თანამედროვე მედიცინაში ძუძუს კიბოს რისკის განსაზღვრა, ძირითადად, სტატისტიკურ მონაცემებსა და უკვე ჩამოყალიბებული პათოლოგიური კერების ვიზუალიზაციას ეყრდნობა. მაგალითად, მამოგრაფიული კვლევა ეფექტურობას მხოლოდ იმ შემთხვევაში ინარჩუნებს, როდესაც სიმსივნური წარმონაქმნი ფიზიკურად უკვე არსებობს. ამავდროულად, გენეტიკური ტესტირება პაციენტთა მხოლოდ მცირე ნაწილში, დაახლოებით 5-10%-ში, იძლევა რეალურ პასუხს. შედეგად, ქალების უდიდესი ნაწილი, რომელთაც გამოკვეთილი მემკვიდრეობითი ფაქტორები ან რენტგენოლოგიური ცვლილებები არ აღენიშნებათ, პრაქტიკულად, „უხილავი“ საფრთხის წინაშე რჩება.
არსებული დიაგნოსტიკური ხარვეზის აღმოსაფხვრელად, City of Hope-ისა და ბერკლის მეცნიერებმა ყურადღება უჯრედის ბიოფიზიკურ მახასიათებლებზე გადაიტანეს. მათი ვარაუდით, ვიზუალური სიმსივნური ტრანსფორმაციის დაწყებამდე უჯრედი ჯერ სტრუქტურულ ცვლილებებს განიცდის და დრეკადობას კარგავს, რასაც მკვლევრებმა პირობითად „მექანიკური ასაკი“ უწოდეს.
ეს თეორიული ფენომენი პრაქტიკულად MechanoAge-ის პლატფორმის მეშვეობით, ერთგვარი „უჯრედული სტრეს-ტესტის“ გამოყენებით ფასდება. მოწყობილობის შიგნით, მიკროფლუიდურ ჩიპში მოთავსებული თითოეული უჯრედი სპეციალურ ვიწრო არხში გადის, რა დროსაც ხელოვნური ინტელექტი მისი დეფორმაციის სისწრაფესა და ელასტიურობას აკვირდება.
ამ პროცესში სისტემა უმთავრეს პარამეტრს – იმ დროს აფიქსირებს, რომელიც უჯრედს საწყისი ფორმის დასაბრუნებლად სჭირდება. სწორედ ეს მონაცემი ხდება იმის ინდიკატორი, თუ რამდენად შორს არის წასული უჯრედის სტრუქტურული დაბერება და, შესაბამისად, რამდენად მაღალია კიბოს განვითარების რისკი.
Mechano-NPS პლატფორმის დაპროექტება
კვლევის საფუძველს მექანო-კვანძოვან-ფორული სენსორინგის (mechano-NPS) მეთოდოლოგია წარმოადგენს. პროცესის მთავარი ინსტრუმენტი კი მიკროფლუიდური ჩიპია, რომელიც გარეგნულად მცირე ზომის მინის ფირფიტას მოგვაგონებს. მის შიდა სივრცეში ადამიანის თმაზე გაცილებით თხელი არხებია ინტეგრირებული, რომლებიც პლატინისა და ოქროს ელექტროდებით არის აღჭურვილი. აღნიშნული ტექნოლოგია მეცნიერებს საშუალებას აძლევს, რომ უჯრედის მოცულობასთან ერთად, მისი ნებისმიერი გადაადგილება და სტრუქტურული ტრანსფორმაცია ზუსტად აღრიცხონ.
აღნიშნული მეთოდის უნიკალურობა იმაში მდგომარეობს, რომ იგი უჯრედის დაზიანებას არ იწვევს. გამოყენებული მექანიკური ძალა მხოლოდ მისი ფორმის შესაცვლელადაა საკმარისი, რაც სტრუქტურის მთლიანობას საფრთხეს არ უქმნის. საბოლოო ჯამში, მკვლევრები მონაცემთა სრულყოფილ სურათს იღებენ და იმ ფარულ საფრთხეებს გამოავლენენ, რომლებიც ტრადიციული ვიზუალური მეთოდების გამოყენებისას, ხშირად შეუმჩნეველი რჩება.
როგორ “ხედავს” აპარატი უჯრედს?
უჯრედების ელასტიურობის გასაზომად სისტემა 1-ვოლტიან მუდმივ ძაბვას იყენებს, რომელიც არხში უჯრედის გავლისას სპეციფიკურ ელექტრულ სიგნალებს წარმოქმნის. სპეციალური პროგრამა ამ იმპულსებს მომენტალურად შიფრავს და რამდენიმე საკვანძო პარამეტრს განსაზღვრავს: უჯრედის ზომას, მისი შეკუმშვის ხარისხსა და ფორმის აღდგენისთვის საჭირო დროს. იმისათვის, რომ მონაცემები ობიექტური იყოს და უჯრედის ზომამ შედეგზე მცდარი გავლენა არ მოახდინოს, გამოიყენება დეფორმირებადობის სპეციალური უგანზომილებო მეტრიკა. ეს მაჩვენებელი მეცნიერებს საშუალებას აძლევს, ზუსტად გამოთვალონ უჯრედის სიხისტე და ისე გაათანაბრონ მონაცემები, რომ სხვადასხვა ზომის უჯრედები საიმედოდ შედარდეს.
MechanoAge: მონაცემთა ანალიზიდან ზუსტ პროგნოზირებამდე
პროცესი „სასწავლო მასალის“ მომზადებით იწყება, რისთვისაც მკვლევრებმა 18 დონორისგან მიღებული უჯრედების ბაზაზე თითქმის 2000 მონაცემთა ერთეული შეაგროვეს.
ინფორმაციის დამუშავების პირველ ეტაპზე თითოეულ უჯრედს შესაბამისი ასაკობრივი ნიშნული მიენიჭა. ეს ეტაპი აუცილებელი იყო იმისათვის, რომ კომპიუტერულ სისტემას კონკრეტული ასაკის ჯანსაღი და დაზიანებული უჯრედების ვიზუალური თუ სტრუქტურული მახასიათებლების გარჩევა ესწავლა.
შემდგომ საფეხურზე, სტატისტიკური ცდომილებების პრევენციის მიზნით, მკვლევრებმა მონაცემები Yeo-Johnson-ის ტრანსფორმაციისა და დაუნსემპლინგის მეთოდების გამოყენებით „გაასუფთავეს“. აღნიშნული მიდგომა ინფორმაციის ისეთ სისტემურ გათანაბრებას გულისხმობს, რომლის დროსაც არცერთ ქვეჯგუფს, მაგალითად, ახალგაზრდა უჯრედებს, რაოდენობრივი უპირატესობა არ ენიჭება.
მაქსიმალური სიზუსტის მისაღწევად, მეცნიერებმა არჩევანი არა ერთ კონკრეტულ პროგრამაზე, არამედ GBM მეტა-მოდელზე შეაჩერეს, რომელიც სამი სხვადასხვა ტიპის ალგორითმს აერთიანებს. ეს მიდგომა „ანსამბლური“ მოდელის სახელითაა ცნობილი და თავისი არსით რამდენიმე ექიმის მიერ პაციენტის მდგომარეობის ერთობლივ შეფასებასა და ერთიანი, დაზუსტებული დასკვნის გამოტანას წააგავს.
მოდელის ფორმირების დასრულების შემდეგ მისი მკაცრი შემოწმების ეტაპი დაიწყო, რაც 10-ჯერადი კროს-ვალიდაციის მეთოდით განხორციელდა. აღნიშნული პროცესი გულისხმობს პროგრამის ათგზის გატესტვას მონაცემთა სხვადასხვა კომბინაციაზე, რათა სისტემის მუშაობის ობიექტურობა დადასტურდეს.
KRT14 ცილის როლი უჯრედულ დაბერებაში
ციტოჩონჩხის დაბერების პროცესში გადამწყვეტ როლს ცილა კერატინ 14 (KRT14) ასრულებს. მეცნიერებმა შეამჩნიეს, რომ ასაკის მატებასთან ერთად, ეს ცილა ლუმინალურ უჯრედებში ჭარბად გროვდება. იმის დასამტკიცებლად, რომ სწორედ KRT14 არის „დაბერების“ მიზეზი და არა უბრალო თანმხლები მოვლენა, მკვლევრებმა მისი დონე ხელოვნურად შეცვალეს.
ექსპერიმენტულმა მანიპულაციებმა დაადასტურა, რომ ახალგაზრდა უჯრედებში კერატინის დონის მატება მათ მექანიკურ დაბერებასა და რისკის (RISQ) მაჩვენებლის ზრდას განაპირობებს. საპირისპიროდ, ხანდაზმულ უჯრედებში ამ ცილის დათრგუნვამ ერთგვარი „გაახალგაზრდავების“ ეფექტი გამოიწვია – “დაბერებული” უჯრედების წილი ბაზაში 85%-დან 15-23%-მდე შემცირდა.
სამომავლო გეგმები
მიღებული შედეგების ინტერპრეტაციისას გასათვალისწინებელია კვლევის მეთოდოლოგიური ჩარჩო და მისი ლიმიტები. კერძოდ, საკვლევი კოჰორტის მცირე მოცულობა და შეზღუდული დემოგრაფიული მრავალფეროვნება აჩენს მონაცემთა უფრო მასშტაბურ პოპულაციებში გადამოწმების საჭიროებას. გარდა ამისა, ექსპერიმენტების ex vivo ფორმატი მიუთითებს იმაზე, რომ ლაბორატორიულ პირობებში მიღებული მაჩვენებლები შესაძლოა სრულად არ შეესაბამებოდეს ორგანიზმში მიმდინარე ფიზიოლოგიურ პროცესებს.
თუმცა, აღნიშნული შეზღუდვები მეცნიერებისთვის პროექტის შემდგომი განვითარების სტრატეგიულ ორიენტირებს წარმოადგენს. კვლევის მომდევნო ეტაპები მიზნად ისახავს მეთოდის ადაპტირებას ნაკლებად ინვაზიურ პროცედურებთან, როგორიცაა ასპირაციული ბიოფსია (FNA), რაც ტექნოლოგიას კლინიკურად უფრო ხელმისაწვდომს გახდის. სამომავლო სამუშაოები ასევე მოიცავს მულტიპლექსური ტექნოლოგიების ინტეგრირებასა და სხვადასხვა ეთნიკური ჯგუფის სიღრმისეულ შესწავლას, რაც Mechano-RISQ მეტრიკის უნივერსალურობასა და დიაგნოსტიკურ სიზუსტეს საბოლოოდ დაადასტურებს.
სრული კვლევა ხელმისაწვდომია: Lancet eBioMedicine
