საქართველოს უნივერსიტეტში გაიმართა სამეცნიერო სემინარი თემაზე „მსგავსების თეორიისა და In Silico მოდელირების გამოყენება ბიომედიცინასა და ბიოინჟინერიაში“, რომელმაც თანამედროვე მეცნიერების ერთ-ერთ ყველაზე ინოვაციურ მიმართულებას — სამედიცინო კვლევების ციფრულ ტრანსფორმაციას დაეთმო. სემინარზე განიხილეს, თუ როგორ ახერხებენ მეცნიერები კომპიუტერული სიმულაციებისა და მათემატიკური განტოლებების დახმარებით რთული ბიოლოგიური პროცესების, მათ შორის ონკოლოგიური კრიოქირურგიისა და ბაქტერიოფაგული თერაპიის მოდელირებას, რაც მნიშვნელოვნად ამცირებს პრეკლინიკური კვლევების ხარჯებს და პერსონალიზებული მედიცინის განვითარებას უწყობს ხელს.
რას ნიშნავს In Silico მოდელირება, როგორ აიაფებს და აჩქარებს ეს მეთოდი ახალი მედიკამენტების შექმნას და რა კლინიკურ პერსპექტივებს ხსნის ის ონკოლოგიასა თუ ინფექციურ დაავადებებთან ბრძოლაში? — ამ და სხვა მნიშვნელოვან საკითხებზე სემინარის ავტორს, საქართველოს უნივერსიტეტის ჯანმრთელობის მეცნიერებების სკოლის პროფესორსა და ბიომედიცინის საბაკალავრო პროგრამის ხელმძღვანელს, ლევან გულუას ვესაუბრეთ.
ბატონო ლევან, მარტივად რომ ავხსნათ, რას გულისხმობს In Silico მოდელირება მედიცინაში? როგორ ეხმარება კომპიუტერული სიმულაციები მეცნიერებს იმაში, რომ ახალი წამლის ან მკურნალობის მეთოდის ტესტირება უფრო სწრაფად და იაფად ჩაატარონ?
წარმოიდგინეთ, რომ რეალური ლაბორატორიის ან ადამიანის ორგანიზმის ნაცვლად, ჩვენ ვქმნით ცოცხალი ქსოვილის, სიმსივნის ან კუჭ-ნაწლავის ტრაქტის ზუსტ ციფრულ ორეულს კომპიუტერში. ტერმინი In Silico (კომპიუტერის ჩიპის — სილიციუმის მიხედვით) ნიშნავს ბიოლოგიური და სამედიცინო პროცესების გამოცდას კომპიუტერული სიმულაციებით, სპეციალური მათემატიკური განტოლებებისა და პროგრამების (მაგალითად, FEBio და Python) გამოყენებით, მანამ, სანამ ექსპერიმენტს სინჯარაში (In Vitro) ან ცოცხალ ორგანიზმზე (In Vivo) ჩავატარებთ.
რაც შეეხება იმას, თუ როგორ აჩქარებს და აიაფებს ეს მეთოდი ტესტირების პროცესს, აქ რამდენიმე მთავარი ფაქტორია:
პირველ რიგში, ხდება წარუმატებელი ვარიანტების წინასწარი გამორიცხვა. ნაცვლად იმისა, რომ მეცნიერებმა ასობით ძვირადღირებული ცდა ჩაატარონ ცხოველებზე და ბრმად ეძებონ სწორი გზა, კომპიუტერი წინასწარ ამოწმებს იდეის სიცოცხლისუნარიანობას. მაგალითად, როდესაც ვსწავლობთ, როგორ მივაწოდოთ სასარგებლო ვირუსები (ბაქტერიოფაგები) ნაწლავში პრობიოტიკების („ტროას ცხენის“) დახმარებით, სიმულაცია ცდის დაწყებამდე გვაჩვენებს, გადარჩებიან თუ არა ისინი კუჭის მჟავე გარემოში. ეს მკვეთრად ამცირებს ლაბორატორიული ექსპერიმენტების რაოდენობასა და ფინანსურ ხარჯებს.
მეორე მნიშვნელოვანი ფაქტორი ზუსტი დოზისა და დროის წინასწარი გამოთვლაა. კომპიუტერული მოდელი საშუალებას გვაძლევს, წამლის ორგანიზმში მოხვედრამდე გამოვთვალოთ, რამდენად ღრმად შეაღწევს ნანონაწილაკი სიმსივნურ ქსოვილში, ან ზუსტად რამდენი წუთი (მაგალითად, 31 წუთი) სჭირდება ღვიძლის სიმსივნის გაყინვას (კრიოაბლაციას), რომ სიმსივნე სრულად განადგურდეს და ჯანმრთელი ქსოვილი არ დაზიანდეს.
გარდა ამისა, ეს მეთოდი უზრუნველყოფს ცხოველებიდან ადამიანზე უსაფრთხო გადასვლას. „მსგავსების თეორიისა“ და მათემატიკური მასშტაბირების წყალობით, თაგვზე მიღებული მონაცემები ზუსტად გადაგვყავს ადამიანის ორგანიზმზე (ვანგარიშობთ ადამიანის ეკვივალენტურ დოზას). ამით თავიდან ვიცილებთ დოზირების შეცდომებს, რაც ტრადიციულ ფარმაკოლოგიაში კვლევებს წლობით აჭიანურებს.
მთავარი სათქმელი მარტივია: In Silico მოდელირება არ ცვლის რეალურ ექსპერიმენტს, მაგრამ ის გვაძლევს „რუკას“, რომლის წყალობითაც მეცნიერები მიზანს ბევრად უფრო სწრაფად, იაფად და უსაფრთხოდ აღწევენ.
სემინარის ერთ-ერთი მთავარი თემა ღვიძლის სიმსივნის კრიოქირურგიაა. სად შემოდის კომპიუტერული მოდელირების როლი ამ მიმართულებით?
ღვიძლის კრიოქირურგიული აბლაციის დროს (როდესაც სიმსივნის გაყინვა სპეციალური კრიოზონდით ხორციელდება), კომპიუტერული და მათემატიკური მოდელირება გადამწყვეტ როლს თამაშობს პროცედურის ზუსტი დროისა და პარამეტრების დაგეგმვაში. კრიტიკული მიზანია, რომ სიმსივნურმა უჯრედებმა in vivo მიაღწიონ ზუსტად -20°C-ს (რაც აუცილებელია მათი სრული განადგურებისთვის — აპოპტოზი/ნეკროზი). თერმული დინამიკის პროგნოზირებისთვის მოდელირება იყენებს არასტაციონარული სითბოგადაცემის განტოლებებს, ბიოს (Bi) და ფურიეს (Fo) რიცხვებს, ასევე ჰეისლერის თეორიულ ნომოგრამებს. ამასთან, მოდელი საშუალებას აძლევს ბიოინჟინრებსა და კლინიცისტებს, წინასწარ გამოთვალონ გაყინვის ზუსტი დრო (მაგალითად, 1.5 სმ ნახევარსისქის ქსოვილისთვის გამოითვალა ზუსტად 31 წუთი), რათა უზრუნველყოფილი იყოს სიმსივნის სრული აბლაცია საღი ქსოვილების ზედმეტი დაზიანების გარეშე.
ნანომატარებლებზე და წამლის მიწოდების სისტემებზეც მინდა გკითხოთ — რას ცვლის ეს მიდგომები პაციენტებისთვის კლინიკურ პრაქტიკაში?

ნანოტექნოლოგიებსა და მართვადი მიწოდების სისტემებზე (როგორიცაა ბიოაქტიური ნანო-პოლიფენოლები, pH-რეაქტიული მიცელარული ნანომატარებლები ან „ტროას ცხენის“ მექანიზმით ბაქტერიოფაგების მიწოდება) დაფუძნებული მიდგომები პრაქტიკაში რამდენიმე არსებით ფაქტორს ცვლის.
უპირველესად, ეს არის მაღალი ბიოშეღწევადობა და მიზნობრივობა: ტრადიციული პრეპარატები სწრაფად იშლება ორგანიზმში, ხოლო ნანო-ენკაფსულაცია (10–45 ნმ ზომის ბიოკომპოზიტები) სტაბილიზაციას უწევს ნივთიერებებს და ეფექტურად უზრუნველყოფს მათ შეღწევას სიმსივნურ ქსოვილში ე.წ. EPR ეფექტისა და მიკროგარემოზე (მაგ., სიმსივნის მჟავე pH 6.0 გარემოზე) რეაგირების ხარჯზე.
მნიშვნელოვნად მცირდება ტოქსიკურობა და გვერდითი მოვლენები: ნანოკომპოზიტები ამცირებენ ორგანიზმის ზოგად ტოქსიკურობას და იცავენ ჯანმრთელ ქსოვილებს, ხოლო ბაქტერიოფაგების პრობიოტიკული დაცვა („ტროას ცხენის“ მექანიზმი) უზრუნველყოფს მათ უვნებლად მიტანას კუჭის აგრესიული მჟავე გარემოს (pH 2–3) გავლით პირდაპირ ნაწლავის პათოგენებამდე.
კლინიკურ პრაქტიკაში ეს მეთოდები ზრდის სიმსივნის ზრდის ინჰიბირების (TGI) მაჩვენებელს და წარმატებით ლახავს ისეთ მძიმე ბარიერებს, როგორიცაა რეზისტენტობა სტანდარტული ქიმიოთერაპიული საშუალებების (ცისპლატინი, დოქსურუბიცინი) მიმართ. გარდა ამისა, ალომეტრიული მასშტაბირებისა (BSA) და სავარაუდო ჰუმანური ექვივალენტური დოზების (HED) პროგნოზირებით, ექიმებს ეძლევათ ზუსტი ინსტრუმენტები პაციენტისთვის ოპტიმალური და უსაფრთხო თერაპიული დოზების (მაგ., 200–450 მგ/დღეში) დასაგეგმად.
რამდენიმე დღის წინ, ასეთი მოსაზრება წავიკითხე, რომ დღესდღეობით ანტიბიოტიკორეზისტენტობა უფრო დიდი პრობლემაა მსოფლიოსთვის, ვიდრე ტერორიზმი. ფაგოთერაპია ერთ-ერთი მთავარი იმედია ამ მხრივ. რამდენად ამარტივებს კომპიუტერული სიმულაცია იმის დანახვას და პროგნოზირებას, თუ როგორ გადარჩება ფაგი და როგორ გაანადგურებს ის პათოგენურ ბაქტერიას ორგანიზმში მოხვედრისას?
კომპიუტერული სიმულაცია (In Silico) მართლაც რადიკალურად ამარტივებს და აჩქარებს ფაგების გადარჩენისა და პათოგენის განადგურების პროცესის შესწავლას. მაგალითად, კუჭის აგრესიული ბარიერის დაძლევის პროგნოზირებისას — პრეზენტაციაში განხილული „ტროას ცხენის“ მოდელით (Python/Anaconda გარემოში შექმნილი კინეტიკური სისტემით) — წინასწარ ხდება იმის დათვლა და გრაფიკული ვიზუალიზაცია, თუ როგორ ნადგურდება თავისუფალი ფაგი კუჭის მჟავე გარემოში, ხოლო პრობიოტიკზე შებოჭილი დაცული ფაგი როგორ ინარჩუნებს მაღალ (დაახლოებით 90%-ს) გადარჩენის მაჩვენებელს კუჭის ფაზის შემდეგ. ასევე, სიმულაცია აჩვენებს პათოგენის განადგურების (ლიზისის) დინამიკას — თუ როგორ გამოთავისუფლდება ფაგი ნაწლავურ ფაზაში და რა დროში ახდენს პათოგენური ბაქტერიების (E. coli) მიზნობრივ ინფექციასა და განადგურებას. ეს ყველაფერი მეცნიერებს საშუალებას აძლევს, ლაბორატორიული ცდების დაწყებამდე ზუსტად იცოდნენ სისტემის ქცევა.
საბოლოო ჯამში, რა არის ამ კვლევების მთავარი მიზანი საქართველოსა და მსოფლიოსთვის?
ამ კვლევების მთავარი მიზანი, პირველ რიგში, ანტიბიოტიკორეზისტენტობის დაძლევაა: იმ ფონზე, როდესაც ტრადიციული ანტიბიოტიკები ძალას კარგავენ, მიზანია ბაქტერიოფაგებზე დაფუძნებული ალტერნატიული, მაღალეფექტიანი თერაპიის განვითარება. ასევე, კომპიუტერული მოდელირება ამცირებს ცოცხალ ორგანიზმებზე ჩასატარებელი ექსპერიმენტების რაოდენობას და ფინანსურ ხარჯებს. მნიშვნელოვანია საქართველოს სამეცნიერო პოტენციალის ინტეგრაციაც: საქართველო ფაგოთერაპიის ტრადიციული ცენტრია და ამ მეთოდების თანამედროვე კომპიუტერულ ინჟინერიასთან დაკავშირება გლობალურ მედიცინაში ქვეყნის როლს კიდევ უფრო აძლიერებს.
რამდენად რეალურია, რომ უახლოეს მომავალში პაციენტს კლინიკაში მისვლისას დაუნიშნონ არა სტანდარტული, შაბლონური მკურნალობა, არამედ ზუსტად მისი ორგანიზმისთვის კომპიუტერულად მოდელირებული, სრულად პერსონალიზებული თერაპია?
ინტეგრირებული მიდგომა (მსგავსების თეორია, კომპიუტერული მოდელირება და პროგრამირებაზე დაფუძნებული კინეტიკა) უკვე გამოიყენება რთული ბიოლოგიური პროცესების (მაგ. ნანონაწილაკების დიფუზია სიმსივნეში, pH-რეაქტიული გამოთავისუფლება ან ფაგური მიწოდება) დასაგეგმად. თუმცა კლინიკურ ტრანსლაციას თავისი გამოწვევები აქვს: იმისათვის, რომ პაციენტმა კლინიკაში მისვლისთანავე მიიღოს ზუსტად მის ორგანიზმზე მორგებული „ციფრული დოზა“, საჭიროა თითოეული პაციენტის ინდივიდუალური ფიზიოლოგიური პარამეტრების (ქსოვილის დიფუზიურობა, ნაკადის სიჩქარე, მეტაბოლური კლიარენსი) სწრაფი ამოცნობა და მოდელში ასახვა. დასკვნის სახით შეგვიძლია ვთქვათ: მიუხედავად იმისა, რომ სტანდარტული შაბლონური მკურნალობიდან სრულად პერსონალიზებულ ციფრულ მედიცინაზე გადასვლას სჭირდება დრო, კლინიკური ტრანსლაციის ეს ჩარჩო უკვე აქტიურად შენდება და უახლოეს მომავალში ის გახდება ძირითადი ინსტრუმენტი ონკოლოგიასა და რეზისტენტული ინფექციების მკურნალობაში.


