برای محققانی که تحلیل عصبی را مطالعه میکنند، این عدم اعلام دقیق «زمان مرگ» برای نورونها، تعیین عواملی که منجر به مرگ سلولی میشوند و غربالگری داروهایی که ممکن است سلولهای پیر را از مرگ نجات دهند، دشوار میکند.
اکنون، محققان مؤسسه گلادستون فناوری جدیدی توسعه دادهاند که به آنها امکان میدهد هزاران سلول را در یک زمان ردیابی کنند و لحظه دقیق مرگ را برای هر سلول در گروه تعیین کنند. این تیم در مقالهای که در مجله Nature Communications منتشر شد نشان داد که این رویکرد در سلولهای جوندگان و انسان و همچنین در گورخرماهیهای زنده کار میکند و میتوان از آن برای پیگیری سلولها در مدت چند هفته تا چند ماه استفاده کرد.
استیو فینکبینر، MD، PhD، مدیر مرکز سیستمها و درمان در گلادستون و نویسنده ارشد هر دو مطالعه جدید، میگوید: «دریافت زمان دقیق مرگ برای کشف علت و معلول بیماریهای عصبی بسیار مهم است. این به ما امکان میدهد بفهمیم چه عواملی مستقیماً باعث مرگ سلولی میشوند، کدامها اتفاقی هستند، و کدام مکانیسمهای مقابلهای هستند که مرگ را به تاخیر میاندازند.»
در مقاله همراه منتشر شده در مجله Science Advances، محققان فناوری حسگر سلولی را با رویکرد یادگیری ماشین ترکیب کردند و به رایانه یاد دادند که چگونه سلولهای زنده و مرده را 100 برابر سریعتر و دقیقتر از انسان تشخیص دهد.
جرمی لینزلی، دکترا، یک رهبر برنامه علمی در Finkbeiner، میگوید: «دانشجویان کالج ماهها طول کشید تا این نوع دادهها را با دست تجزیه و تحلیل کنند، و سیستم جدید ما تقریباً آنی است - در واقع سریعتر از آن چیزی است که بتوانیم تصاویر جدیدی را روی میکروسکوپ بگیریم. آزمایشگاه و اولین نویسنده هر دو مقاله جدید.
آموزش ترفندهای جدید حسگر قدیمی
وقتی سلولها میمیرند - علت یا مکانیسمی که باشد - در نهایت تکه تکه میشوند و غشاهایشان تحلیل میروند. اما این فرآیند تخریب زمان می برد و تشخیص سلول هایی که مدت هاست از کار افتاده اند، آن هایی که بیمار هستند و در حال مرگ هستند و سلول هایی که سالم هستند را برای دانشمندان دشوار می کند.
محققان معمولاً از برچسبها یا رنگهای فلورسنت برای پیگیری سلولهای بیمار با میکروسکوپ در طول زمان استفاده میکنند و سعی میکنند تشخیص دهند که در کجای این فرآیند تخریب قرار دارند. بسیاری از رنگها، لکهها و برچسبهای نشانگر برای تشخیص سلولهای مرده از سلولهایی که هنوز زنده هستند ساخته شدهاند، اما اغلب فقط در مدت زمان کوتاهی قبل از محو شدن کار میکنند و همچنین میتوانند هنگام استفاده برای سلولها سمی باشند.
لینزلی میگوید: «ما واقعاً میخواهیم نشاندهندهای داشته باشیم که برای تمام طول عمر سلول - نه فقط چند ساعت - دوام داشته باشد و بعد از لحظهای که سلول میمیرد، سیگنال واضحی بدهد.
Linsley، Finkbeiner و همکارانشان حسگرهای کلسیمی را انتخاب کردند که در اصل برای ردیابی سطوح کلسیم در داخل سلول طراحی شده بود. هنگامی که یک سلول می میرد و غشاهای آن نشت می کند، یک عارضه جانبی آن این است که کلسیم به داخل سیتوزول آبکی سلول که معمولاً دارای سطوح نسبتاً پایینی کلسیم است، نفوذ می کند.
بنابراین، لینزلی حسگرهای کلسیم را طوری مهندسی کرد که در سیتوزول قرار گیرند، جایی که تنها زمانی که سطح کلسیم به سطحی افزایش یابد که نشان دهنده مرگ سلولی باشد، فلورسانس میشوند. حسگرهای جدید که به عنوان نشانگر مرگ رمزگذاری شده ژنتیکی شناخته میشوند (GEDI، که مانند Jedi در جنگ ستارگان تلفظ میشود)، میتوانند در هر نوع سلولی قرار داده شوند و نشان دهند که سلول در تمام طول عمر سلول زنده یا مرده است.
برای آزمایش سودمندی حسگرهای بازطراحی شده، گروه گروههای بزرگی از نورونها - هر کدام حاوی GEDI - را زیر میکروسکوپ قرار دادند. پس از تجسم بیش از یک میلیون سلول، در برخی موارد مستعد تخریب عصبی و در برخی دیگر در معرض ترکیبات سمی، محققان دریافتند که سنسور GEDI بسیار دقیقتر از سایر شاخصهای مرگ سلولی است: هیچ موردی وجود نداشت که حسگر آن را نشان دهد. فعال شد و یک سلول زنده ماند. علاوه بر این، علاوه بر این دقت، به نظر میرسد که GEDI مرگ سلولی را در مراحلی زودتر از روشهای قبلی تشخیص میدهد - نزدیک به "نقطه بدون بازگشت" برای مرگ سلولی.
لینزلی می گوید: «این به شما امکان می دهد سلول های زنده و مرده را به روشی جدا کنید که قبلاً هرگز امکان پذیر نبوده است.
تشخیص مرگ فوق بشری
لینزلی GEDI را به برادرش - درو لینزلی، دکترا، استادیار دانشگاه براون که در کاربرد هوش مصنوعی برای دادههای بیولوژیکی در مقیاس بزرگ تخصص دارد، اشاره کرد. برادر او پیشنهاد کرد که محققان از این حسگر همراه با رویکرد یادگیری ماشینی استفاده کنند تا به سیستم کامپیوتری آموزش دهند تا سلولهای زنده و مرده مغز را تنها بر اساس شکل سلول تشخیص دهد.
این تیم نتایج حاصل از حسگر جدید را با دادههای فلورسانس استاندارد روی همان نورونها همراه کرد و یک مدل کامپیوتری به نام BO-CNN را آموزش داد تا الگوهای فلورسانس معمولی مرتبط با ظاهر سلولهای در حال مرگ را تشخیص دهد. این مدل که برادران لینزلی نشان دادند، 96 درصد دقیق و بهتر از آنچه ناظران انسانی میتوانند انجام دهند، بود و بیش از 100 برابر سریعتر از روشهای قبلی تمایز سلولهای زنده و مرده بود.
برای برخی از انواع سلول، تشخیص زنده یا مرده بودن یک سلول برای شخص بسیار دشوار است- اما مدل کامپیوتری ما، با یادگیری از GEDI، توانست آنها را بر اساس بخشهایی از تصاویری که قبلاً نمیدانستیم متمایز کند. جرمی لینزلی می گوید: در تشخیص سلول های زنده و مرده مفید بودند.
هم GEDI و هم BO-CNN اکنون به محققان اجازه می دهند تا مطالعات جدید و با کارایی بالا را برای کشف زمان و مکان مرگ سلول های مغز انجام دهند - نقطه پایانی بسیار مهم برای برخی از مهم ترین بیماری ها. آنها همچنین می توانند داروها را از نظر توانایی آنها در به تاخیر انداختن یا جلوگیری از مرگ سلولی در بیماری های تخریب کننده عصبی غربالگری کنند. یا در مورد سرطان، آنها می توانند داروهایی را جستجو کنند که مرگ سلول های بیمار را تسریع می کند.
فینکبینر میگوید: «این فناوریها در توانایی ما برای درک مکان، زمان و چرایی وقوع مرگ در سلولها، بازی را تغییر میدهند. برای اولین بار، ما واقعاً میتوانیم از سرعت و مقیاس ارائه شده توسط پیشرفتهای میکروسکوپ به کمک ربات برای تشخیص دقیقتر مرگ سلولی استفاده کنیم و این کار را قبل از لحظه مرگ به خوبی انجام دهیم. ما امیدواریم که این بتواند به درمان های خاص تری برای بسیاری از بیماری های عصبی که تاکنون غیرقابل درمان بوده اند منجر شود."
چه چیزی را از این مقاله باید حذف کرد:
- The team showed, in a paper published in the journal Nature Communications, that the approach works in rodent and human cells as well as within live zebrafish, and can be used to follow the cells over a period of weeks to months.
- در مقاله همراه منتشر شده در مجله Science Advances، محققان فناوری حسگر سلولی را با رویکرد یادگیری ماشین ترکیب کردند و به رایانه یاد دادند که چگونه سلولهای زنده و مرده را 100 برابر سریعتر و دقیقتر از انسان تشخیص دهد.
- Now, researchers at Gladstone Institutes have developed a new technology that lets them track thousands of cells at a time and determine the precise moment of death for any cell in the group.