به گزارش پایگاه اطلاع رسانی بنیان، سلول‌های بنیادی مانند کیت ابزار اورژانسی بدن انسان هستند. آنها توانایی منحصر به فردی را دارند که به انواع دیگر سلول‌های تخصصی - از سلول‌های ایمنی گرفته تا سلول‌های مغزی تبدیل شوند. آنها می‌توانند به طور نامحدود تقسیم و بازسازی شوند تا سیستم ما را بر اساس دستور، تعمیر و دوباره پر کنند. بنابراین ردیابی تبدیل سرنوشت سلول‌های بنیادی برای درک تکوین آنها و بهینه سازی تولید زیستی بسیار مهم است. زیرا روش‌های تک سلولی مخرب یک چشم‌انداز شبه زمانی از تمایز سلول‌های بنیادی ارائه می‌کنند، اما نمی‌توانند سرنوشت سلول‌های بنیادی را در زمان واقعی نظارت کنند. با توجه به اهمیت موضوع یک تیم تحقیقاتی موفق شدندکه با تکنیک تصویربرداری، رفتار سلول‌های بنیادی خونساز منفرد که به صورت متابولیکی (m) به صورت متقارن و نامتقارن تقسیم می‌شوند را اندازه گیری کنند.

مشاهده سرنوشت پیچیده و پویای سلول‌های بنیادی

تبدیل سرنوشت پیچیده و پویا سلول‌های بنیادی نقش مهمی در تکوین بافت/ اندام ، بازسازی و پیشرفت بیماری ایفا می‌کند. مدل تمایز گام به گام کلاسیک سلول‌های بنیادی و زاد و ولد آنها و سلول‌های بالغ را به عنوان جمعیت‌های مجزا و همگن در نظر می‌گیرد که اغلب آنها را با ترکیب خاصی از نشانگرهای سطحی تعریف می‌کند. با این حال، وضعیت متوسط ​​در طول انتقال سرنوشت سلول‌های بنیادی و برنامه ریزی مجدد سلولی مرتبط تا حد زیادی ناشناخته بوده است. در همین حال، ناهمگونی قابل توجهی در انتخاب سرنوشت کلون‌های مختلف سلول‌های بنیادی بدون مکانیسم‌های قطعی مشاهده شده است. در سطح تک سلولی، سرنوشت سلول‌های بنیادی منعطف است و می‌تواند تحت تأثیر عوامل و رویدادهای مختلفی مانند برهمکنش با ریزمحیط کنام، پرایمینگ اپی ژنتیک و تقسیم نامتقارن قرار گیرد. بنابراین، تکنیک‌هایی که قادر به اندازه‌گیری سرنوشت سلول‌های بنیادی پویا و ناهمگن هستند، کلید درک وضعیت‌های انتقالی تمایز سلول‌های بنیادی، روشن کردن عوامل دقیق تنظیم‌کننده چنین فرآیندهایی و باز کردن پتانسیل کامل سلول‌های بنیادی برای درمان‌های سلولی و پزشکی بازساختی را دارند.

توسعه یک سیستم غیرتهاجمی

توانایی کشت سلول‌های بنیادی در آزمایشگاه و رشد آنها به هر نوع سلولی که نیاز داریم، جام مقدس پزشکی است. به عنوان مثال، این توانایی می‌تواند پزشکان را قادر سازد تا انبار بی پایانی از سلول‌های جدید برای ترمیم بافت‌ها و اندام‌های آسیب دیده ایجاد کنند. با این حال، برای کشف جام مقدس، ما به درک جامعی از چگونگی تکثیر و انتقال سلول‌های بنیادی به انواع مختلف سلول نیاز داریم. در همین راستا تحقیقات جدید از دپارتمان مهندسی بیومدیکال آلفرد ای. مان USC ما را یک قدم به کشف اسرار این سلول‌های ضروری نزدیک تر می‌کند. استادیار مهندسی بیومدیکال کیو شن و تیمش از یادگیری ماشینی برای توسعه یک سیستم غیرتهاجمی استفاده کرده اند که بینشی ناشناخته از چگونگی تکثیر و بازسازی سلول‌های بنیادی به سلول‌های تخصصی ارائه می‌دهد. نتایج این اثر در Science Advances منتشر شده است.

ساخت انبار عظیمی از سلول‌های بنیادی خونساز

شن گفت که رفتار سلول‌های بنیادی هنوز کاملاً مرموز است و فرآیند درک نحوه تقسیم و تغییر آنها اغلب تهاجمی است و نیاز به استخراج سلول‌های بنیادی و در نهایت از بین بردن آنها در آزمایشگاه دارد. این کار جدید سلول‌های بنیادی خون‌ساز را بررسی می‌کند که در مغز استخوان ما زندگی می‌کنند و همه سلول‌های خون مانند گلبول‌های قرمز و سلول‌های ایمنی را تشکیل می‌دهند. شن گفت برای اینکه سلول‌های بنیادی جمعیت خود را گسترش دهند، باید به طور متقارن تقسیم شوند و برای اینکه سلول‌های بنیادی خود را در حین ایجاد یک نوع سلول جدید و متفاوت (مانند گلبول قرمز یا سفید خون) تجدید کنند، باید به طور نامتقارن تقسیم شوند. در مورد پیوند مغز استخوان، ما می‌خواهیم سلول‌های بنیادی به طور متقارن تقسیم شوند تا بیشترین تعداد سلول‌های بنیادی را به ما بدهند تا بتوانیم از آن‌ها در بیماران مختلف استفاده کنیم. اما در حال حاضر، سلول‌های بنیادی خون را واقعا نمی‌توان در خارج از بدن و در کلینیک، گسترش داد. "شن گفت. "اگر بتوانیم به آن دست یابیم - ساخت انبار عظیمی از سلول‌های بنیادی خونساز برای پیوند مغز استخوان - مشکل بسیار بزرگی را برای بسیاری از بیماران حل خواهد کرد."

شیوه مطالعاتی

تیم شن رفتار متابولیکی سلول‌های بنیادی را مورد بررسی قرار داد - اینکه چگونه گلوکز را با استفاده از یک فناوری تصویربرداری به نام میکروسکوپ تصویربرداری طول عمر فلورسانس تجزیه می‌کند و به انرژی تبدیل می‌کند. سلول‌های بنیادی مواد فلورسنت از خود تولید می‌کنند – معروف به اتوفلورسانس – که به تصویربرداری اجازه می‌دهد تا متابولیسم سلول‌ها را ردیابی کند. این متابولیسم به میزان زیادی با نحوه عملکرد و تبدیل سلول‌ها مرتبط است. به عنوان مثال، NADH یکی از این مولکول‌ها است که اتوفلورسنت است و زمانی که به یک آنزیم متابولیک متصل می‌شوند، خواص فلورسنت نوری مختلفی را نیز نشان می‌دهند که می‌توانیم آن‌ها را اندازه‌گیری کنیم.

رویکرد یادگیری ماشینی

شن و تیمش با استفاده از یک مدل موش، این اطلاعات را گرفتند و ویژگی‌های فلورسنت را از تصاویر سلول‌های بنیادی استخراج کردند و کتابخانه‌ای از 205 ویژگی بیومارکر نوری متابولیک از هر سلول بنیادی جداگانه ایجاد کردند که 56 مورد از آنها با تمایز سلول‌های بنیادی خونساز مرتبط بود. رویکرد یادگیری ماشینی به تیم اجازه داد تا یک نقشه خوشه‌بندی از سلول‌های بنیادی در مقابل سلول‌های غیر بنیادی ایجاد کند و رفتار و تمایز آنها را در طول زمان دنبال کند. این رویکرد امتیازی را برای تعیین اینکه آیا یک سلول دختر احتمالاً یک سلول بنیادی است یا خیر، یا اینکه آیا سلول‌های بنیادی به طور نامتقارن یا متقارن تقسیم می شوند، اختصاص داد. این بسیار هیجان انگیز است زیرا ما سلول‌ها را از بین نمی‌بریم. ما فقط از سلول عکس می‌گیریم و سپس آن ویژگی‌ها را استخراج می‌کنیم. این می‌تواند اطلاعات زیادی در مورد آنها به ما بدهد."

کشف دارو و درمان‌های پیشرفته سلول‌های بنیادی

رویکرد این تیم برای درک وضعیت متابولیک سلول‌های بنیادی، دانش پایه‌ای بیشتری را ارائه می‌کند که می‌تواند به کشف دارو و درمان‌های پیشرفته سلول‌های بنیادی، و همچنین درمان‌های پزشکی بازساختی که در آن سلول‌ها، بافت‌ها و اندام‌های انسانی می‌توانند رشد کنند و کمک کند. جایگزین شده است. شن گفت: امروزه کاربردهای دیگری مانند سلول درمانی وجود دارد. اکنون برای محققین فعال در حوزه سلول‌های بنیادی، این رویکرد یک فناوری هیجان‌انگیز است، زیرا به آن‌ها اجازه می‌دهد وضعیت سلول‌های بنیادی را در زمان واقعی مشاهده کنند و سپس هر سلول را در طول زمان ردیابی کنند، که در حال حاضر امکان‌پذیر نبوده است

پایان مطلب/.