Notre tissu corporel ressemble à une ville : dans différents quartiers vivent différentes cellules, chacune avec son propre travail. Pour comprendre comment cette ville est organisée, les biologistes prennent des images montrant quels gènes sont actifs à chaque point. Mais les images nettes coûtent cher, tandis que les images bon marché sont floues – comme une photo de la ville prise d'une grande hauteur, où l'on ne distingue pas les maisons individuelles.
La nouvelle méthode SRast apprend à transformer ces images floues en images détaillées. Elle fonctionne comme un traducteur qui connaît plusieurs langues : elle étudie d'abord différents tissus – du cerveau au cœur – et mémorise à quoi ressemblent habituellement leurs structures. Ensuite, en regardant une nouvelle image floue, elle complète les détails sans confondre les uns avec les autres. L'essentiel est que la méthode veille à ce que la quantité de « matière » en chaque point ne change pas : si dans l'image grossière il y avait peu de signal à un endroit, il ne doit pas apparaître de signal supplémentaire dans l'image détaillée. C'est comme si, en agrandissant une photo, on ne pouvait pas ajouter des maisons qui n'existaient pas dans l'original.
Des tests sur différentes espèces animales et différents appareils ont montré que la méthode reconstruit les structures fines mieux que les approches précédentes. Cela ouvre la voie à une analyse des tissus à la fois peu coûteuse et précise dans les hôpitaux et les laboratoires, où il fallait auparavant choisir entre le prix et la qualité.
La transcriptomique spatiale est un moyen de voir quels gènes sont actifs à chaque point d'un tissu sans le détruire. Auparavant, il fallait découper le tissu en morceaux, mais maintenant on peut obtenir une carte complète.