ສໍາລັບນັກຄົ້ນຄວ້າທີ່ສຶກສາ neurodegeneration, ການຂາດການປະກາດ "ເວລາຂອງການເສຍຊີວິດ" ທີ່ຊັດເຈນນີ້ສໍາລັບ neurons ເຮັດໃຫ້ມັນຍາກທີ່ຈະກໍານົດສິ່ງທີ່ປັດໃຈນໍາໄປສູ່ການເສຍຊີວິດຂອງເຊນແລະການກວດສອບຢາທີ່ອາດຈະຊ່ວຍປະຢັດຈຸລັງຜູ້ສູງອາຍຸຈາກການຕາຍ.
ໃນປັດຈຸບັນ, ນັກຄົ້ນຄວ້າທີ່ສະຖາບັນ Gladstone ໄດ້ພັດທະນາເຕັກໂນໂລຢີໃຫມ່ທີ່ໃຫ້ພວກເຂົາຕິດຕາມຫລາຍພັນຈຸລັງໃນເວລາຫນຶ່ງແລະກໍານົດເວລາທີ່ຊັດເຈນຂອງການເສຍຊີວິດສໍາລັບຈຸລັງໃດໆໃນກຸ່ມ. ທີມງານໄດ້ສະແດງໃຫ້ເຫັນ, ໃນເອກະສານທີ່ຈັດພີມມາໃນວາລະສານ Nature Communications, ວ່າວິທີການເຮັດວຽກຢູ່ໃນຈຸລັງຫນູແລະຂອງມະນຸດເຊັ່ນດຽວກັນກັບພາຍໃນ zebrafish ທີ່ມີຊີວິດ, ແລະສາມາດຖືກນໍາໃຊ້ເພື່ອຕິດຕາມຈຸລັງໃນໄລຍະເວລາຂອງອາທິດຫາເດືອນ.
Steve Finkbeiner, MD, PhD, ຜູ້ອໍານວຍການສູນລະບົບແລະການປິ່ນປົວທີ່ Gladstone ແລະຜູ້ຂຽນອາວຸໂສຂອງການສຶກສາໃຫມ່ກ່າວວ່າ "ການໄດ້ຮັບເວລາທີ່ຊັດເຈນຂອງການເສຍຊີວິດແມ່ນມີຄວາມສໍາຄັນຫຼາຍສໍາລັບການເປີດເຜີຍສາເຫດແລະຜົນກະທົບຂອງພະຍາດ neurodegenerative," ເວົ້າວ່າ. "ມັນສາມາດເຮັດໃຫ້ພວກເຮົາຮູ້ວ່າປັດໃຈໃດທີ່ເຮັດໃຫ້ເກີດການຕາຍຂອງເຊນໂດຍກົງ, ເຊິ່ງແມ່ນເຫດການທີ່ເກີດຂື້ນ, ແລະສິ່ງທີ່ອາດຈະເປັນກົນໄກການຮັບມືກັບການຊັກຊ້າການເສຍຊີວິດ."
ໃນເອກະສານທີ່ນຳມາເຜີຍແຜ່ໃນວາລະສານ Science Advances, ນັກຄົ້ນຄວ້າໄດ້ລວມເອົາເທັກໂນໂລຍີເຊັນເຊີເຊວເຂົ້າກັບວິທີການຮຽນຮູ້ເຄື່ອງຈັກ, ສອນຄອມພິວເຕີໃຫ້ຈຳແນກຈຸລັງທີ່ມີຊີວິດ ແລະ ຕາຍໄດ້ໄວ ແລະຖືກຕ້ອງກວ່າມະນຸດ 100 ເທົ່າ.
"ມັນໃຊ້ເວລາຫຼາຍເດືອນຂອງນັກສຶກສາວິທະຍາໄລເພື່ອວິເຄາະຂໍ້ມູນປະເພດເຫຼົ່ານີ້ດ້ວຍມື, ແລະລະບົບໃຫມ່ຂອງພວກເຮົາແມ່ນເກືອບທັນທີທັນໃດ - ຕົວຈິງແລ້ວມັນແລ່ນໄວກວ່າທີ່ພວກເຮົາສາມາດໄດ້ຮັບຮູບພາບໃຫມ່ໃນກ້ອງຈຸລະທັດ," Jeremy Linsley, PhD, ຜູ້ນໍາໂຄງການວິທະຍາສາດໃນ Finkbeiner's ກ່າວ. ຫ້ອງທົດລອງແລະຜູ້ຂຽນທໍາອິດຂອງທັງສອງເອກະສານໃຫມ່.
ການສອນເຊັນເຊີເກົ່າ Tricks ໃຫມ່
ເມື່ອຈຸລັງຕາຍ - ບໍ່ວ່າຈະເປັນສາເຫດຫຼືກົນໄກໃດກໍ່ຕາມ - ໃນທີ່ສຸດພວກມັນຈະແຕກແຍກແລະເຍື່ອຂອງພວກມັນຈະເສື່ອມໂຊມ. ແຕ່ຂະບວນການຍ່ອຍສະຫຼາຍນີ້ໃຊ້ເວລາ, ເຮັດໃຫ້ມັນຍາກສໍາລັບນັກວິທະຍາສາດທີ່ຈະຈໍາແນກລະຫວ່າງຈຸລັງທີ່ຢຸດເຊົາການເຮັດວຽກດົນນານ, ຄົນທີ່ເຈັບປ່ວຍແລະຕາຍ, ແລະຜູ້ທີ່ມີສຸຂະພາບດີ.
ໂດຍທົ່ວໄປແລ້ວນັກຄົ້ນຄວ້າຈະໃຊ້ແທໍກ fluorescent ຫຼືສີຍ້ອມຜ້າເພື່ອຕິດຕາມຈຸລັງທີ່ເປັນພະຍາດດ້ວຍກ້ອງຈຸລະທັດໃນໄລຍະເວລາແລະພະຍາຍາມວິນິດໄສວ່າພວກມັນຢູ່ໃສໃນຂະບວນການຍ່ອຍສະຫຼາຍນີ້. ສີຍ້ອມສີ, ຮອຍເປື້ອນ, ແລະປ້າຍຊື່ຈໍານວນຫຼາຍໄດ້ຖືກພັດທະນາເພື່ອຈໍາແນກຈຸລັງທີ່ຕາຍແລ້ວຈາກສິ່ງທີ່ຍັງມີຊີວິດ, ແຕ່ພວກມັນມັກຈະເຮັດວຽກພຽງແຕ່ໄລຍະເວລາສັ້ນໆກ່ອນທີ່ຈະຈາງລົງແລະຍັງສາມາດເປັນພິດຕໍ່ຈຸລັງໃນເວລາທີ່ໃຊ້.
Linsley ກ່າວວ່າ "ພວກເຮົາຕ້ອງການຕົວຊີ້ບອກທີ່ຄົງຢູ່ຕະຫຼອດຊີວິດຂອງເຊນ - ບໍ່ພຽງແຕ່ສອງສາມຊົ່ວໂມງເທົ່ານັ້ນ - ແລະຫຼັງຈາກນັ້ນໃຫ້ສັນຍານທີ່ຊັດເຈນພຽງແຕ່ຫຼັງຈາກຊ່ວງເວລາສະເພາະທີ່ຈຸລັງຕາຍ," Linsley ເວົ້າ.
Linsley, Finkbeiner, ແລະເພື່ອນຮ່ວມງານຂອງພວກເຂົາໄດ້ຮ່ວມກັນເລືອກເຊັນເຊີດ້ວຍທາດການຊຽມ, ໃນເບື້ອງຕົ້ນຖືກອອກແບບມາເພື່ອຕິດຕາມລະດັບຂອງແຄຊຽມພາຍໃນຈຸລັງ. ໃນຂະນະທີ່ຈຸລັງຕາຍແລະເຍື່ອຂອງມັນຈະຮົ່ວ, ຜົນຂ້າງຄຽງຫນຶ່ງແມ່ນທາດການຊຽມຈະເຂົ້າໄປໃນ cytosol ທີ່ມີນ້ໍາຂອງເຊນ, ເຊິ່ງປົກກະຕິແລ້ວມີລະດັບແຄຊຽມຂ້ອນຂ້າງຕໍ່າ.
ດັ່ງນັ້ນ, Linsley ວິສະວະກໍາເຊັນເຊີດ້ວຍທາດການຊຽມໃຫ້ຢູ່ໃນ cytosol, ບ່ອນທີ່ພວກມັນຈະ fluoresce ພຽງແຕ່ເມື່ອລະດັບແຄຊຽມເພີ່ມຂຶ້ນໃນລະດັບທີ່ຊີ້ໃຫ້ເຫັນເຖິງການຕາຍຂອງເຊນ. ເຊັນເຊີໃໝ່, ທີ່ເອີ້ນວ່າຕົວຊີ້ບອກການຕາຍທີ່ເຂົ້າລະຫັດພັນທຸກໍາ (GEDI, ອອກສຽງຄືກັບ Jedi ໃນ Star Wars), ສາມາດໃສ່ເຂົ້າໄປໃນເຊນຊະນິດໃດກໍໄດ້ ແລະສົ່ງສັນຍານວ່າເຊລມີຊີວິດ ຫຼືຕາຍຕະຫຼອດຊີວິດຂອງເຊນ.
ເພື່ອທົດສອບຜົນປະໂຫຍດຂອງເຊັນເຊີທີ່ຖືກອອກແບບຄືນໃຫມ່, ກຸ່ມດັ່ງກ່າວໄດ້ວາງກຸ່ມ neurons ໃຫຍ່ - ແຕ່ລະປະກອບດ້ວຍ GEDI - ພາຍໃຕ້ກ້ອງຈຸລະທັດ. ຫຼັງຈາກການເບິ່ງເຫັນຫຼາຍກວ່າຫນຶ່ງລ້ານຈຸລັງ, ໃນບາງກໍລະນີທີ່ມີຄວາມສ່ຽງຕໍ່ການເສື່ອມໂຊມຂອງລະບົບປະສາດແລະໃນບ່ອນອື່ນໆທີ່ສໍາຜັດກັບທາດປະສົມທີ່ເປັນພິດ, ນັກຄົ້ນຄວ້າພົບວ່າເຊັນເຊີ GEDI ແມ່ນຖືກຕ້ອງຫຼາຍກ່ວາຕົວຊີ້ວັດການເສຍຊີວິດຂອງເຊນອື່ນໆ: ບໍ່ມີກໍລະນີດຽວທີ່ເຊັນເຊີແມ່ນ. ເປີດໃຊ້ງານ ແລະ ເຊັລຍັງມີຊີວິດຢູ່. ຍິ່ງໄປກວ່ານັ້ນ, ນອກເຫນືອຈາກຄວາມຖືກຕ້ອງນັ້ນ, GEDI ຍັງເບິ່ງຄືວ່າຈະກວດພົບການເສຍຊີວິດຂອງເຊນຢູ່ໃນຂັ້ນຕອນກ່ອນຫນ້າກ່ວາວິທີການທີ່ຜ່ານມາ - ໃກ້ກັບ "ຈຸດທີ່ບໍ່ມີການກັບຄືນ" ສໍາລັບການເສຍຊີວິດຂອງເຊນ.
"ນີ້ອະນຸຍາດໃຫ້ທ່ານສາມາດແຍກຈຸລັງທີ່ມີຊີວິດແລະຕາຍໃນແບບທີ່ບໍ່ເຄີຍເປັນໄປໄດ້," Linsley ເວົ້າ.
ການກວດຫາການຕາຍຂອງມະນຸດ
Linsley ໄດ້ກ່າວເຖິງ GEDI ກັບນ້ອງຊາຍຂອງລາວ—Drew Linsley, PhD, ຜູ້ຊ່ວຍສາດສະດາຈານຂອງມະຫາວິທະຍາໄລ Brown ທີ່ຊ່ຽວຊານໃນການນຳໃຊ້ປັນຍາປະດິດກັບຂໍ້ມູນຊີວະພາບຂະໜາດໃຫຍ່. ອ້າຍຂອງລາວແນະນໍາວ່ານັກຄົ້ນຄວ້ານໍາໃຊ້ເຊັນເຊີ, ບວກໃສ່ກັບວິທີການການຮຽນຮູ້ເຄື່ອງຈັກ, ເພື່ອສອນລະບົບຄອມພິວເຕີເພື່ອຮັບຮູ້ຈຸລັງສະຫມອງທີ່ມີຊີວິດຢູ່ແລະຕາຍໂດຍອີງໃສ່ຮູບແບບຂອງເຊນເທົ່ານັ້ນ.
ທີມງານໄດ້ສົມທົບຜົນໄດ້ຮັບຈາກເຊັນເຊີໃຫມ່ທີ່ມີຂໍ້ມູນ fluorescence ມາດຕະຖານໃນ neurons ດຽວກັນ, ແລະພວກເຂົາສອນແບບຈໍາລອງຄອມພິວເຕີ, ເອີ້ນວ່າ BO-CNN, ເພື່ອຮັບຮູ້ຮູບແບບ fluorescence ປົກກະຕິທີ່ກ່ຽວຂ້ອງກັບສິ່ງທີ່ຈຸລັງຕາຍ. ຮູບແບບດັ່ງກ່າວ, ອ້າຍນ້ອງ Linsley ສະແດງໃຫ້ເຫັນ, ຖືກຕ້ອງ 96 ເປີເຊັນແລະດີກ່ວາສິ່ງທີ່ຜູ້ສັງເກດການຂອງມະນຸດສາມາດເຮັດໄດ້, ແລະໄວກວ່າ 100 ເທົ່າຂອງວິທີການທີ່ຜ່ານມາຂອງຄວາມແຕກຕ່າງຂອງຈຸລັງທີ່ມີຊີວິດແລະຕາຍ.
"ສໍາລັບບາງປະເພດຂອງເຊນ, ມັນເປັນການຍາກທີ່ສຸດສໍາລັບບຸກຄົນທີ່ຈະເລືອກເອົາວ່າຈຸລັງມີຊີວິດຢູ່ຫຼືຕາຍ - ແຕ່ຕົວແບບຄອມພິວເຕີຂອງພວກເຮົາ, ໂດຍການຮຽນຮູ້ຈາກ GEDI, ສາມາດແຍກຄວາມແຕກຕ່າງຂອງພວກມັນໂດຍອີງໃສ່ບາງສ່ວນຂອງຮູບພາບທີ່ພວກເຮົາບໍ່ເຄີຍຮູ້ມາກ່ອນ. ມີປະໂຫຍດໃນການຈໍາແນກຈຸລັງທີ່ມີຊີວິດແລະຕາຍ,” Jeremy Linsley ເວົ້າ.
ທັງສອງ GEDI ແລະ BO-CNN ໃນປັດຈຸບັນຈະອະນຸຍາດໃຫ້ນັກຄົ້ນຄວ້າປະຕິບັດການສຶກສາໃຫມ່ທີ່ມີຄວາມໄວສູງເພື່ອຄົ້ນພົບວ່າຈຸລັງສະຫມອງຕາຍເວລາໃດແລະບ່ອນທີ່ເປັນຈຸດສິ້ນສຸດທີ່ສໍາຄັນສໍາລັບບາງພະຍາດທີ່ສໍາຄັນທີ່ສຸດ. ພວກເຂົາເຈົ້າຍັງສາມາດກວດກາຢາສໍາລັບຄວາມສາມາດໃນການຊັກຊ້າຫຼືຫຼີກເວັ້ນການເສຍຊີວິດຂອງເຊນໃນພະຍາດ neurodegenerative. ຫຼື, ໃນກໍລະນີຂອງມະເຮັງ, ພວກເຂົາສາມາດຊອກຫາຢາທີ່ເລັ່ງການຕາຍຂອງຈຸລັງທີ່ເປັນພະຍາດ.
Finkbeiner ກ່າວວ່າ "ເທກໂນໂລຍີເຫຼົ່ານີ້ແມ່ນຕົວປ່ຽນເກມໃນຄວາມສາມາດຂອງພວກເຮົາທີ່ຈະເຂົ້າໃຈບ່ອນ, ເວລາໃດ, ແລະເປັນຫຍັງການເສຍຊີວິດເກີດຂື້ນຢູ່ໃນຈຸລັງ," Finkbeiner ເວົ້າ. "ເປັນຄັ້ງທຳອິດ, ພວກເຮົາສາມາດໝູນໃຊ້ຄວາມໄວ ແລະຂະໜາດໄດ້ຢ່າງແທ້ຈິງໂດຍຄວາມກ້າວໜ້າໃນກ້ອງຈຸລະທັດທີ່ຊ່ວຍດ້ວຍຫຸ່ນຍົນເພື່ອກວດຫາການຕາຍຂອງເຊນໄດ້ຢ່າງຖືກຕ້ອງ, ແລະເຮັດໄດ້ດີກ່ອນເວລາຂອງການຕາຍ. ພວກເຮົາຫວັງວ່ານີ້ສາມາດນໍາໄປສູ່ການປິ່ນປົວສະເພາະສໍາລັບພະຍາດ neurodegenerative ຈໍານວນຫຼາຍທີ່ຍັງບໍ່ທັນສາມາດປິ່ນປົວໄດ້."
ສິ່ງທີ່ຄວນເອົາໄປຈາກບົດຄວາມນີ້:
- The team showed, in a paper published in the journal Nature Communications, that the approach works in rodent and human cells as well as within live zebrafish, and can be used to follow the cells over a period of weeks to months.
- ໃນເອກະສານທີ່ນຳມາເຜີຍແຜ່ໃນວາລະສານ Science Advances, ນັກຄົ້ນຄວ້າໄດ້ລວມເອົາເທັກໂນໂລຍີເຊັນເຊີເຊວເຂົ້າກັບວິທີການຮຽນຮູ້ເຄື່ອງຈັກ, ສອນຄອມພິວເຕີໃຫ້ຈຳແນກຈຸລັງທີ່ມີຊີວິດ ແລະ ຕາຍໄດ້ໄວ ແລະຖືກຕ້ອງກວ່າມະນຸດ 100 ເທົ່າ.
- Now, researchers at Gladstone Institutes have developed a new technology that lets them track thousands of cells at a time and determine the precise moment of death for any cell in the group.
