محققان یک مدل ریاضی ایجاد کردند که می تواند به پزشکان در انتخاب آنتی بیوتیک هایی کمک کند که مقاومت دارویی را به حداقل می رساند —

از آنجایی که توسعه آنتی‌بیوتیک‌های جدید برای درمان عفونت‌ها متوقف شده است، بسیاری از بیماران اکنون درمان‌هایی مبتنی بر داروهای متعدد دریافت می‌کنند به این امید که اثرات درمانی مشترک آنها بتواند از تکامل مقاومت بیشتر جلوگیری کند. با این حال، خطرات و ناشناخته های زیادی در چنین درمان های چند دارویی وجود دارد.

دادن یک دارو به بیمار اغلب باعث ایجاد مقاومت باکتری در برابر آن می شود. خوشبختانه، برخی از این جهش‌یافته‌های مقاوم به داروی دوم حساس‌تر می‌شوند که به پزشکان اجازه می‌دهد عفونت را با موفقیت درمان کنند. با این حال، پزشکان همیشه نمی توانند مطمئن باشند که چه زمانی و آیا تکامل این مسیر خوش شانس را طی خواهد کرد. حتی بدتر از آن، مقاومت در برابر داروی اولیه می تواند نتیجه معکوس داشته باشد و باعث ایجاد انسداد شود افزایش دادن در مقاومت در برابر داروی دوم، پزشکان را بدون هیچ گزینه درمانی دیگری رها می کند.

دانشمندان دانشگاه کالیفرنیا سن دیگو اکنون راهی ابداع کرده‌اند که می‌تواند به پزشکان کمک کند تا شانس نتایج تصادفی را برای جفت‌های مختلف دارو محاسبه کنند و در نتیجه شانس درمان موفق را افزایش دهند. همانطور که در مجله توضیح داده شده است eLifeسارا آردل، دانشجوی فارغ التحصیل و استادیار سرگئی کریاژیمسکی یک مدل ریاضی ایجاد کردند که می تواند خطر تکامل مقاومت را برای جفت های مختلف دارو محاسبه کند.

کریاژیمسکی، از بخش اکولوژی، رفتار و تکامل بخش علوم زیستی، می‌گوید: «مشکل استفاده از چندین دارو برای درمان باکتری‌ها این است که ما نمی‌دانیم کدام جهش برای باکتری‌ها در دسترس است. در بسیاری از شرایط، باکتری‌ها می‌توانند به جهش‌هایی دسترسی داشته باشند که آنها را به هر دو دارو مقاوم می‌کند و همچنین به جهش‌هایی که آنها را در برابر داروی اول مقاوم می‌کند اما نسبت به داروی دوم حساس می‌شوند. در چنین شرایطی، پیش‌بینی اینکه از چه طریقی این دارو بسیار دشوار است. جمعیت تکامل خواهد یافت. مدلی که ما ایجاد کردیم به ما امکان می دهد این پیش بینی ها را انجام دهیم.”

در توسعه این مدل، آردل و کریاژیمسکی از مفهوم جدیدی به نام “JDFE” استفاده کردند که مخفف “توزیع مشترک اثرات تناسب اندام (جهش های جدید) است.” JDFE انواع مختلفی از جهش‌های موجود برای باکتری‌ها را مشخص می‌کند و به محققان این امکان را می‌دهد تا جفت‌های دارویی را به آن‌هایی که مقاومت چند دارویی را تسهیل یا مانع می‌شوند طبقه‌بندی کنند.

با بررسی داده های جهش موجود برای این باکتری اشریشیا کلیمحققان جهش‌های مقاومتی زیادی را در برابر آنتی‌بیوتیک‌های متداول مختلف کشف کردند که منجر به حساسیت جانبی (نتیجه مفید) یا مقاومت جانبی (نتیجه مضر) با داروهای دیگر می‌شود. آنها می گویند مدل جدید آنها می تواند به پیش بینی بهتر نتایج مقاومت کمک کند، که نشان دهنده پیروزی برای بیماران آلوده است، اگرچه با توجه به تصادفی اجتناب ناپذیر تکامل، این مدل اشتباه نیست.

آردل گفت از اینکه فهمید مقاومت آنتی بیوتیکی نمی تواند به عنوان یک فرآیند قطعی ساده در نظر گرفته شود شگفت زده شد. هر چه او بیشتر یاد گرفت، بیشتر مشخص شد که جمعیت های مختلف باکتریایی به روش های مختلف، حتی در شرایط آزمایشگاهی کنترل شده، مقاومت ایجاد می کنند. او دریافت که آزمایش‌های مشابهی که توسط آزمایشگاه‌های مختلف انجام می‌شود اغلب نتایج متناقضی را به همراه دارد.

سویه باکتری ها، غلظت داروها و مواد مغذی موجود در محیط ارگانیسم، همگی می توانند به نتایج ترکیبی منجر شوند.

“اما حتی اگر همه این چیزها دقیقاً یکسان باشند، شما می توانید هنوز آردل گفت: “دو جمعیت مختلف می توانند به طور تصادفی جهش های مختلف با اثرات جانبی متفاوت را جمع آوری کنند، حتی اگر همه چیز برابر باشد.” تنوع و تصادفی بسیار زیادی در این فرآیندها وجود دارد که فکر کردن به آن برای بیماران بسیار مهم است. ما می‌خواهیم به جفت‌های دارویی بدهیم که مطمئن هستیم، تا حد امکان، حساسیت جانبی ایجاد می‌کنند – و نه فقط 50 درصد مواقع.»

محققان نشان می دهند که هنوز چیزهای زیادی برای یادگیری در مورد تنوع اثرات جانبی جهش های مقاومتی وجود دارد.

آردل اکنون در حال مطالعه جفت دارویی است که یک هدف، ریبوزوم، یک مجتمع پروتئینی مهم در سلول های باکتریایی را درمان می کند. او در حال ساخت یک مدل متابولیکی از سلول برای درک JDFE از دیدگاه مکانیکی است.

کریاژیمسکی گفت: «مرکز نتیجه ما این است که می‌توانیم احتمال تحول مقاومت جانبی را پیش‌بینی کنیم. “این کامل نیست، اما ترجیح داده می شود که اصلاً هیچ ایده ای نداشته باشیم. اگر جفت دارو را با دقت انتخاب کنیم، می توانیم احتمال مقاومت جانبی را به حداقل برسانیم. ما نمی توانیم به طور کامل از پیامد نامطلوب جلوگیری کنیم، اما می توانیم این شانس را به حداقل برسانیم. کار ما ممکن است در نهایت به پزشکان کمک کند تا داروهایی را انتخاب کنند که تکامل مقاومت چند دارویی را به حداقل می رساند.”

منبع داستان:

مواد ارائه شده توسط دانشگاه کالیفرنیا – سن دیگو. نوشته اصلی توسط ماریو آگیلرا. توجه: محتوا ممکن است برای سبک و طول ویرایش شود.