گروهی از دانشمندان در بارسلونا موفق شده‌اند با توسعه یک ابزار هوش مصنوعی، نشانه‌های پیری را در سلول‌های بنیادی خون شناسایی کنند. این فناوری با بررسی ساختار سه‌بعدی DNA در هسته سلول، تغییراتی را تشخیص می‌دهد که مشاهده آن‌ها با چشم انسان در تصاویر میکروسکوپی دشوار است.
به گزارش تکراتو، پژوهشگران مؤسسه تحقیقات زیست‌پزشکی بلویچه (IDIBELL)، مرکز ابررایانش بارسلونا (BSC) و مؤسسه سلامت جهانی بارسلونا (ISGlobal) ابزار جدیدی به نام ChromAgeNet توسعه داده‌اند. نتایج این تحقیق در مجله علمی Aging Cell منتشر شده و می‌تواند مسیر تازه‌ای برای بررسی روند پیری و ارزیابی روش‌های احتمالی جوان‌سازی سلول‌ها ایجاد کند.
هوش مصنوعی چگونه پیری سلول‌های بنیادی خون را تشخیص می‌دهد؟
پژوهشگران برای توسعه این فناوری، ساختار هسته سلول‌های بنیادی خون را بررسی کرده‌اند.
این سلول‌ها که با نام سلول‌های بنیادی خون‌ساز شناخته می‌شوند، وظیفه تولید سلول‌های مختلف خون را بر عهده دارند و نقش مهمی در عملکرد سیستم ایمنی بدن ایفا می‌کنند.
با افزایش سن، عملکرد این سلول‌ها به‌تدریج تغییر می‌کند و توانایی آن‌ها برای تولید و حفظ سلول‌های خونی ممکن است کاهش یابد.
ابزار ChromAgeNet برای شناسایی نشانه‌های این تغییرات، تصاویر سه‌بعدی هسته سلول را تجزیه‌وتحلیل می‌کند.
این هوش مصنوعی به‌جای بررسی مستقیم سن موجود زنده، الگوهای مرتبط با پیری را در نحوه سازمان‌دهی DNA شناسایی می‌کند.
بررسی ساختار سه‌بعدی DNA با فناوری ChromAgeNet
درون هسته سلول، DNA به همراه پروتئین‌های مختلف ساختاری به نام کروماتین را تشکیل می‌دهد.
کروماتین علاوه بر بسته‌بندی DNA، در تنظیم فعالیت ژن‌ها نیز نقش دارد.
تحقیقات نشان می‌دهد نحوه سازمان‌دهی کروماتین با افزایش سن تغییر می‌کند و این تغییرات می‌توانند اطلاعات مهمی درباره وضعیت سلول ارائه دهند.
پژوهشگران با استفاده از تصاویر میکروسکوپی سه‌بعدی و یک شبکه عصبی کانولوشنی، مدل ChromAgeNet را آموزش داده‌اند تا تفاوت میان سلول‌های جوان و پیر را شناسایی کند.
برای ثبت تصاویر نیز از ماده رنگ‌آمیزی DAPI استفاده شده که روشی رایج برای مشاهده DNA در مطالعات سلولی است.
عملکرد هوش مصنوعی در تشخیص پیری سلول‌ها
براساس مقاله منتشرشده در مجله Aging Cell، مدل ChromAgeNet در ارزیابی توانایی تفکیک سلول‌های بنیادی جوان و پیر به امتیاز AUROC معادل ۰٫۷۷ دست یافته است.
این شاخص نشان می‌دهد مدل تا چه اندازه می‌تواند دو گروه را از یکدیگر متمایز کند. عدد ۰٫۵ نشان‌دهنده عملکردی در حد تشخیص تصادفی و عدد ۱ نشان‌دهنده تفکیک کامل است.
بنابراین، نتیجه ۰٫۷۷ عملکرد امیدوارکننده‌ای محسوب می‌شود، اما به معنای تشخیص قطعی سن سلول‌ها یا دقت ۱۰۰ درصدی نیست.
به گفته پژوهشگران، این مدل از روش‌های سنتی یادگیری ماشین که بر ویژگی‌های ازپیش‌تعریف‌شده کروماتین تکیه می‌کنند، عملکرد بهتری داشته است.
نکته مهم این است که آزمایش‌های اصلی این پژوهش روی سلول‌های بنیادی خون موش‌ها انجام شده‌اند و هنوز کاربرد آن برای سلول‌های انسانی به تأیید نرسیده است.
هوش مصنوعی تغییراتی را شناسایی می‌کند که با چشم دیده نمی‌شوند
یکی از مهم‌ترین ویژگی‌های ChromAgeNet توانایی شناسایی الگوهای ظریف در ساختار هسته سلول است.
این تغییرات ممکن است در تصاویر میکروسکوپی معمولی برای پژوهشگران به‌راحتی قابل‌تشخیص نباشند.
دانشمندان با استفاده از روش‌های هوش مصنوعی توضیح‌پذیر تلاش کرده‌اند مشخص کنند الگوریتم هنگام تشخیص پیری به کدام ویژگی‌ها توجه می‌کند.
نتایج نشان می‌دهد تغییرات تراکم کروماتین، ساختار بخش‌های پیرامونی هسته و نحوه توزیع مواد ژنتیکی از نشانه‌های مهم مرتبط با افزایش سن هستند.
این ویژگی اهمیت زیادی دارد؛ زیرا مدل فقط یک نتیجه ارائه نمی‌دهد، بلکه به پژوهشگران کمک می‌کند دلایل احتمالی پیش‌بینی خود را نیز بررسی کنند.
آیا این فناوری می‌تواند به جوان‌سازی سلول‌ها کمک کند؟
یکی از کاربردهای احتمالی ChromAgeNet، بررسی تأثیر ترکیبات دارویی بر سلول‌های بنیادی پیر است.
پژوهشگران در مرحله‌ای آزمایشی، از این ابزار برای بررسی تغییرات ساختار کروماتین در سلول‌های پیر پس از مواجهه با ترکیبات اپی‌ژنتیکی استفاده کرده‌اند.
هدف این آزمایش‌ها شناسایی تغییراتی بوده که ساختار هسته سلول را به الگوهای مشاهده‌شده در سلول‌های جوان نزدیک می‌کنند.
در آینده، چنین رویکردی ممکن است به دانشمندان کمک کند ترکیبات بیشتری را برای بررسی اثرات احتمالی جوان‌سازی سلولی ارزیابی کنند.
بااین‌حال، مشاهده تغییرات جوان‌مانند در ساختار DNA لزوماً به معنای جوان‌شدن کامل سلول، بهبود عملکرد بدن یا افزایش طول عمر نیست.
برای اثبات چنین نتایجی به آزمایش‌های زیستی و مطالعات گسترده‌تری نیاز خواهد بود.
نقش این کشف در تحقیقات پیری و سیستم ایمنی
سلول‌های بنیادی خون‌ساز نقش اساسی در تولید سلول‌های خونی و حفظ عملکرد سیستم ایمنی دارند.
با افزایش سن، تغییرات عملکردی این سلول‌ها می‌تواند بر توانایی بدن برای تولید سلول‌های خونی سالم تأثیر بگذارد.
به همین دلیل، شناسایی دقیق‌تر نشانه‌های پیری آن‌ها برای پژوهشگران حوزه پزشکی بازساختی اهمیت زیادی دارد.
ChromAgeNet می‌تواند ابزاری برای مطالعه این تغییرات و بررسی روش‌های احتمالی حفظ یا بازیابی عملکرد سلول‌های بنیادی باشد.
محققان همچنین کد ابزار و مجموعه‌ای از تصاویر سه‌بعدی سلول‌ها را در اختیار جامعه علمی قرار داده‌اند تا امکان توسعه و ارزیابی روش‌های جدید فراهم شود.
آیا هوش مصنوعی ChromAgeNet برای انسان قابل‌استفاده است؟
درحال‌حاضر، ChromAgeNet یک ابزار پژوهشی است و کاربرد بالینی تأییدشده‌ای برای تشخیص پیری در انسان ندارد.
آزمایش‌های اصلی آن روی سلول‌های بنیادی خون موش‌ها انجام شده و پژوهشگران در حال بررسی راه‌های توسعه فناوری برای استفاده در سلول‌های انسانی هستند.
همچنین این ابزار هنوز نمی‌تواند به‌تنهایی مشخص کند که یک درمان واقعاً روند پیری را معکوس کرده است.
با وجود این محدودیت‌ها، نتایج پژوهش نشان می‌دهد ترکیب هوش مصنوعی و تصویربرداری سلولی می‌تواند اطلاعات ارزشمندی درباره تغییرات زیستی ناشی از افزایش سن آشکار کند.
این دستاورد ممکن است در آینده به توسعه روش‌های دقیق‌تر برای مطالعه پیری و ارزیابی درمان‌های مرتبط با سلامت سلولی کمک کند.
دیدگاه‌ها