Wire News

Time of Death: Νέα τεχνολογία που απαιτείται για μεγαλύτερη ακρίβεια

Γραμμένο από συντάκτης

Είναι εκπληκτικά δύσκολο να πει κανείς πότε ένα εγκεφαλικό κύτταρο είναι νεκρό. Οι νευρώνες που φαίνονται ανενεργοί και κατακερματισμένοι στο μικροσκόπιο μπορούν να παραμείνουν σε ένα είδος κενού ζωής ή θανάτου για μέρες και μερικοί ξαφνικά αρχίζουν να σηματοδοτούν ξανά αφού εμφανιστούν αδρανείς.

Εκτύπωση φιλική προς το περιβάλλον, PDF & Email

Για τους ερευνητές που μελετούν τον νευροεκφυλισμό, αυτή η έλλειψη ακριβούς δήλωσης «χρόνου θανάτου» για τους νευρώνες δυσκολεύει τον προσδιορισμό των παραγόντων που οδηγούν στον κυτταρικό θάνατο και τον έλεγχο φαρμάκων που θα μπορούσαν να σώσουν τα γηρασμένα κύτταρα από το θάνατο.              

Τώρα, ερευνητές στα Ινστιτούτα Gladstone ανέπτυξαν μια νέα τεχνολογία που τους επιτρέπει να παρακολουθούν χιλιάδες κύτταρα κάθε φορά και να προσδιορίζουν την ακριβή στιγμή θανάτου για οποιοδήποτε κύτταρο στην ομάδα. Η ομάδα έδειξε, σε μια εργασία που δημοσιεύτηκε στο περιοδικό Nature Communications, ότι η προσέγγιση λειτουργεί σε κύτταρα τρωκτικών και ανθρώπινων καθώς και σε ζωντανά ζέβρα και μπορεί να χρησιμοποιηθεί για την παρακολούθηση των κυττάρων για μια περίοδο εβδομάδων έως μηνών.

«Η ακριβής ώρα θανάτου είναι πολύ σημαντική για την αποκάλυψη της αιτίας και του αποτελέσματος στις νευροεκφυλιστικές ασθένειες», λέει ο Steve Finkbeiner, MD, PhD, διευθυντής του Κέντρου Συστημάτων και Θεραπευτικών στο Gladstone και ανώτερος συγγραφέας και των δύο νέων μελετών. «Μας επιτρέπει να καταλάβουμε ποιοι παράγοντες προκαλούν άμεσα κυτταρικό θάνατο, ποιοι είναι τυχαίοι και ποιοι μπορεί να είναι μηχανισμοί αντιμετώπισης που καθυστερούν τον θάνατο».

Σε μια συνοδευτική εργασία που δημοσιεύτηκε στο περιοδικό Science Advances, οι ερευνητές συνδύασαν την τεχνολογία αισθητήρων κυττάρων με μια προσέγγιση μηχανικής μάθησης, διδάσκοντας σε έναν υπολογιστή πώς να διακρίνει ζωντανά και νεκρά κύτταρα 100 φορές πιο γρήγορα και με μεγαλύτερη ακρίβεια από έναν άνθρωπο.

«Χρειάστηκαν μήνες για να αναλύσουν αυτά τα δεδομένα με το χέρι και το νέο μας σύστημα είναι σχεδόν στιγμιαίο – στην πραγματικότητα λειτουργεί πιο γρήγορα από ό,τι μπορούμε να αποκτήσουμε νέες εικόνες στο μικροσκόπιο», λέει ο Jeremy Linsley, PhD, επικεφαλής επιστημονικού προγράμματος στο Finkbeiner's. εργαστήριο και ο πρώτος συγγραφέας και των δύο νέων εργασιών.

Διδασκαλία ενός παλιού αισθητήρα νέα κόλπα

Όταν τα κύτταρα πεθαίνουν - όποια και αν είναι η αιτία ή ο μηχανισμός - τελικά κατακερματίζονται και οι μεμβράνες τους εκφυλίζονται. Αλλά αυτή η διαδικασία αποδόμησης απαιτεί χρόνο, καθιστώντας δύσκολο για τους επιστήμονες να διακρίνουν μεταξύ των κυττάρων που έχουν σταματήσει εδώ και καιρό να λειτουργούν, εκείνων που είναι άρρωστα και πεθαίνουν και εκείνων που είναι υγιή.

Οι ερευνητές συνήθως χρησιμοποιούν φθορίζουσες ετικέτες ή βαφές για να παρακολουθήσουν τα άρρωστα κύτταρα με μικροσκόπιο με την πάροδο του χρόνου και προσπαθούν να διαγνώσουν πού βρίσκονται εντός αυτής της διαδικασίας αποδόμησης. Πολλές ενδεικτικές βαφές, κηλίδες και ετικέτες έχουν αναπτυχθεί για να διακρίνουν τα ήδη νεκρά κύτταρα από εκείνα που είναι ακόμα ζωντανά, αλλά συχνά λειτουργούν μόνο σε σύντομες χρονικές περιόδους πριν ξεθωριάσουν και μπορεί επίσης να είναι τοξικά για τα κύτταρα όταν εφαρμόζονται.

«Θέλαμε πραγματικά έναν δείκτη που να διαρκεί για όλη τη διάρκεια ζωής ενός κυττάρου - όχι μόνο λίγες ώρες - και στη συνέχεια να δίνει ένα σαφές σήμα μόνο μετά τη συγκεκριμένη στιγμή που το κύτταρο πεθαίνει», λέει ο Linsley.

Οι Linsley, Finkbeiner και οι συνάδελφοί τους επέλεξαν αισθητήρες ασβεστίου, αρχικά σχεδιασμένοι για να παρακολουθούν τα επίπεδα ασβεστίου μέσα σε ένα κύτταρο. Καθώς ένα κύτταρο πεθαίνει και οι μεμβράνες του γίνονται διαρροές, μια παρενέργεια είναι ότι το ασβέστιο εισχωρεί στο υδαρές κυτταρόπλασμα του κυττάρου, το οποίο κανονικά έχει σχετικά χαμηλά επίπεδα ασβεστίου.

Έτσι, ο Linsley κατασκεύασε τους αισθητήρες ασβεστίου ώστε να βρίσκονται στο κυτταρόπλασμα, όπου θα φθορίζουν μόνο όταν τα επίπεδα ασβεστίου αυξάνονταν σε ένα επίπεδο που υποδηλώνει κυτταρικό θάνατο. Οι νέοι αισθητήρες, γνωστοί ως γενετικά κωδικοποιημένος δείκτης θανάτου (GEDI, προφέρεται όπως ο Jedi στον Πόλεμο των Άστρων), θα μπορούσαν να εισαχθούν σε οποιοδήποτε τύπο κυττάρου και να σηματοδοτήσουν ότι το κύτταρο είναι ζωντανό ή νεκρό καθ 'όλη τη διάρκεια ζωής του κυττάρου.

Για να ελέγξει τη χρησιμότητα των επανασχεδιασμένων αισθητήρων, η ομάδα τοποθέτησε στο μικροσκόπιο μεγάλες ομάδες νευρώνων - ο καθένας περιείχε GEDI. Αφού οραματίστηκαν περισσότερα από ένα εκατομμύριο κύτταρα, σε ορισμένες περιπτώσεις επιρρεπή σε νευροεκφυλισμό και σε άλλες εκτεθειμένα σε τοξικές ενώσεις, οι ερευνητές διαπίστωσαν ότι ο αισθητήρας GEDI ήταν πολύ πιο ακριβής από άλλους δείκτες κυτταρικού θανάτου: δεν υπήρξε ούτε μία περίπτωση όπου ο αισθητήρας ήταν ενεργοποιήθηκε και ένα κύτταρο παρέμεινε ζωντανό. Επιπλέον, εκτός από αυτή την ακρίβεια, το GEDI φάνηκε επίσης να ανιχνεύει τον κυτταρικό θάνατο σε πρώιμο στάδιο από τις προηγούμενες μεθόδους - κοντά στο «σημείο μη επιστροφής» για τον κυτταρικό θάνατο.

«Αυτό σας επιτρέπει να διαχωρίζετε ζωντανά και νεκρά κύτταρα με τρόπο που δεν ήταν ποτέ δυνατός πριν», λέει ο Linsley.

Ανίχνευση Υπερανθρώπινου Θανάτου

Ο Linsley ανέφερε το GEDI στον αδερφό του—Drew Linsley, PhD, επίκουρο καθηγητή στο Πανεπιστήμιο Brown που ειδικεύεται στην εφαρμογή τεχνητής νοημοσύνης σε βιολογικά δεδομένα μεγάλης κλίμακας. Ο αδερφός του πρότεινε στους ερευνητές να χρησιμοποιήσουν τον αισθητήρα, σε συνδυασμό με μια προσέγγιση μηχανικής μάθησης, για να διδάξουν ένα σύστημα υπολογιστή να αναγνωρίζει ζωντανά και νεκρά εγκεφαλικά κύτταρα με βάση μόνο τη μορφή του κυττάρου.

Η ομάδα συνδύασε τα αποτελέσματα από τον νέο αισθητήρα με τυπικά δεδομένα φθορισμού στους ίδιους νευρώνες και δίδαξαν ένα μοντέλο υπολογιστή, που ονομάζεται BO-CNN, να αναγνωρίζει τα τυπικά μοτίβα φθορισμού που σχετίζονται με το πώς μοιάζουν τα κύτταρα που πεθαίνουν. Το μοντέλο, όπως έδειξαν οι αδερφοί Linsley, ήταν 96 τοις εκατό ακριβές και καλύτερο από αυτό που μπορούν να κάνουν οι ανθρώπινοι παρατηρητές και ήταν περισσότερο από 100 φορές ταχύτερο από προηγούμενες μεθόδους διαφοροποίησης ζωντανών και νεκρών κυττάρων.

«Για ορισμένους τύπους κυττάρων, είναι εξαιρετικά δύσκολο για ένα άτομο να καταλάβει αν ένα κύτταρο είναι ζωντανό ή νεκρό—αλλά το μοντέλο του υπολογιστή μας, μαθαίνοντας από το GEDI, μπόρεσε να τα διαφοροποιήσει με βάση μέρη των εικόνων που δεν γνωρίζαμε προηγουμένως ήταν χρήσιμοι στη διάκριση ζωντανών και νεκρών κυττάρων», λέει ο Jeremy Linsley.

Τόσο το GEDI όσο και το BO-CNN θα επιτρέψουν τώρα στους ερευνητές να πραγματοποιήσουν νέες μελέτες υψηλής απόδοσης για να ανακαλύψουν πότε και πού πεθαίνουν τα εγκεφαλικά κύτταρα - ένα πολύ σημαντικό καταληκτικό σημείο για μερικές από τις πιο σημαντικές ασθένειες. Μπορούν επίσης να ελέγξουν τα φάρμακα για την ικανότητά τους να καθυστερούν ή να αποφεύγουν τον κυτταρικό θάνατο σε νευροεκφυλιστικές ασθένειες. Ή, στην περίπτωση του καρκίνου, μπορούν να αναζητήσουν φάρμακα που επιταχύνουν τον θάνατο των νοσούντων κυττάρων.

«Αυτές οι τεχνολογίες αλλάζουν το παιχνίδι στην ικανότητά μας να κατανοούμε πού, πότε και γιατί συμβαίνει ο θάνατος στα κύτταρα», λέει ο Finkbeiner. «Για πρώτη φορά, μπορούμε να εκμεταλλευτούμε πραγματικά την ταχύτητα και την κλίμακα που παρέχουν οι εξελίξεις στη μικροσκοπία με τη βοήθεια ρομπότ για να ανιχνεύσουμε με μεγαλύτερη ακρίβεια τον κυτταρικό θάνατο και να το κάνουμε πολύ πριν από τη στιγμή του θανάτου. Ελπίζουμε ότι αυτό μπορεί να οδηγήσει σε πιο συγκεκριμένες θεραπείες για πολλές νευροεκφυλιστικές ασθένειες που μέχρι στιγμής ήταν ανίατες».

Εκτύπωση φιλική προς το περιβάλλον, PDF & Email

Σχετικές ειδήσεις

Σχετικά με τον Συγγραφέα

συντάκτης

Η αρχισυντάκτρια του eTurboNew είναι η Linda Hohnholz. Βρίσκεται στα κεντρικά γραφεία του eTN στη Χονολουλού της Χαβάης.

Αφήστε ένα σχόλιο