30 اکتبر 2024- اکتشافاتی که بر طول عمر و مدت زمان سلامت مگسهای میوه تأثیر میگذارند، معمولاً قبل از اینکه به طور بالقوه به انسان مرتبط گردند، باید بر روی موشها آزمایش شوند، فرآیندی که پرهزینه و زمانبر است. رویکرد پیشگامی که در موسسه ی Buck اتخاذ شد، از این متدولوژی استاندارد گذر می کند.
محققان با استفاده از یادگیری ماشینی[1] پیشرفته و زیستشناسی سیستمها، مجموعه دادههای عظیمی از مگسها و انسانها را برای شناسایی متابولیتهای کلیدی که بر طول عمر در هر دو گونه تأثیر میگذارند، تجزیه و تحلیل کردند. نتایج منتشر شده به صورت آنلاین در Nature Communications نشان میدهد که یکی از متابولیتها به نام "ترئونین" ممکن است به عنوان یک درمان بالقوه برای مداخلات پیری نویدبخش باشد.
پروفسور پانکاج کاپاهی، نویسنده ی ارشد این مقاله از موسسه ی باک، می گوید: این نتایج بدون این رویکرد پیشگامانه ممکن نبود.داده های زیادی در آنجا وجود دارد که بین گونه ها همبستگی ندارند. من فکر میکنم این رویکرد میتواند بازی را در شناسایی مداخلات بالقوه برای بهبود سلامت انسان، تغییر دهد.
نشان داده شده است که ترئونین در برابر دیابت از موش ها محافظت می کند. این اسید آمینه ضروری نقش مهمی در تولید کلاژن و الاستین دارد و همچنین در لخته شدن خون، متابولیسم چربی و عملکرد سیستم ایمنی نقش دارد.
روش ساده شده
این تحقیق توسط دکتر Tyler Hilsabeck، دانشجوی فوق دکترای سابق موسسه ی باک شروع شد، او دادهها (شامل متابولومیک، فنوتیپ و ژنومیک) را برای تجزیه و تحلیل 120 متابولیت در 160 سویه از مگس میوه با رژیمهای غذایی محدود و معمولی جمعآوری کرد. هدف این بود که نشان دهد چگونه ژنوتیپهای مختلف به رژیمهای غذایی با تأثیرگذاری بر طول عمر و مدت زمان سلامت واکنش نشان میدهند. دکتر هیلزابک گفت: این کار به ما اجازه داد وقتی نوبت به شناسایی متابولیتهای مربوطه شد، سوزنی را در انبار کاه پیدا کنیم.
دکتر ویکرام نارایان، سپس این یافتهها را با دادههای انسانی از Biobank عظیم بریتانیا مقایسه کرد و گفت: استفاده از دادههای انسانی به ما اجازه داد تا بر متابولیتهای جالب توجهی که در هر دو گونه حفظ شدهاند، تمرکز کنیم. همچنین به ما اجازه داد تأثیر آن متابولیتها را در انسان کشف کنیم.
نکته مهم این است که تیم سپس آن متابولیت های مربوطه را برای تأیید نتایج در مگس ها مجدداً بررسی کرد.
نتایج
در مگسها، ترئونین طول عمر را به شیوهای مختص به نوع و جنس افزایش داد. همچنین افرادی که سطوح بالاتری از متابولیت های مرتبط با ترئونین داشتند، زندگی طولانی تر و سالم تری داشتند.
دکتر Kapahi، گفت: ما نمی گوییم که ترئونین در همه شرایط کار می کند. تحقیقات ما نشان میدهد که این روش در زیرمجموعههایی از مگسها و انسانها کار میکند. من فکر میکنم بسیاری از ما دیگر توقع پیدا کردن یک مداخله ی "جادویی" برای پیری را نداشتهایم. روش ما راه دیگری برای توسعه پزشکی دقیق برای علم پیری ارائه میدهد.
این نتایج همچنین شامل یافته هایی است که برای هر دو گونه چندان مثبت نبود. متابولیت Orotate که نسبتاً مورد مطالعه قرار نگرفته و با متابولیسم چربی مرتبط است، ارتباط منفی با پیری دارد. در مگسها اوروتات تأثیر مثبت محدودیتهای غذایی را در هر گونه از حیوانات خنثی کرد. در انسان، اوروتات با طول عمر کوتاهتر مرتبط بود.
پیامدهای بزرگتر
دکتر Kapahi، امیدوار است جامعه تحقیقاتی بزرگتر شروع به استفاده از این روش کنند. او گفت: بسیاری از اوقات ما چیزهایی را مییابیم که در کرمها و مگسها کار میکنند و سپس منابع لازم برای پیشبرد علوم پایه را نداریم. این رویکرد به ما اجازه میدهد تا با اطمینان بسیار بیشتری بگوییم که آن اکتشافات به انسانها مرتبط هستند یا خیر. این روش ممکن است نیاز به مطالعه در موش ها را کاهش دهد، چیزی که ما از آن استقبال می کنیم.
منبع:
https://www.news-medical.net/news/20241030/Machine-learning-reveals-secrets-of-aging-in-flies-and-humans.aspx
[1]یادگیری ماشینی زیرشاخه ای از هوش مصنوعی است که به طور کلی به عنوان توانایی ماشین برای تقلید از رفتار هوشمند انسان تعریف می شود.