[ad_1]

آنها در 28 فوریه در ژورنال گزارش دادند که ابزار تجزیه و تحلیل داده های جدیدی که توسط محققان Yale توسعه یافته است، انواع سلول های ایمنی خاص مرتبط با افزایش خطر مرگ ناشی از COVID-19 را نشان می دهد. بیوتکنولوژی طبیعت

سلول‌های سیستم ایمنی مانند سلول‌های T و سلول‌های B تولیدکننده آنتی‌بادی، محافظت گسترده‌ای در برابر پاتوژن‌هایی مانند SARS-CoV-2، ویروسی که باعث COVID-19 می‌شود، ارائه می‌کنند. و تجزیه و تحلیل داده های در مقیاس بزرگ میلیون ها سلول به دانشمندان یک دید کلی از پاسخ سیستم ایمنی به این ویروس خاص داده است. با این حال، آنها همچنین دریافته‌اند که برخی از پاسخ‌های سلول‌های ایمنی – از جمله انواع سلول‌هایی که معمولاً محافظ هستند – می‌توانند گهگاه باعث التهاب و مرگ مرگبار در بیماران شوند.

سایر ابزارهای تجزیه و تحلیل داده‌ها که امکان بررسی تا سطح تک سلولی را فراهم می‌کنند، سرنخ‌هایی درباره مقصران در موارد شدید کووید به دانشمندان داده‌اند. اما چنین دیدگاه‌های متمرکزی اغلب فاقد زمینه گروه‌بندی سلولی خاصی هستند که ممکن است نتایج بهتر یا ضعیف‌تری ایجاد کنند.

ابزار Multiscale PHATE، یک ابزار یادگیری ماشینی که در Yale توسعه یافته است، به محققان اجازه می دهد تا در عرض چند دقیقه از تمام وضوح داده ها، از میلیون ها سلول گرفته تا یک سلول واحد عبور کنند. این فناوری مبتنی بر الگوریتمی به نام PHATE است که در آزمایشگاه Smita Krishnaswamy، دانشیار ژنتیک و علوم کامپیوتر ایجاد شده است، که بر بسیاری از کاستی‌های ابزارهای تجسم داده‌های موجود غلبه می‌کند.

مانیک کوچرو، کاندیدای دکترا در دانشکده پزشکی ییل که به توسعه این فناوری کمک کرده و یکی از رهبران آن است، می‌گوید: «الگوریتم‌های یادگیری ماشینی معمولاً بر روی یک نمای با وضوح واحد از داده‌ها تمرکز می‌کنند، و اطلاعاتی را که می‌توان در سایر نماهای متمرکزتر یافت نادیده گرفت. نویسنده مقاله “به همین دلیل، ما PHATE چند مقیاسی را ایجاد کردیم که به کاربران اجازه می‌دهد بزرگنمایی کنند و روی زیرمجموعه‌های خاصی از داده‌های خود تمرکز کنند تا تجزیه و تحلیل دقیق‌تری انجام دهند.”

کوچرو که در آزمایشگاه کریشناسوامی کار می کند، از این ابزار جدید برای تجزیه و تحلیل 55 میلیون سلول خونی گرفته شده از 163 بیمار بستری شده در بیمارستان ییل نیوهون با موارد شدید کووید-19 استفاده کرد. با نگاهی گسترده، آن‌ها دریافتند که سطوح بالای سلول‌های T در برابر پیامدهای ضعیف محافظت می‌کنند، در حالی که سطوح بالای دو نوع گلبول سفید معروف به گرانولوسیت‌ها و مونوسیت‌ها با سطوح بالاتر مرگ‌ومیر مرتبط است.

با این حال، هنگامی که محققان به سطح دانه‌ای‌تری رسیدند، دریافتند که TH17، یک سلول T کمکی، هنگامی که با سلول‌های سیستم ایمنی IL-17 و IFNG جمع می‌شود، با مرگ‌ومیر بیشتری همراه است.

محققان گزارش می دهند که با اندازه گیری مقادیر این سلول ها در خون، آنها می توانند با 83 درصد دقت پیش بینی کنند که بیمار زنده بوده یا مرده است.

کریشناسوامی گفت: «ما توانستیم عوامل خطر مرگ و میر را رتبه بندی کنیم تا نشان دهیم که کدام خطرناک ترین هستند.

او گفت که در تئوری، ابزار تحلیلی داده های جدید می تواند برای تنظیم دقیق ارزیابی خطر در مجموعه ای از بیماری ها استفاده شود.

جسی هوانگ در دپارتمان علوم کامپیوتر ییل و پاتریک وانگ در دپارتمان ایمونوبیولوژی از نویسندگان اصلی مقاله هستند. آکیکو ایوازاکی، استاد ایمنی زیست شناسی والدمار فون زدتویتز، نویسنده همکار است.

منبع داستان:

مواد ارائه شده توسط دانشگاه ییل. نوشته اصلی توسط بیل هاتاوی. توجه: محتوا ممکن است برای سبک و طول ویرایش شود.

[ad_2]