تحول در علم – پروتئومیک فضایی، روش برگزیدهٔ 2024 و دستاوردهای Ali Ertürk

در این مقاله
نقشهبرداری زیستی، بررسی تفصیلی سامانههای زیستی برای شناخت روابط ساختاری و عملکردی سلولها، بافتها و اندامهاست. این نقشهها در کشف تفاوت میان وضعیت سالم و بیمار، شناخت علت بیماریها و توسعهٔ راهبردهای درمانی مؤثرتر نقش حیاتی دارند.
عصری تازه در علم
در تحول روشهای نقشهبرداری زیستی، پروتئومیک فضایی در سال 2024 بهعنوان نقطهٔ عطفی بزرگ شناخته شد. Nature Methods این روش را «روش سال» برگزید. پروتئومیک فضایی در گشودن پیچیدگی سامانههای زیستی تحولی بنیادین ایجاد میکند. این روش میتواند در طیف گستردهای از زمینهها، از شناخت زیستشناسی پایهٔ بیماریهای پیچیده مانند سرطان تا هدایت پزشکی فردمحور و راهبردهای درمانی، به کار رود.
یکی از چهرههای برجستهٔ این حوزه، دانشمند ترکیهای، Ali Ertürk، با رویکردهای نوآورانهای که توسعه داده، درهای دورهای تازه در پژوهش زیستپزشکی را میگشاید.
پروتئومیک فضایی: چیست و چرا حیاتی است؟
پروتئومیک فضایی از فناوریهای پیشرفتهای تشکیل میشود که توزیع فضایی پروتئینها در بافت را پروفایلسازی میکنند. این روش نقشهبرداری سامانههای زیستی را در سطح سلول ممکن میکند. روشهای برجسته عبارتاند از:
- ایمونوفلورسانس چرخهای (cycIF): نشاندار کردن پروتئینها بهصورت چرخهای.
- Co-detection by Indexing (CODEX): تشخیص همزمان تعداد زیادی نشانگر پروتئینی.
- Deep Visual Proteomics (DVP): روشی نوآورانه که برش لیزری و طیفسنجی جرمی را ترکیب میکند و نقشهبرداری فضایی در سطح سلول فراهم میسازد.
این روشها بهویژه در پژوهش سرطان برای شناخت سازمانیافتگی بافت، بررسی تعامل سلولها و مشاهدهٔ نحوهٔ تعامل دستگاه ایمنی با تومورها استفاده میشوند.
دستاوردهای تحولآفرین Ali Ertürk
Ali Ertürk با مقالهٔ خود در Nature Methods دربارهٔ نقشهبرداری زیستپزشکی 3D توجه را جلب میکند. مقالهاش که در 12 ژوئیهٔ 2024 با عنوان "Deep 3D Histology Powered by Tissue Clearing, Omics and AI" منتشر شد، فناوریهای نوآورانهای برای شناخت بُعد سوم سامانههای زیستی ارائه میدهد.
دستاوردهای Ertürk شامل موارد زیر است:
- فناوریهای شفافسازی بافت: امکان تصویربرداری حجمی با شفاف کردن اندامها و بافتها.
- ادغام هوش مصنوعی: تسهیل تحلیل دادههای بزرگ با الگوریتمهای یادگیری عمیق.
- نقشهبرداری 3D: ساخت نقشههای دقیق در سطح اندام و سلول با ترکیب شفافسازی بافت و روشهای اُمیکس فضایی.
اگرچه Ertürk مخترع روشهای پروتئومیک فضایی نیست، در بهینهسازی آنها در زمینهٔ 3D و انتقالشان به کاربرد بالینی نقش پیشگام داشته است. رهبری او مجموعهای از نوآوریها به همراه آورده که استفاده از فناوریهای پروتئومیک فضایی را گسترش و دسترسی به آنها را افزایش میدهد.
پروژههای اطلس زیستی و چشمانداز آینده
پروتئومیک فضایی با پشتیبانی پروژههای جهانی اطلس پیش میرود که در نقشهبرداری زیستشناسی انسان نقش مهمی دارند. برخی پروژههای برجسته:
- Human BioMolecular Atlas Program (HuBMAP): هدف آن ساخت نقشههای زیستمولکولی بافتهای انسان است.
- Human Tumor Atlas Network (HTAN): زیرساخت داده برای شناخت زیستشناسی فضایی تومورها فراهم میکند.
این پروژهها فقط اطلسهایی «زیبا از نظر بصری» نمیسازند، بلکه کشفهای زیستی را نیز عمیقتر میکنند. برای مثال ابزارهای توسعهیافته توسط کنسرسیوم HTAN، مانند CyLinter و CalicoST ، تحلیل دادههای زیستی فضایی را آسان میکنند و زیرساخت حیاتی برای کاربردهای پزشکی دقیق فراهم میسازند.
پیشرفتهای مورد انتظار در آینده:
- تحلیل با کمک هوش مصنوعی: ابزارهای هوشمندتر برای پردازش تصویر و یکپارچهسازی داده.
- بهبود آمادهسازی نمونه: روشهای بهتر نشاندارسازی، تقویت سیگنال و میکروسکوپی.
- رویکردهای چنداُمیکی: شناخت جامعتر زیستشناسی با ادغام پروتئومیک فضایی، ترنسکریپتومیک و پروفایلسازی اپیژنتیک.
پروتئومیک فضایی در پژوهش سرطان
پروتئومیک فضایی، بهویژه در پژوهش سرطان، تحول ایجاد میکند. این روش ابزاری منحصربهفرد برای پاسخ به پرسشهای مهم دربارهٔ تعامل سلولها، نحوهٔ عملکرد دستگاه ایمنی در برابر تومورها و ریزمحیط تومور فراهم میکند.
ترکیب این روشها با هوش مصنوعی در شکلگیری فرضیههای زیستشناسی سرطان، توسعهٔ درمانهای فردمحور و شکل دادن به راهبردهای درمانی آینده نقش بزرگی خواهد داشت.
نتیجهگیری: کشفهای تازه فراتر از نقشههای علمی
پروتئومیک فضایی روشی تحولآفرین در شناخت پیچیدگی سامانههای زیستی است. دستاوردهای Ali Ertürk در این حوزه، توان رهبری پیشگام در کشف علمی را نشان میدهد.
در نتیجه، پروتئومیک فضایی فقط اطلسهای علمی نمیسازد؛ با تغییر شناخت ما از سلامت و بیماری، راهبردهای درمانی مؤثرتر و درک عمیقتر بیماریها را ممکن میکند. دستاوردهای دانشمندان ترکیهای در این زمینه، جایگاه ترکیه را در جهان علم تقویت و برای پژوهشگران نسل جدید الهام ایجاد میکند.
منابع
2. Ertürk, A. Deep 3D histology powered by tissue clearing, omics and AI. Nat Methods 21, 1153–1165 (2024). https://doi.org/10.1038/s41592-024-02327-1
آیا این مقاله برای شما مفید بود؟
بازخورد شما به بهبود محتوای ما کمک میکند.





نظرهای خوانندگان
نظر خود را بنویسید
نام و دیدگاه شما فقط پس از تأیید مدیر منتشر میشود. نشانی ایمیل شما هرگز به بازدیدکنندگان نمایش داده نمیشود.
اولین نظر را شما بنویسید.