniennes monogéniques in vitro, un EPR induit dérivé de cellules souches pluripotentes (iRPE) a été généré à partir des fibroblastes des patients. Les lignées cellulaires générées par des patients atteints de Stargardt et de dégénérescence rétinienne tardive (L-ORD) ont été nourries avec POS pendant 7 jours pour reproduire la fonction physiologique RPE, ce qui a provoqué une pathologie induite par la phagocytose POS dans ces maladies. Pour générer un modèle de dégénérescence maculaire liée à l’âge (DMLA), une maladie polygénique associée à une activation alternative du complément, l’iRPE a été mis au défi avec d’autres anaphylatoxines du complément. Les dépôts lipidiques intra et subcellulaires ont été caractérisés à l’aide de rouge de Nil, de bore-dipyrrométène (BODIPY) et d’apolipoprotéine E (APOE). Pour quantifier la densité des dépôts lipidiques, un logiciel basé sur l’apprentissage automatique, LipidUNet, a été développé. Le logiciel a été formé sur des images de projection d’intensité maximale d’iRPE sur des surfaces de culture. À l’avenir, il sera formé pour analyser des images tridimensionnelles (3D) et quantifier le volume de gouttelettes lipidiques. Le logiciel LipidUNet sera une ressource précieuse pour découvrir des médicaments qui diminuent l’accumulation de lipides dans les modèles de maladies.