یک برنامه ی کامپیوتری، می تواند پلاسمای خون را برای شناسایی نشانگرهای افزایش وزن تجزیه و تحلیل کند

10مارس 2020- محققان دانشگاه کمپیناس(UNICAMP) در ایالت سائوپائولو، برزیل، یک برنامه کامپیوتری را ابداع کرده اند که با تجزیه و تحلیل مولکول های موجود در پلاسمای خون، بیومارکرهای خطر اضافه وزن و ابتلا به چاقی را شناسایی می کند.

محقق اصلی این تحقیق، پروفسور رودریگو راموس کاتارینو، رئیس آزمایشگاه Innovare Biomarker  درUNICAMP ، نتایج این مطالعه را در ژورنالFrontiers in Bioengineering and Biotechnology  تشریح کرده است.

پرفسور کاتارینو گفت: این آزمایش در تشخیص اینکه آیا یک فرد بدون هیچ نوع مداخله ای، اضافه وزن خواهد یافت، دقتی 90 درصدی دارد. این آزمایش همچنین نشان می دهد که آیا خطر ابتلا به بیماری هایی مانند دیابت، فشار خون بالا و دیس لیپیدمی [افزایش سطح غیر طبیعی چربی در خون] در فرد وجود دارد یا خیر. این یک ابزار مهم است زیرا متخصصان بهداشتی می توانند قبل از تحقق مشکل، به فرد تغییرات لازم در شیوه زندگی را توصیه کنند.

این آزمایش شامل تجزیه و تحلیل متابولیت ها با کمک طیف سنجی جرمی است، این برنامه با تشخیص تمام متابولیتهای موجود در خون بیمار، مشخصات مختلفی از فرآیندهای متابولیکی که در ارگانیسم انجام می شود را ارائه می دهد. داده های بدست آمده توسط طیف سنجی جرمی، توسط نرم افزار جدید پردازش می شوند.

پروفسور کاتارینو گفت: این برنامه با غربالگری نمونه ی خون برای پنج متابولیت، که به عنوان نشانگرهای زیستی عمل می کنند، افزایش وزن را در یک فرد پیش بینی می کند. هنگامی که یکی از این نشانگرهای زیستی مذکور در نمونه ی خون بیمار وجود داشته باشد، که نشان دهنده ی احتمال چاقی او باشد، می توان احتمال خطر ابتلا به دیابت را نیز برای این فرد پیش بینی نمود.

فایل های این نرم افزارopen-source  هستند و می توانند به صورت رایگان از اینترنت دانلود شوند. به گفته ی پرفسور کاتارینو، هر مرکز بهداشتی که به یک طیف سنج جرمی دسترسی داشته باشد، می تواند از این روش استفاده کند.

کاتارینو گفت: این یک تکنیک ارزان قیمت است و حتی برایSUS [سیستم بهداشت ملی برزیل] مقرون به صرفه می باشد. همه آنچه شما نیاز دارید یک طیف سنج جرمی برای شبکه ای از بیمارستان ها و کلینیک های سرپایی است.

فراگیری ماشین

متدولوژی توسعه یافته درUNICAMP ، متابولومیکس (تجزیه و تحلیل همه متابولیت های موجود در یک نمونه ی بیولوژیکی) را با یادگیری ماشین( یک زیر شاخه از هوش مصنوعی) ترکیب کرده است. محققان از داده های به دست آمده برای آنالیز نمونه های خونی 180 نفر برای "آموزش" این برنامه بمنظور تشخیص الگوی مرتبط با افزایش وزن استفاده کردند.

شاخص توده بدنی(BMI) نیمی از داوطلبان مورد مطالعه در محدوده ی طبیعی قرار داشت که نشان می دهد این افراد از نظر وزنی سالم هستند، در حالی که بقیه افراد دارای وزن اضافی با درجات مختلف یا چاق بودند.

پرفسور كاتارینو گفت: اندازه گیری های آنتروپومتریك [وزن ، قد و توده بدنی] برای همه شركت كنندگان انجام شد. آنها همچنین پرسشنامه ای را در مورد تاریخچه خانوادگی خود برای بیماریهای مزمن، سن و جنس تكمیل كردند. ما از بعضی از بیماران برای آموزش نرم افزار و از بقیه بعنوان گروه کنترل استفاده نمودیم تا اعتبار عملکرد نرم افزار را با مقایسه ی نتایج آن با اطلاعات آنتروپومتریك و تاریخچه ی سلامتی افراد ارزیابی کنیم. از الگوریتم یادگیری ماشینrandom forest  یا جنگل تصادفی برای این قسمت از آموزش استفاده شد.

محققان دریافتند که 18 متابولیت می توانند به عنوان نشانگرهای فرآیندهای متابولیکی مربوط به تجمع چربی مورد استفاده قرار گیرند، و پنج مورد از آنها پتانسیل پیش بینی افزایش وزن را دارند.

پروستاگلاندین B2 وکربوکسی لوکوترینB4 ، که متابولیت های اسید آراشیدونیک [یک اسید چرب از خانواده امگا 6] هستند، که در فرآیندهای التهابی، جذب سلول ها به محل التهاب و در تولید گونه های اکسیژن فعال(که مقادیر زیاد آن عملکرد سلولها را دچار اختلال می کند) شرکت دارند، از جمله ی این متابولیت ها هستند. پرفسور Dias-Audibert گفت: دو مولکول دیگری را که ما شناسایی کردیم، آرژنینوسوکسینات و دی هیدروبیوپترین بودند که هر دو در چرخه ی اکسید نیتریک نقش دارند و می توان آنها را به عنوان نشانگر تولید رادیکال آزاد در نظر گرفت.

به گفته ی پرفسور Dias-Audibert، ترکیب این نشانگرهای زیستی نشان دهنده ی بازخورد ناشی از آبشار التهابی است که در افراد دارای اضافه وزن رخ می دهد. وی گفت: این یافته با مطالعات متعددی که التهاب مزمن با درجه پایین را به عنوان یکی از فرآیندهای مهم مضر در وضعیت اضافه وزن توصیف کرده اند، مطابقت دارد.

نشانگر پنجم که دارای پتانسیل پیش بینی افزایش وزن است، کربوکسی متیل پروپیل-فوران پروپانوئیک اسید (CMPF) است. این متابولیت با اختلال عملکرد سلولهای تولید کننده انسولین در لوزالمعده و ابتلا به دیابت ارتباط دارد. پرفسور Dias-Audibert گفت: با توجه به وجود افراد مبتلا به دیابت در گروه مورد مطالعه، این نشانگر می تواند حلقه ی ارتباط بین افزایش وزن و دیابت باشد.

پرفسور کاتارینو گفت: متخصصان بهداشتی همچنین می توانند از این برنامه ی کامپیوتری برای ارزیابی اثربخشی درمانی که برای کاهش درصد چربی بدن تجویز کرده اند، استفاده کنند.

وی گفت: حتی قبل از اینکه فرد وزنی از دست بدهد، اگر فرآیندهای متابولیکی که منجر به تجمع چربی می شوند، متوقف شوند به عبارت دیگر این 18 متابولیت شناسایی شده از پلاسمای خون فرد ناپدید شوند می توان فهمید که این مداخله به خوبی کار کرده است.

منبع:

Frontiers in Bioengineering and Biotechnology. doi.org/10.3389/fbioe.2020.00006.

https://www.news-medical.net/news/20200310/Computer-program-analyzes-blood-plasma-to-identify-weight-gain-biomarkers.aspx