ما را پیدا کنید
آگهی

تیم علمی بارسلونا هوش مصنوعی برای تشخیص پیری سلول‌های بنیادی خون ساخت

اسکرین‌شات از سلول‌های پیر و جوان‌شده در این پژوهش
اسکرین‌شات سلول‌های پیر و جوان‌شده در این پژوهش -  Copyright  Instituto de Investigación Biomédica de Bellvitge (IDIBELL)
Copyright Instituto de Investigación Biomédica de Bellvitge (IDIBELL)
نگارش از Escarlata Sánchez
تاریخ انتشار •به روز شده در
همرسانی نظرها یورونیوز را در گوگل دنبال کنید
همرسانی Close Button

ابزار ChromAgeNet معماری کروماتین را رمزگشایی کرده و تفاوت سلول‌های بنیادی خونی جوان و پیر را آشکار می‌کند و افق‌های تازه‌ای در جوان‌سازی سلولی می‌گشاید.

فرایند پیری به تدریج توانایی بدن برای بازسازی را تضعیف می‌کند و به شکل جدی بر تولید سلول‌های خونی اثر می‌گذارد. در این رقابت با ساعت زیستی، تحلیل تغییرات سلول‌های بنیادی خون اهمیت کلیدی دارد، زیرا می‌تواند راه را برای مداخلاتی باز کند که روند افت عملکرد این سلول‌ها را کند کرده و کارکرد اولیه‌شان را به آنها بازگرداند.

آگهی
آگهی

یک تیم علمی در بارسلونا ابزار جدیدی به نام ChromAgeNet توسعه داده است؛ ابزاری مبتنی بر هوش‌مصنوعی که با تحلیل ساختار سه‌بعدی دی‌ان‌ای، میزان پیری سلول‌های بنیادی خونی را شناسایی می‌کند.

نتایج این پژوهش که در نشریه «Aging Cell» منتشر شده و به سرپرستی دکتر ماریا کارولینا فلورین (IDIBELL) و دکتر پائولا پترونه (BSC-CNS/ISGlobal) انجام شده است، نشان می‌دهد سازمان‌یافتگی کروماتین حاوی اطلاعاتی است که اجازه می‌دهد سلول‌های به‌دست‌آمده از موش‌های جوان و سالخورده از هم تفکیک شوند.

پلی میان علوم زیستی و ابررایانش

برای آموزش این مدل، پژوهشگران از شبکه‌های‌عصبی پیچشی بر روی تصاویر سه‌بعدی هسته سلول‌های بنیادی موش (منبع به زبان اسپانیایی) استفاده کردند. ChromAgeNet با تکیه بر شبکه‌های‌عصبی روند پیری دی‌ان‌ای را رمزگشایی می‌کند. هوش‌مصنوعی این ابزار قادر است ظریف‌ترین تغییرات ساختاری را که از دید چشم انسان پنهان می‌ماند شناسایی کند.

یکی از نگرانی‌های اصلی درباره کاربرد شبکه‌های‌عصبی در پزشکی، نامشخص بودن مبنای تصمیم‌گیری آنها است. ChromAgeNet این مانع را با ارائه یک هوش‌مصنوعی قابل توضیح (XAI) کنار می‌زند.

مدیران این پژوهش، ماریا کارولینا فلورین از IDIBELL و پائولا پترونه از BSC
مدیران این پژوهش، ماریا کارولینا فلورین از IDIBELL و پائولا پترونه از BSC BSC-CNS

این ابزار توانست به طور میانگین حدود ۶۸ درصد سلول‌ها را فقط بر اساس تصاویری که با رنگ‌آمیزی استاندارد و کم‌هزینه DAPI به‌دست‌آمده بود، به درستی در دو گروه سلول‌های مربوط به موش‌های جوان یا سالخورده طبقه‌بندی کند.

ChromAgeNet همچنین به دلیل قابل توضیح بودن برجسته است و این امکان را می‌دهد که بررسی شود کدام ویژگی‌های تصویری بیشترین نقش را در پیش‌بینی‌های آن دارند. این تحلیل‌ها از جمله به تغییرات در پیرامون هسته اشاره کرده‌اند که با پیری مرتبط است.

بررسی‌ها نشان داد کروماتین در حاشیه هسته سلول‌های جوان فشرده و منظم است، در حالی که در سلول‌های سالخورده به صورت پراکنده دیده می‌شود. به عنوان یک اثبات مفهوم، این ابزار نشان می‌دهد برخی داروهای اپی‌ژنتیک (منبع به زبان اسپانیایی) چگونه تغییراتی در سازمان‌دهی کروماتین ایجاد می‌کنند که با الگوهای مشاهده‌شده در سلول‌های جوان‌تر همخوانی دارد؛ موضوعی که ظرفیت این ابزار را برای پایش داروهایی که بتوانند بافت خونی را بازتولید و سیستم ایمنی را تقویت کنند نشان می‌دهد. کد و پایگاه داده تصاویر این پروژه اکنون در دسترس جامعه علمی بین‌المللی است.

همکاری با تیم‌های پژوهشی هوش‌مصنوعی

در مورد کاربردهای عملی این پژوهش، دکتر ماریا کارولینا فلورین، پژوهشگر اصلی در موسسه پژوهش زیست‌پزشکی بایوئلیج (IDIBELL) در گفت‌وگو با «یورونیوز» توضیح می‌دهد: «در حال حاضر ما ابزاری را توسعه داده‌ایم که به عنوان یک اثبات مفهوم روی سلول‌های بنیادی خون‌ساز (هماتوپوئتیک) موش کار می‌کند. اکنون مشغول بهینه‌سازی و سازگار کردن آن با سلول‌های بنیادی انسانی هستیم، به امید آن که بتوانیم از آن برای ارزیابی داروهای جدیدی استفاده کنیم که بر معماری هسته اثر می‌گذارند و برای جوان‌سازی سلول‌های بنیادی سالخورده به کار می‌روند».

فلورین در گفت‌وگو با «یورونیوز» می‌گوید این پروژه «به لطف تجربه دکتر پائولا پترونه (BSC و ISGlobal) بستر ایده‌آلی پیدا کرده است تا به یک ابزار واقعی تبدیل شود. برنامه داریم توسعه آن را ادامه دهیم و دامنه استفاده از آن را به سلول‌های بنیادی انسانی گسترش دهیم. همچنین در حال درخواست بودجه بیشتر از اتحادیه اروپا و تلاش برای برقراری ارتباط با سایر دانشمندان اروپایی هستیم که به کاربرد عملی این کار علاقه‌مندند».

به باور پائولا پترونه، این پژوهش «نشان می‌دهد یک الگوریتم یادگیری عمیق می‌تواند از طریق تحلیل تصاویر هسته سلول‌هایی که با ماده‌ای کم‌هزینه به نام DAPI رنگ‌آمیزی شده‌اند، میان سلول‌های بنیادی جوان و سالخورده تمایز قائل شود».

نقشه‌های سه‌بعدی و کد باز برای جوان‌سازی معماری سلول

نقشه درونی هسته سلول یک امضای آشکار را فاش می‌کند: در جوانی، کروماتین به شکل فشرده در حاشیه هسته مستقر است؛ با گذشت سال‌ها این معماری از هم می‌پاشد. شناسایی این الگوها می‌تواند به مطالعه فرسودگی سلول‌های بنیادی خون کمک کند و راهی برای ارزیابی راهبردهایی بگشاید که قادر به بازسازی بافت خون‌ساز و ایجاد دگرگونی در کل بدن باشند.

برای نشان دادن ظرفیت عملی الگوریتم، تیم پژوهشی یک آزمایش اثبات مفهوم طراحی کرد: آنها ابزار را روی سلول‌های سالخورده‌ای به کار گرفتند که در معرض چندین داروی اپی‌ژنتیک قرار گرفته بودند. هدف چه بود؟ بررسی این که آیا این مولکول‌ها می‌توانند تغییراتی در سازمان‌دهی کروماتین ایجاد کنند که با وضعیت جوان‌تر همخوان باشد یا نه.

به منظور سرعت بخشیدن به کشف‌های جدید، این تیم کد ابزار و یک پایگاه داده عمومی از تصاویر سه‌بعدی سلول‌های بنیادی را منتشر کرده است تا راه را برای یافتن داروهایی که سیستم ایمنی و کیفیت زندگی در سالخوردگی را تقویت کنند هموار کند.

مطالعات متعدد بین‌المللی بر نقش اساسی سیستم ایمنی در روند پیری بدن صحه گذاشته‌اند؛ نقشی که به گفته ماریا کارولینا فلورین چنین است: «ما در آزمایشگاه خود نشان داده‌ایم که می‌توان سلول‌های بنیادی خون‌ساز سالخورده را تحریک و جوان‌سازی کرد تا نه فقط عملکرد سیستم ایمنی، بلکه امید به زندگی و سلامت کلی بدن بهبود یابد».

وعده‌ای بلندمدت، اما احتیاط در حال حاضر: دانشمندان ChromAgeNet خواهان پرهیز از شتاب‌زدگی هستند

ابزار جدید ChromAgeNet به درک بهتر سازوکارهای مولکولی بنیادی دخیل در پیری سلول‌های بنیادی خون‌ساز کمک خواهد کرد؛ سازوکارهایی که می‌توانند هدف درمان برای جوان‌سازی این سلول‌ها باشند. فلورین در پایان می‌گوید: «امیدواریم دانش خود را گسترش دهیم، یافته‌هایمان را تثبیت کنیم و ابزارها و داروهای جدیدی برای بهبود عملکرد سلول‌های بنیادی خون‌ساز سالخورده شناسایی کنیم».

پترونه در گفت‌وگو با «یورونیوز» می‌گوید: «در آینده می‌توان از این روش برای غربالگری داروهای تازه با ظرفیت جوان‌سازی استفاده کرد. به این ترتیب، اگر سلول‌های سالخورده را با ترکیب‌های دارویی مختلف تیمار کنیم، هوش‌مصنوعی می‌تواند با تحلیل این تصاویر، مولکول‌هایی را شناسایی کند که تغییراتی سازگار با یک وضعیت جوان‌تر ایجاد می‌کنند».

به گفته دکتر پترونه، «طولانی‌تر شدن صرفِ عمر، به اندازه طولانی‌تر شدن دوران زندگی همراه با سلامت اهمیت ندارد. کشف داروهای جدیدی با ظرفیت جوان‌سازی می‌تواند مثلا به بهبود روند پیری سیستم ایمنی کمک و در نتیجه به پیری سالم‌تر منجر شود».

این پژوهشگر اما در گفت‌وگو با «یورونیوز» بر احتیاط تاکید می‌کند و می‌گوید: «باید بسیار محتاط باشیم تا نتایج خود را بیش از اندازه بزرگ نکنیم. توسعه، اعتبارسنجی و در نهایت کاربرد بالینی این فناوری‌های نو سال‌ها زمان می‌برد. پژوهش ما تنها ذره‌ای است در مسیر مطالعه چگونگی پیر شدن بدن و جست‌وجوی راهبردهایی که بتوانند پیری سالم را تقویت کنند».

رفتن به میانبرهای دسترسی
همرسانی نظرها یورونیوز را در گوگل دنبال کنید

مطالب مرتبط

امکان جوان‌سازی سلول‌های آسیب‌دیده انسان؟ شرکت آمریکایی ژن‌درمانی جدید را آزمایش می‌کند

ساخت جایگزین استخوان با سلولهای بنیادی

اوج‌گیری سرخک در آمریکا شکاف‌های واکسیناسیون در اروپا را یادآوری می‌کند