تجمع پروتئین زمینه‌ساز بسیاری از بیماری‌های تخریب‌کنندۀ عصبی است، که بر مغز از جمله آلزایمر و زوال عقل تأثیر می‌گذارند. دانشمندان دانشگاه کپنهاگ به‌تازگی ابزار جدیدی ساخته‌اند که برای شناسایی و تجزیه و تحلیل این خوشه‌های کوچک پروتئین به کار می‌رود.
به گزارش تکناک، این تحقیق، بینش عمیق‌تری را در مورد اجزای اساسی بدن ارائه می‌دهد و باعث افزایش پتانسیل در راستای درمان‌های مناسب‌تر برای بیماری‌هایی مانند سرطان، آلزایمر و پارکینسون می‌شود.
حدود 100000 دانمارکی 65 ساله و بالاتر، همراه با بیش از 55 میلیون نفر در سراسر جهان، از بیماری‌های مرتبط با زوال عقل مانند: آلزایمر و بیماری پارکینسون رنج می‌برند. این اختلالات با تجمع اجزای سلول‌های کوچک ایجاد می‌شوند و عملکردهای حیاتی بدن را مختل می‌کنند. دانشمندان هنوز هم دلایل این اتفاقات و درمان آنها را نمی‌دانند. تا همین اواخر، کاوش در این بیماری‌ها به دلیل نبود ابزار مناسب، بسیار دشوار بود.
اکنون، محققان آزمایشگاه هاتزاکیس در دپارتمان شیمی دانشگاه کپنهاگ، یک الگوریتم یادگیری ماشینی اختراع کرده‌اند که می‌تواند توده‌ها را زیر میکروسکوپ در زمان واقعی ردیابی کند. این الگوریتم می‌تواند به‌طور خودکار ویژگی‌های مهم بلوک‌های انباشته‌ای را که باعث آلزایمر و سایر اختلالات عصبی می‌شوند، ترسیم و ردیابی نماید. تاکنون انجام این کار غیرممکن بود.
دکتر جیکوب هنسن، رهبر این تحقیق گفت: الگوریتم ما تنها در چند دقیقه مشکلی را حل می‌کند که در گذشته چندین هفته به طول می‌انجامید. اکنون که مطالعۀ تصاویر میکروسکوپی پروتئین‌های تجمع‌یافته آسان‌تر است، امیدواریم به دانش ما کمک کند و در دراز مدت سبب درمان‌های جدیدی برای اختلالات عصبی مغز شود.
این تحقیق در مجلۀ علمی معتبر Nature Communications منتشر شده است.
فهرست مطالب
پروتئین‌های میکروسکوپی در کوتاه‌ترین زمان شناسایی شدند
به هم پیوستن و تبادل ترکیبات و سیگنال‌ها بین پروتئین‌ها و سایر مولکول‌ها، میلیاردها بار در سلول‌های ما در فرآیندهای طبیعی انجام می‌شود، که اجازۀ عملکرد را به بدن ما می‌دهد. امّا هنگام رخ دادن خطا، پروتئین‌ها می‌توانند به گونه‌ای به هم متصل شوند که در توانایی آنها برای کار، مطابق با هدف اختلال ایجاد کند. این اختلال می‌تواند باعث اختلالات عصبی در مغز و سرطان شود.
محققان در الگوریتم یادگیری ماشینی جدید، می‌تواند توده‌های پروتئین را تا یک میلیاردم متر در تصاویر میکروسکوپی تشخیص دهند. همچنین این الگوریتم می‌تواند توده‌ها را بر اساس شکل و اندازۀ آنها شمارش کرده و سپس گروه‌بندی کند. تمام این کارها را در حالی انجام می‌دهد که توسعۀ آنها را در طول زمان ردیابی نیز می‌کند. ظاهر توده‌ها می‌تواند تأثیر زیادی بر عملکرد و شیوۀ رفتار آنها در بدن داشته باشد.
استین بندر، نویسندۀ اول این مطالعه نیز عنوان کرد: هنگامی که توده‌ها را با استفاده از میکروسکوپ مطالعه می‌کنیم، به عنوان مثال به سرعت می‌بینیم که برخی از آنها گردتر هستند، در حالی که برخی دیگر ساختارهای رشته‌ای دارند. شکل دقیق آنها بسته به اختلالی که ایجاد می‌کنند، می‌تواند متفاوت باشد، امّا نشستن و شمارش دستی آنها زمان زیادی می‌برد، که می‌توان آن را صرف موارد دیگر کرد.
وی تصریح کرد: در آینده این الگوریتم، یادگیری علت تشکیل توده‌ها را بسیار آسان‌تر می‌کند تا بتوانیم داروها و درمان‌های جدیدی برای مبارزه با این اختلالات تهیه کنیم. درک اساسی توده‌ها به این بستگی دارد که بتوانیم آنها را ببینیم، همچنین ردیابی و توصیف کنیم که در طول زمان چگونه به نظر می‌رسند. هیچ روش دیگری در حال حاضر نمی‌تواند این کار را به‌طور خودکار و به اندازۀ مؤثر انجام دهد.
ابزارها به صورت رایگان در دسترس همه هستند
محققان دپارتمان شیمی اکنون در حال استفاده از این ابزار برای انجام آزمایش‌هایی با مولکول‌های انسولین هستند. با جمع شدن مولکول‌های انسولین، توانایی آنها برای تنظیم قند خون ما ضعیف می‌شود.
هنسن در این باره توضیح داد: ما شاهد این تجمع نامطلوب در مولکول‌های انسولین نیز هستیم. ابزار جدید ما می‌تواند شرایطی را فراهم کند تا ببینیم این توده‌ها چگونه تحت تأثیر هر ترکیبی که اضافه می‌کنیم، قرار می‌گیرند. بر همین اساس این مدل می‌تواند به ما کمک کند تا درک کنیم که چگونه می‌توان آنها را به‌طور بالقوه به توده‌های کم‌خطر یا پایدارتر تبدیل کرد.
بنابراین محققان پتانسیل زیادی را در توانایی استفاده از این ابزار برای توسعۀ داروهای جدید پس از شناسایی بلوک‌های سازندۀ میکروسکوپی به وضوح مشاهده می‌کنند. محققان امیدوار هستند که کار آنها دانشی جامع‌تر در مورد اشکال و عملکرد پروتئین‌ها و مولکول‌ها را نشان دهد.
همان‌گونه که سایر محققان در سراسر جهان شروع به استفاده از این ابزار می‌کنند، می‌تواند کمک‌کننده برای ایجاد یک کتابخانۀ بزرگ از ساختارهای مولکولی و پروتئینی مرتبط با اختلالات مختلف و به‌طور کلی زیست‌شناسی باشند. این موضوع به درک بهتر بیماری‌ها کمک می‌کند تا در نتیجه محققان بتوانند آنها را متوقف کنند.
این الگوریتم به صورت رایگان در اینترنت به‌عنوان منبع باز در دسترس است و می‌تواند توسط محققان علمی و هر کسی که برای درک تجمع پروتئین‌ها و سایر مولکول‌ها کار می‌کند، مورد استفاده قرار گیرد.
