مطالعات مدل سازی بیماری با استفاده از سلول های بنیادی پرتوان القایی: آیا کنترل های کافی استفاده می کنیم؟
تاریخ انتشار: دوشنبه 11 دی 1396
| امتیاز:
مقایسه سلول های بنیادی پرتوان القایی تمایز یافته(iPSCs) مشتق از بیماران مبتلا به بیماری با iPSCهای تمایز یافته مشتق از بیماران سالم مدل سازی قوی بیماری را مقدور می سازد. با انجام یک بررسی گذشته نگر غیر رسمی در مورد مطالعات مدل سازی بیماری که در ژورنال های معتبر به چاپ رسیده است ما دریافتیم که تعداد متوسط و میانگین کنترل های مورد استفاده در این مطالعات به ترتیب 1 و 1.6 بوده است. بخش اعظم این مطالعات برای سن، جنس و نژاد کنترل نداشته اند. از آن جایی که بخش وسیعی از تفاوت های فنوتیپی که بین رده های iPSC مشاهده می شود به دلیل تنوع ژنتیکی یا تفاوت بین رده ای بوده است که این تعداد ناکافی از کنترل ها بوده است که موجب می شود در رد انحراف از استانداردها اطمینان زیادی وجود نداشته باشد. نیاز است که مطالعات آینده کنترل های بیشتری را در بر گیرند و تضمین کنند که آیا این کنترل ها از نظر جنس، سن و نژاد به طور مناسبی مطابق هستند یا خیر.
Regen Med. 2017 Dec 15. doi: 10.2217/rme-2017-0101. [Epub ahead of print]
Disease modeling studies using induced pluripotent stem cells: are we using enough controls?
Johnson AA1, Andrews-Pfannkoch C1, Nelson TJ2, Pulido JS1, Marmorstein AD1.
Abstract
The comparison of differentiated induced pluripotent stem cells (iPSCs) derived from patients with disease to differentiated iPSCs derived from healthy patients enables powerful disease modeling. By performing an informal retrospective survey of disease modeling studies published in high impact journals, we found that the median and average number of controls used in these studies were 1 and 1.6, respectively. The bulk of these studies did not control for age, gender and ethnicity. Since a large proportion of phenotypic differences observed between iPSC lines are due to genetic variation or variation between lines, this is an insufficient number of controls to confidently rule out standard variation. Future studies need to include more controls and ensure that these controls are appropriately matched for gender, age and ethnicity.
PMID: 29243553