۱۹ اوت ۲۰۲۶- در مطالعهای پیشگامانه که اخیراً در نشریه Cell Reports Medicine بررسی شده است، محققان موفق به توسعه «ساعتهای پیری سلولی» شدهاند. این فناوری که مبتنی بر یادگیری ماشین است، امکان خواندن وضعیت پیری سلولها را تنها از طریق یک نمونه خون ساده فراهم میکند.
در این چارچوب نوآورانه، با استفاده از دادههای «اطلس پروتئین انسانی»، بیش از ۷۰۰۰ پروتئینِ موجود در پلاسما به بیش از ۴۰ نوع سلول مرتبط شدند. مدلهای پیری نیز بر اساس دادههای نزدیک به ۶۰ هزار نفر توسعه یافته و اعتبارسنجی شدند. نتایج این بررسی نشان میدهد که روند پیری بیولوژیک در سطح مولکولی، میان انواع مختلف سلولها تفاوتهای چشمگیری دارد.
مهمتر از آن، این مطالعه نشان داد که میتوان از این مسیرهای پیریِ مختص هر سلول برای پیشبینی خطر ابتلا به اختلالات عصبی (Neurodegenerative)، بدخیمیها (سرطان) و مرگومیر ناشی از تمامی عوامل استفاده کرد. بهویژه، برخی از ارتباطات با بیماری در دورههای پیگیری تا ۱۵ سال مشاهده شد که پتانسیل این چارچوب را برای «طبقه بندی ریسک بالینی» در آینده نشان میدهد، هرچند هنوز برای استفاده بالینی فوری آماده نیست.
نویسندگان این مقاله مروری تأکید کردند که ردیابی امضاهای پروتئومیک پویا و در سطح سلولی، لایهای عملکردی از طبقهبندی خطر را فراهم میکند که در برخی شرایط، میتواند اطلاعاتی فراتر از ارزیابیهای استاتیک (ایستا) و ژنتیکی متداول ارائه دهد.
پیشزمینه
علم پیریشناسی (Geroscience) مدتهاست ثابت کرده است که سن تقویمی نمیتواند ناهمگونی واقعی پیری بیولوژیک انسان را نشان دهد. متأسفانه، بررسی دادههای میدانی نشان میدهد که علیرغم اینکه افراد همسن اغلب مسیرهای بالینی متفاوتی را طی میکنند، ابزارهای متداول در گذشته برای تخمین خطر بیماریهای ارثی، بر ابزارهای ژنتیکی ایستا (مانند امتیاز ریسک پلیژنیک [PRS] و وضعیت حامل بودن ژنهای خانوادگی) متکی بودهاند، نه بر پیری بیولوژیک پویا.
با این حال، تحقیقات اخیر نشان دادهاند که اگرچه نشانگرهای ژنتیکی آسیبپذیری پایه را تعیین میکنند، اما نمیتوانند زوال فیزیولوژیک متغیر با زمان را ثبت کنند. این رویکردهای متداول همچنین به دلیل ناتوانی در تشخیص یا کمّیسازی این موضوع که آیا جمعیتهای سلولی خاصی زودتر از موعد یا با سرعتی بسیار متفاوت از میانگین بدن در حال پیر شدن هستند یا خیر، محدودیت دارند.
پیشرفتها در پروتئومیکس پلاسما با ارائه معیارهای مولکولی پویای پیری، شروع به رفع این محدودیت کرده است. پیشرفت کلیدی مطالعه مورد بررسی این بود که پروتئینهای در گردش را نه صرفاً به عنوان نشانگرهای زیستی سیستمیک عمومی، بلکه به عنوان سیگنالهایی از انواع سلولهای خاص در نظر گرفت. جامعه پزشکی تا به امروز فاقد یک روش غیرتهاجمی بود که قادر به تفکیک سیگنالهای پیری پروتئومیک پلاسما در این سطح از اختصاصی بودنِ نوع سلول باشد.
درباره مطالعه
هدف از مطالعه حاضر، رفع این محدودیتهای تجربی و کمک به پزشکی دقیق در آینده از طریق توسعه یک چارچوب نوآورانه مبتنی بر یادگیری ماشین (ML) بود که قادر به ساخت «ساعتهای پیری سلولی» با وضوح بالا از طریق یک نمونه خون ساده است.
مدلهای یادگیری ماشین برای محاسبه سن بیولوژیک (مختص هر نوع سلول) بر اساس فراوانی پروتئینهای غنی از سلول آموزش دیدند. این رویکرد در چندین مجموعه داده بزرگ (شامل UK Biobankو GNPC) با استفاده از پلتفرمهای پروتئومیک مختلف اعتبارسنجی شد. محققان با استفاده از دادههای مرجع ترانسکریپتومیک، بیش از ۷۰۰۰ پروتئین پلاسما را به بیش از ۴۰ نوع سلول مجزا مرتبط کردند. سپس با استفاده از یک «امتیاز ریسک پیری چندسلولی (PARS)»، ارتباط این امضاهای پیری را با بروز بیماریهای عصبی، خطر سرطان ریه و میزان مرگومیر بررسی کردند.
یافتههای مطالعه
تحلیلهای این مطالعه ثابت کرد که پروفایلهای پیری پروتئومیکِ مختص به هر سلول، ارتباط قوی با خطر بیماری در آینده دارند.
بارزترین ارتباط، مربوط به «پیری شدید آستروسیتها (Astrocyte)» بود که به عنوان قویترین پیشبینیکننده بروز بیماری آلزایمر شناسایی شد (نسبت خطر [HR] معادل ۱۲٫۵۹ در طی ۱۵ سال پیگیری). در مقایسه، معیارهای شناختهشده خطر آلزایمر شامل وضعیت حامل بودن ژن APOE4، امتیاز ریسک پلیژنیک آلزایمر و سن تقویمی، به ترتیب دارای نسبتهای خطر ۵٫۳۰، ۲٫۱۴ و ۱٫۲۴ بودند.
همچنین، این مطالعه نشان داد در میان افراد دارای ژنوتیپ خطرناک APOE4/4، میزان بروز آلزایمر در افرادی که پیری شدید آستروسیت داشتند ۳۸٫۳ درصد بود، در حالی که این میزان در افراد با پیری طبیعی ۱۲٫۶ درصد و در افراد با پروفایل جوانِ آستروسیت صفر درصد بود. همچنین در زنان، ترکیب داشتن ژن APOE4و پیری شدید آستروسیت، آسیبپذیری بسیار بالاتری را نسبت به مردان نشان داد.
این پلتفرم همچنین نشان داد که پیری نورونهای مهارکننده (و نه تحریکی) بهطور خاص با آلزایمر مرتبط است؛ پیری شدید میوسیتهای اسکلتی با افزایش ۱۲٫۷ برابری ریسک ALS(بیماری آمیوتروفیک لترال اسکلروز) همراه بود؛ و پیری شدید سلولهای آلوئول و اپیتلیال تنفسی، خطر سرطان ریه را تا ۵۸ درصد فراتر از اثر سیگار کشیدن به تنهایی، افزایش داد. در نهایت، ارزیابیهای PARSنشان داد که نرخ بقای ۱۵ ساله در افراد با پیری شدید در بیش از ۲۰ نوع سلول، از حدود ۹۰ درصد در افراد عادی به حدود ۳۴ درصد کاهش مییابد.
نتیجهگیری
این تحقیق با اثبات اینکه میتوان از طریق پروتئینهای خون، ساعتهای پیری مخصوص هر سلول را تشخیص داد و با آنها خطر بیماریها را در بخشهای مختلف بدن پیشبینی کرد، مسیر پزشکی شخصیسازیشده را هموارتر نمود. البته این مطالعه محدودیتهایی هم دارد؛ مثلاً اکثر شرکتکنندگان از افراد مسن اروپایی بودند و روشهای آماری بهکار رفته در آن نیاز به دقت بیشتری دارند. همچنین برای اینکه مطمئن شویم این نتایج درست هستند، باید آنها را با روشهای دقیقتر مثل بررسی مایع مغزی-نخاعی یا تصویربرداریهای پیشرفته مغزی تأیید کرد. با این حال، این پژوهش قدم مهمی است برای اینکه بفهمیم آیا این «ساعتهای پروتئینی» در آینده میتوانند در درمان بیماران استفاده شوند یا خیر.
«در نهایت، برای اینکه این روش به یک ابزار تشخیص رسمی در بیمارستانها تبدیل شود، هنوز باید آزمایشهای طولانیمدت انجام شود، نتایج در گروههای مختلف مردم تکرار شود و مکانیسم دقیق این اتفاق در بدن بررسی گردد.»
منبع:
https://www.news-medical.net/news/20260819/A-single-blood-test-could-offer-a-glimpse-of-disease-risk-years-in-advance.aspx