درک چگونگی عملکرد جراحی بای پس معده: یافتن اهداف دارویی جدید برای چاقی و دیابت
5 اکتبر 2017- محققان پزشکی مرکز مهندسی پزشکی بیمارستان عمومی ماساچوست و بیمارستان کودکان Shriners به پیشرفتهای تکنولوژیکی سریعی در جهت یافتن اهداف دارویی برای چاقی، دیابت نوع 2 و سایر بیماریهای متابولیک دست یافتند.
جریان کار جدید آزمایشگاهی و تکنیکهای محاسباتی که برای اولین بار با استفاده از مدلهای بای پس معده در جوندگان بکار گرفته شد و استفاده از آخرین روشهای اسپکتروسکوپی (طیف سنجی) و مجموعهای از ابزارهای بیوانفورماتیک منجر به درک چگونگی عملکرد جراحی بای پس معده در کاهش وزن و رفع معضل دیابت نوع 2 گردید. محققان، تأثیر این جراحی بر متابولیسم کبد را در مجلهی Technology در ماه گذشته منتشر کردند.
پژوهشگر اصلی این پروژه پرفسور نیما سعیدی گفت: اثرات درمانی، جراحی بای پس معده ما را به یافتن داروهای جدیدی برای چاقی و دیابت امیدوار کرده است، هدف ما مهندسی معکوس کاهش وزن و رفع مشکل کنترل قند خون بدون نیاز به انجام پروسیجرهای تهاجمی است. برای رسیدن به این هدف ابتدا باید بتوانیم از چگونگی برنامهریزی مجدداً اندامهای متابولیکی نظیر کبد، عضلات، بافت چربی و حتی رودهی کوچک در کاهش وزن و معکوس شدن دیابت پس از جراحی بای پس معده مطلع شویم.
برای رفع این چالش، محققان از پیشرفتهای سریع در طیف سنجی بهره بردند تا به طور موثری هزاران بیومولکول یعنی متابولیتها و پروتئین ها را اندازهگیری کرده و سرنخهایی در مورد چگونگی واکنش بافتها یا ارگانهای بدن به بای پس معده بدست آورند. در مطالعهی اخیر، آنها با استفاده از روش پیشرفتهی پروتئومیک SWATH تقریباً 100 پروتئین را در کبد موشهای صحرایی یافتند که غلظت آنها بطور قابل توجهی تحت تأثیر جراحی بای پس معده بروش RYGB تغییر کرده بود. این پروتئینها شامل پروتئینهای دخیل در حمل و نقل آهن، متابولیسم چربیها و کانجوگیشن اسیدهای صفراوی بودند، برخی از این پروتئینها قابلیت تبدیل به اهداف دارویی برای بیماریهای متابولیکی را با استفاده از تکنولوژی خاموش سازی ژن RNAi را داشتند. پس از نشان دادن کاربرد این پلت فرم محققان قصد دارند اثرات RYGB را بر محاورهی چندین ارگان با یکدیگر از طریق پروتئینهای ترشح شده به خون مورد تجزیه و تحلیل قرار دهند.
نویسندهی ارشد این مقاله پرفسور Sridharan گفت: ما در نهایت به مرحلهای در تحقیقات بیومدیکال رسیدهایم که می توانیم سیستمهای پیچیدهی invivo را از طریق اطلاعات بدست آمده از مطالعهی mRNA، پروتئینها و متابولیتها درک کنیم. چالش باقیمانده، تعبیر این ابعاد بزرگ از دادهها به بینشهای بیولوژیک در مورد چگونگی اثر گذاری جراحی بای پس بر متابولیتهای اختصاصی بافتها و مسیرهای سیگنالینگ است.
در این مطالعه، پرفسور Sridharan یک رویکرد مبتنی بر شبکه را برای ادغام اطلاعات پروتئینها و متابولیتها دنبال کرد تا بتواند زیر شبکهها و ماژولهایی که تحت تأثیر جراحی بای پس قرار میگیرند را کشف کند. او میگوید: پیشرفت در جهت توسعهی الگوریتمهای مبتنی بر شبکه برای هندلینگ دادههای سریهای زمانی omicبرای کشف روابط پیچیدهی علی و معلولی نظیر تأثیر سطح هورمونهای پلاسما پس از جراحی بای پس بر برنامهریزی مجدد رونویسی در بافتها، ضروری بود.
پرفسور Yarmush یکی از نویسندگان مسئول این مقاله گفت: ماهیت چند رشتهای این کار موجب موفقیت این تحقیق گردید، محققان از مدتها پیش از این نوع آنالیز بر روی مدل بای پس معده در جوندگان برای مطالعهی بیماریهای متابولیک استفاده کردند اما این کار نیاز به مهارت در جراحی جوندگان، آنالیزهای multi-omic و زیست شناسی محاسباتی دارد در CEM ما توانستیم مشکلات پیچیده در بیومدیسین را در یک بیمارستان تحقیقاتی در سطح جهانی با همکاری پزشکان حل کنیم. نتایج این تحقیق برای شرکتهای بیوتکنولوژی بمنظور تولید داروهایی در زمینهی بیماریهای متابولیک بسیار مهم خواهد بود.
منبع وسایت خبر:
TECHNOLOGY, 2017; 05 (03): 139 DOI: 10.1142/S233954781750008X
www.sciencedaily.com/releases/2017/10/171005111103.htm