پیش‌بینی خطر ابتلا به انواع بیماری‌ها با بررسی مایع چشمی

به گزارش خبرنگار فناوری خبرگزاری علم و فناوری آنا، گروهی از محققان دانشگاه استنفورد با تجزیه و تحلیل قطرات ریز مایع چشم که به طور معمول در طی جراحی برداشته می‌شوند، تقریباً 6 هزار پروتئین از انواع سلول‌های مختلف در چشم را نقشه برداری کردند. در مطالعه‌ای که به تازگی در مجله Cell منتشر شده است، محققان از یک مدل هوش مصنوعی برای ایجاد «ساعت پروتئومی» از این داده‌ها استفاده کردند که می‌تواند سن افراد سالم را بر اساس مشخصات پروتئینی آن‌ها پیش‌بینی کند.

این ساعت نشان داد که بیماری‌هایی مانند «رتینوپاتی دیابتی» و «یووئیت» باعث تسریع پیری در انواع سلول‌های خاص می‌شوند. با کمال تعجب، محققان همچنین پروتئین‌های مرتبط با بیماری پارکینسون را در مایع چشم شناسایی کردند که به گفته آن‌ها می‌تواند راهی برای تشخیص‌های اولیه پارکینسون باشد.

این مطالعه افزایش سرعت پیری را در برخی بیماری‌ها نشان داد و پروتئین‌های مرتبط با پارکینسون را شناسایی کرد که راهی را برای تشخیص زودهنگام پیشنهاد می‌کند. این یافته‌ها می‌تواند تحولی در پزشکی دقیق و رویکرد‌های کارآزمایی بالینی ایجاد کند.

چشم دریچه‌ای برای بیماری‌ها

«وینیت ماهاجان»، نویسنده ارشد، جراح و استاد چشم پزشکی در دانشگاه استنفورد، می‌گوید: آنچه در مورد چشم شگفت‌انگیز است این است که می‌توانیم به درون نگاه کنیم و بیماری‌ها را در زمان واقعی ببینیم. تمرکز اصلی ما این بود که این تغییرات آناتومیکی را به آنچه در سطح مولکولی داخل چشم بیمارانمان اتفاق می‌افتد، مرتبط کنیم.

چشم یک عضو دشوار برای نمونه برداری در بیماران زنده است، زیرا مانند مغز، غیرقابل بازسازی است و بیوپسی بافتی آسیب‌های جبران ناپذیری به همراه خواهد داشت. یک روش جایگزین استفاده از بیوپسی مایع است: نمونه‌هایی از مایع که از نزدیک سلول‌ها یا بافت‌های مورد نظر گرفته می‌شوند.

اگرچه بیوپسی‌های مایع می‌توانند تصویری از پروتئین‌های موجود در ناحیه مورد نظر ارائه دهند، اما تاکنون توانایی اندازه‌گیری تعداد زیادی پروتئین در حجم‌های کوچک مایع را محدود کرده‌اند. همچنین این نمونه برداری نمی‌تواند اطلاعاتی در مورد اینکه سلول‌ها کدام پروتئین را تولید می‌کنند ارائه کند؛ دانشی که برای تشخیص و درمان بیماری‌ها مهم است.

نقشه برداری پیشرفته و یافته‌های پروتئین

محققان برای نقشه‌برداری تولید پروتئین توسط انواع مختلف سلول‌های داخل چشم، از روشی با وضوح بالا برای مشخص کردن پروتئین‌ها در ۱۲۰ نمونه مایع گرفته‌شده از مایع آبی یا زجاجیه بیماران تحت عمل جراحی چشم استفاده کردند. در مجموع، آن‌ها ۵۹۵۳ پروتئین را شناسایی کردند که ده برابر تعداد پروتئین‌هایی است که قبلاً در مطالعات مشابه مشخص شده بود. دانشمندان با استفاده از ابزار نرم افزاری به نام TEMPO، توانستند رد هر پروتئین را به انواع سلول‌های خاص مشخص کنند.

آن‌ها برای بررسی رابطه بین بیماری و پیری مولکولی، یک مدل یادگیری ماشینی هوش مصنوعی ساختند که می‌تواند سن مولکولی چشم را بر اساس زیر مجموعه‌ای از ۲۶ پروتئین پیش بینی کند. این مدل قادر به پیش‌بینی دقیق سن چشم‌های سالم بود، اما نشان داد که بیماری‌ها با پیری مولکولی قابل توجهی مرتبط هستند. برای رتینوپاتی دیابتی، درجه پیری با پیشرفت بیماری افزایش می‌یابد و این پیری برای افراد مبتلا به رتینوپاتی دیابتی شدید (تکثیری) تا ۳۰ سال تسریع می‌یابد.

این علائم پیری گاهی اوقات قبل از اینکه بیمار علائم بالینی بیماری زمینه‌ای را نشان دهد و در بیمارانی که با موفقیت درمان شده بودند، مشاهده می‌شد.

محققان همچنین چندین پروتئین مرتبط با بیماری پارکینسون را شناسایی کردند. این پروتئین‌ها معمولاً پس از مرگ شناسایی می‌شوند و روش‌های تشخیصی کنونی قادر به آزمایش آن‌ها نیستند؛ یکی از دلایلی که تشخیص پارکینسون بسیار دشوار است.

غربالگری این نشانگر‌ها در مایع چشم می‌تواند تشخیص زودهنگام بیماری پارکینسون و نظارت درمانی بعدی را امکان پذیر کند.

مفاهیم و جهت گیری‌های آینده

مجریان این پژوهش می‌گویند: این نتایج نشان می‌دهد پیری ممکن است مختص اندام یا حتی سلول باشد که می‌تواند پیشرفت‌هایی را در پزشکی دقیق و طراحی کارآزمایی بالینی به همراه داشته باشد.

«جولیان وولف» یکی از نویسندگان این مقاله و چشم پزشک از دانشگاه استنفورد می‌گوید: این یافته‌ها نشان می‌دهد اندام‌های ما با سرعت‌های متفاوتی در حال پیر شدن هستند. استفاده از دارو‌های ضد پیری هدفمند می‌تواند گام بعدی در پزشکی پیشگیرانه و دقیق باشد.

ماهاجان می‌گوید: اگر می‌خواهیم از درمان‌های مولکولی استفاده کنیم، باید مولکول‌های بیماران خود را مشخص کنیم. فکر می‌کنم طبقه بندی مجدد بیماران بر اساس الگو‌های مولکولی آن‌ها و اینکه کدام سلول‌ها تحت تاثیر قرار می‌گیرند می‌تواند واقعاً آزمایش‌های بالینی، انتخاب دارو و نتایج دارو را بهبود بخشد.

در مرحله بعد، محققان قصد دارند نمونه‌هایی از تعداد بیشتری از بیماران و طیف وسیع تری از بیماری‌های چشمی را مشخص کنند. آن‌ها همچنین می‌گویند روش آن‌ها می‌تواند برای توصیف سایر بافت‌هایی که نمونه گیری از آن‌ها دشوار است استفاده شود. به عنوان مثال، نمونه‌برداری مایع از مایع مغزی نخاعی می‌تواند برای مطالعه یا تشخیص مغز، مایع سینوویال برای مطالعه مفاصل، و ادرار برای مطالعه کلیه‌ها استفاده شود.

در این پژوهش دکتر «نیما آقایی پور» دانشیار دانشگاه استنفورد و متخصص یادگیری ماشینی نیز یکی از اعضای گروه تحقیقاتی بوده است.