آخرین مطالب

محقق رویکرد داده محور را برای کمک به کاهش هزینه های دارو و درمان بیماری ها توسعه می دهد


دارو

اعتبار: CC0 دامنه عمومی

به گفته یک دانشمند دانشگاه ویرجینیای غربی، یک رویکرد مکانیکی مبتنی بر داده جدید که انواع سلول‌ها را در بافت پیش‌بینی می‌کند، به کاهش هزینه‌های دارو و درمان بیماری‌هایی که تولید دارو برای آنها دشوار بود، کمک می‌کند.

دیوید کلینک، پروفسور دپارتمان مهندسی شیمی و بیومدیکال، یک رویکرد مکانیکی را برای پیش‌بینی تعداد و عملکرد انواع سلول‌های مختلف در یک بافت خاص و چگونگی تغییر آنها در زمانی که یک سلول بدخیم (سرطانی) توانایی ترشح یک سلول بدخیم (سرطانی) را به دست می‌آورد، ایجاد و آزمایش کرد. پروتئین

کلینکه، که همچنین استادیار دانشکده پزشکی WVU و عضو موسسه سرطان است، گفت: در نهایت، ما می‌خواهیم داروهایی بسازیم که مزایای بالینی درمان‌های ایمنی را گسترش دهند.

مدل‌های مکانیکی توسط متخصصان به صورت دستی ایجاد شده‌اند، اما شکاف‌هایی در درک محققان از زیست‌شناسی وجود دارد، زیرا 90 درصد از انتشارات تحقیقاتی تنها بر 20 درصد از ژن‌های انسان متمرکز هستند.

تحقیق از این مطالعه، منتشر شده در ارتباطات طبیعت، مجموعه داده های بزرگی را غربال می کند تا پیش بینی کند که چگونه ترشح یک محصول ژن توسط یک سلول بدخیم بر سایر انواع سلول در بافت به طور مستقیم از داده ها تأثیر می گذارد. این مکملی برای مدل های دست ساز ایجاد می کند که نقش مهمی در توسعه دارو دارند.

کلینکه گفت: «در شرایط عادی، سیستم ایمنی فرد در برابر بیماری های عفونی دفاع می کند. با این حال، بیشتر سرطان‌ها از طریق یک فرآیند تکاملی جهش و انتخاب ایجاد می‌شوند. هر سلولی در DNA خود طرحی برای ساخت هر محصول ژنی دارد. در این فرآیند جهش و انتخاب، بیان مجدد برخی از این محصولات ژنی ممکن است سلول‌های بدخیم را ایجاد کند. با توانایی سرکوب پاسخ ایمنی.”

بافت های انسانی از انواع سلول های تخصصی تشکیل شده اند که برای حفظ عملکرد در یک محیط در حال تغییر سازماندهی شده اند. در نهایت، جهت گیری عملکردی انواع سلول در یک بافت برای ایجاد یک شبکه هتروسلولار-شبکه ای از انواع مختلف سلولی که برای دستیابی به یک هدف با هم تعامل دارند، تعامل دارند. یک شبکه هتروسلولار برای ایجاد و حفظ تعادل بافت مهم است.

در حالی که محققان می‌دانند که تعادل بافت در طول انکوژن یا ایجاد تومور مختل می‌شود، هیچ درک روشنی از چگونگی تأثیر تغییرات ژنتیکی بر شبکه هتروسلولار درون بافت‌های انسانی وجود ندارد.

کلینکه گفت یکی از موانع برای گسترش مزایای بالینی این است که سلول های بدخیم محیطی ایجاد می کنند که ایمنی میزبان را سرکوب می کند.

این رویکرد جدید مبتنی بر داده به محققان اجازه می دهد تا پیش بینی کنند که چگونه یک محصول ژنی ترشح شده توسط یک سلول بدخیم، شیوع و جهت گیری عملکردی انواع دیگر سلول ها را در بافت انسانی تغییر می دهد.

کلینکه گفت که مطالعه این که چگونه یک رویداد باعث ایجاد رویداد دیگر می شود، در سیستم هایی که برای محققان دشوار است که ببینند چه اتفاقی در حال رخ دادن است – مانند درون یک بافت دست نخورده انسانی – چالش برانگیز است.

برای آزمایش پیش‌بینی‌های خود، با استفاده از سیتومتری دیجیتال و استنتاج شبکه بیزی، کلینکه و تیمش مدل‌های سرطان موش‌های دارای قابلیت ایمنی را بررسی کردند. با این رویکرد، کلینک توانست پیش بینی کند که چگونه پروتئینی که توسط سلول های بدخیم ترشح می شود، شبکه هتروسلولار را در زمینه ملانوما و سرطان سینه تغییر می دهد.

سیتومتری دیجیتال، که اندازه‌گیری تعداد و ویژگی‌های سلول‌ها است، و استنتاج شبکه بیزی (یک مدل گرافیکی احتمالی) استفاده شد زیرا مجموعه‌های داده‌ای در دسترس با این مدل‌ها وجود دارد که حاوی بافت تومور همگن (مشابه) توالی‌ای هستند.

ما می‌توانیم بیان یک ژن را تغییر دهیم و سپس ببینیم که آیا شیوع و جهت‌گیری عملکردی انواع سلول‌های مختلف در تومور همان طور که توسط مدل شبکه بیزی پیش‌بینی شده است، تغییر می‌کند یا خیر.

کلینکه گفت که رویکرد مرسوم برای پیش‌بینی جهت‌گیری عملکردی انواع سلول، تغییر بیان پروتئین ترشح شده و سپس تعیین کمیت انواع سلول‌های مختلف با استفاده از رویکردهای تجربی مختلف است.

برای این مطالعه، کلینک از مدل سازی مکانیکی برای نشان دادن مکانیسم هایی استفاده کرد که از زیست شناسی پشتیبانی می کنند و سناریوها را با استفاده از شبیه سازی به جای آزمایش واقعی سناریو در انسان پیش بینی می کند.

کلینکه گفت: “این مدل ها بسیار پیچیده هستند، اما اجازه دهید از یک قیاس ساده استفاده کنم.” “بگویید که می خواهیم با استفاده از گلوله توپ به هدفی بزنیم و فقط یک شلیک داریم. با توجه به شناختی که از قوانین فیزیک داریم، می دانیم که باید چند نکته در مورد پرتابه و همه نیروهایی که بر روی پرتابه وارد می شوند بدانیم. با توجه به این اطلاعات، می‌توانیم با کامپیوتر شبیه‌سازی کنیم که اگر پرتابه را در جهت یا زاویه خاصی شلیک کنیم، در یک مکان مشخص فرود می‌آید.

“به طور مشابه، ما چیزهای زیادی در مورد بیولوژی زمینه ای مرتبط با یک دارو می دانیم، اما مواردی نیز وجود دارد که ما نمی دانیم، و نمی توانیم همه چیز را در انسان آزمایش کنیم. با توجه به صحبت های رایج در رسانه ها در مورد قیمت بالای دارو. داروها، آزمایش داروهای جدید بر روی انسان گران است و اکثریت قریب به اتفاق داروهای جدید آزمایش شده مؤثر نیستند.”

کلینک گفت که یکی از راه‌هایی که مدل‌سازی و شبیه‌سازی مکانیکی می‌تواند کمک کند، ارائه راهی برای گردآوری تمام قطعات مختلف درک در یک زمینه است.

“اگر جنبه های کلیدی وجود نداشته باشد، ما شبیه سازی ها را اجرا می کنیم تا ببینیم آیا هدف قرار دادن برخی از جنبه های زیست شناسی با دارو منطقی است یا خیر. مدل سازی و شبیه سازی مکانیکی بر تعدادی از صنایع دیگر تاثیر داشته است، و این اکنون در توسعه دارو اعمال می شود. “

کلینکه امیدوار است که این تحقیق بتواند در زمینه های دیگر مانند سرطان ها یا بیماری های ایمونولوژیک نیز مورد استفاده قرار گیرد.

“در نهایت، همه ما اهمیت می دهیم که وقتی بیمار می شویم، درمان هایی وجود دارد که می تواند سلامت ما را بهبود بخشد و ما را در این روند ورشکست نکند. مانند بسیاری از صنایع دیگر، صنعت داروسازی به طور فزاینده ای به مدل سازی و شبیه سازی مکانیکی برای اولویت بندی بهتر اهداف بالقوه و زمان مراجعه به کلینیک را کاهش دهید. در مجموع، این به کاهش هزینه‌های دارو کمک می‌کند و به درمان بیماری‌هایی کمک می‌کند که تولید دارو برای آنها دشوار بود.»


رویکرد محاسباتی نقشه‌برداری فضایی داده‌های تک سلولی را در بافت‌ها ممکن می‌سازد


اطلاعات بیشتر:
دیوید جی. کلینک دوم و همکاران، یادگیری مبتنی بر داده چگونه بیان ژن انکوژن به صورت محلی شبکه های هتروسلولار را تغییر می دهد، ارتباطات طبیعت (2022). DOI: 10.1038/s41467-022-29636-3

ارائه شده توسط دانشگاه ویرجینیای غربی

نقل قول: محقق رویکرد مبتنی بر داده را برای کمک به کاهش هزینه های دارو و درمان بیماری ها توسعه می دهد (2022، 14 آوریل) در 14 آوریل 2022 از https://medicalxpress.com/news/2022-04-data-driven-approach-drug-diseases بازیابی شده است. html

این برگه یا سند یا نوشته تحت پوشش قانون کپی رایت است. به غیر از هرگونه معامله منصفانه به منظور مطالعه یا تحقیق خصوصی، هیچ بخشی بدون اجازه کتبی قابل تکثیر نیست. محتوای مذکور فقط به هدف اطلاع رسانی ایجاد شده است.