موفق ترین اهداف برای پزشکی دقیق را می توان با استفاده از الگوریتم های ایجاد شده توسط محققان دانشگاه میشیگان یافت. این الگوریتمها با موفقیت ضعیفترین اهداف را در سلولهای سرطان تخمدان شناسایی میکنند – ژنهایی که این سلولها برای زندگی در بدن انسان به آنها وابسته هستند.حذف سلول های سرطانی DNADNA یا دئوکسی ریبونوکلئیک اسید، مولکولی است که از دو رشته طولانی تشکیل شده است. نوکلئوتیدهایی که به دور یکدیگر میپیچند و یک مارپیچ دوگانه را تشکیل میدهند. این ماده ارثی در انسان و تقریباً همه موجودات دیگر است که حاوی دستورالعملهای ژنتیکی برای رشد، عملکرد، رشد و تولید مثل است. تقریباً همه سلولهای بدن افراد دارای DNA یکسان هستند. بیشتر DNA در هسته سلول (جایی که DNA هسته ای نامیده می شود) قرار دارد، اما مقدار کمی از DNA را می توان در میتوکندر نیز یافت. ia (جایی که DNA میتوکندری یا mtDNA نامیده می شود).” data-gt-translate-attributes=”[{“attribute”:”data-cmtooltip”, “format”:”html”}]”>DNA وقتی به سمت تاریکی رفتند، بنابراین تیمی از پزشکان و مهندسان «طرحهای پشتیبان» را که عملکردهای ضروری سلولی را اجرا میکنند، هدف قرار دادند.محققان در دانشگاه میشیگان و دانشگاه ایندیانا یک نقطه ضعف سرطانی را کشف کرده اند. آنها دریافتند که روشی که سلول های تومور رشد کنترل نشده خود را امکان پذیر می کند نیز نقطه ضعفی است که می توان از آن برای درمان سرطان استفاده کرد. الگوریتم یادگیری ماشینی آنها می تواند ژن های پشتیبان را شناسایی کند که فقط سلول های تومور از آنها استفاده می کنند و به داروها اجازه می دهد برای هدف قرار دادن دقیق سرطان.محققان از موش ها برای نشان دادن رویکرد نوآورانه پزشکی دقیق خود برای درمان سرطان تخمدان استفاده کردند. علاوه بر این، رفتار سلولی که این آسیبپذیریها را آشکار میکند در اکثر سرطانها رایج است، به این معنی که الگوریتمها ممکن است برنامههای درمانی برتری برای انواع سرطان ایجاد کنند.آبیناو آچرجا، دکتری، پژوهشگر مهندسی پزشکی بیومدیکال دانشگاه میشیگان و دیپاک ناگرات، دکتری. دانشیار مهندسی زیست پزشکی بر روی تحقیقات سلول سرطان تخمدان در آزمایشگاه مهندسی زیستی در مرکز تحقیقات پردیس شمالی (NCRC) کار می کند. اعتبار: Marcin Szczepanski/داستاننویس چند رسانهای، کالج مهندسی دانشگاه میشیگان”دیپاک ناگراث” از U-M می گوید: “این می تواند حوزه پزشکی دقیق را متحول کند، زیرا هدف گیری دارو تنها سلول های سرطانی را تحت تاثیر قرار می دهد و آنها را از بین می برد و سلول های طبیعی را نجات می دهد.” دانشیار مهندسی زیست پزشکی و نویسنده ارشد این مطالعه که در Nature Metabolism منتشر شده است. اکثر داروهای سرطان بر بافت ها و سلول های طبیعی تأثیر می گذارند. با این حال، استراتژی ما امکان هدفگیری خاص سلولهای سرطانی را فراهم میکند.این روش به عنوان کشندگی جانبی شناخته میشود و شامل استفاده از اطلاعات به دست آمده از ژنهایی است که سلولهای سرطانی آنها را دور میاندازند تا نقاط ضعف را شناسایی کنند. بدن انسان به انواع دفاع در برابر سرطان مجهز است. سلولهای سرطانی قبلاً دارای ژنهای سرکوبگر بودند که از گسترش آنها جلوگیری میکرد. با این حال، آن سلول ها استراتژی هوشمندانه ای برای مقابله با این موضوع دارند. آنها به سادگی بخشی از DNA خود را که حاوی ژن های سرکوبگر است حذف می کنند.با این کار، سلول ها معمولاً ژن های دیگری را که برای بقا ضروری هستند از دست می دهند. برای جلوگیری از مرگ، سلولها یک پارالوگ را پیدا میکنند – ژنی که میتواند عملکرد مشابهی را انجام دهد. معمولاً یک یا احتمالاً دو ژن وجود دارند که می توانند وارد شوند و همان عملکرد را برای زنده نگه داشتن سلول انجام دهند.چه می شود اگر بتوانید پارالوگ مناسب را شناسایی کنید و آن را به گونه ای هدف قرار دهید که خاموش شود. عملکرد حیاتی آن برای سلول؟”وقتی جایگزینی مستقیم برای ژن متابولیک حذف شده در دسترس نیست، الگوریتمهای ما از یک مدل ریاضی متابولیسم سلولهای سرطانی برای پیشبینی مسیر متابولیک مشابهی که ممکن است استفاده کنند، استفاده میکنند. «این مسیرهای متابولیک برای سلولهای سرطانی مهم هستند و میتوان آنها را به صورت انتخابی هدف قرار داد.»حمله به مسیرهای متابولیک اساساً منبع انرژی سلول را خاموش میکند. در بررسی سلول های سرطانی تخمدان، تیم U-M یک ژن به نام UQCR11 را که اغلب همراه با یک ژن سرکوبگر حذف می شد، به صفر رساندند. UQCR11 نقشی حیاتی در تنفس سلولی ایفا میکند – چگونه سلولها گلوکز را برای انرژی تجزیه میکنند تا زنده بمانند.اختلالات در این فرآیند میتواند منجر به عدم تعادل عمده متابولیت مهم NAD+ در میتوکندری شود. تنفس صورت می گیرد. علیرغم همه شانسها، سلولهای سرطانی تخمدان با تکیه بر طرح پشتیبان خود به رشد خود ادامه میدهند.الگوریتم U-M به درستی از میان گزینههای متعدد دستهبندی شد و با موفقیت پیشبینی کرد که یک سلول فاقد UQCR11 به ژن MTHFD2 بهعنوان تامینکننده پشتیبان خود روی میآورد. از NAD+.محققان دانشکده پزشکی دانشگاه ایندیانا به اعتبارسنجی یافته ها در آزمایشگاه. این تیم به سرپرستی پروفسور ژیونگ بین لو، مدلهای اصلاحشده ژنتیکی سلولی و حیوانی سرطان تخمدان را با حذفها توسعه دادند. شش موش از شش موش آزمایش شده بهبود کامل سرطان را نشان دادند.مرجع: “شناسایی هدف کشنده جانبی متابولیک وابستگی پارالوگ MTHFD2 را در سرطان تخمدان نشان می دهد” توسط Abhinav Achreja، Tao Yu، Anjali Mittal، Srinadh Choppara، Olamide Animasahun، مینال ننوانی، فولی ووچو، نوآ مورس، آرادانا موهان، جین هئون جئون، ایتیسام سارانگی، آنوشا جایرامان، سارا اوون، روا کولکارنی، میشل کوساتو، فرانک واینبرگ، هی کیونگ کوئون، چیترا سوبرامانیان، مکس اس ویچا، سوفی دی. ، سونیتا ناگراث، کاتلین آر چو، آنالیسا دیفئو، شیونگبین لو و دیپاک ناگراث، 21 سپتامبر 2022، متابولیسم طبیعت.DOI: 10.1038/s42255-022-00636-3این مطالعه توسط موسسه ملی سرطان، دفتر مدیر بخش ملی تامین مالی شد. مؤسسههای بهداشت، جایزه محققین سلامت دقیق دانشگاه میشیگان، و جایزه پژوهشگر فوربس از مؤسسه کشف سرطان فوربس.