انسان روی تراشه: شبیه سازی، امیدی برای مقابله با کرونا
بزرگ‌ترین چالش در رویارویی با کووید19 ناشناخته بودن آن است. مقابله با شیوع سریع کووید19 نیازمند اقدامی سریع است و بهترین راهکار برای مقابله با این چالش، کمک گرفتن از داروهایی است که پیش از این برای بیماری‌های دیگر استفاده می‌شدند و مجوز استفاده دارند. اما کدام‌ یک را می‌توان برای مقابله با کووید19 استفاده کرد؟ چه تغییراتی باید در ترکیبات آن‌ها بدهیم تا بتوانند کووید19 را شکست دهند؟ یافتن این پرسش‌ها یک راه اساسی دارد و آن هم آزمایش است. مشکل هم از همین‌جا آغاز می‌شود. این آزمایش‌ها زمان‌بر، پرهزینه و در بسیاری از موارد بی‌حاصل هستند. برخی معتقدند بهترین راه برای آزمودن داروهای کووید19 این است که یک انسان را در آزمایشگاه شبیه‌سازی کنیم، آن‌را به کووید19 مبتلا کنیم و داروهای پیشنهادی را روی آن بیازماییم. ما در این مقاله نگاهی گذرا به ایده انسان روی تراشه خواهیم انداخت و برخی تلاش‌های صورت گرفته در دوران کرونای جدید را مرور خواهیم کرد. به نظر می‌رسد ردپای کامپیوترها و حتا روش‌های تراشه‌سازی را می‌توان تا درون آزمایشگاه‌های پزشکی هم دنبال کرد.

قانون Eroom و شبیه‌سازی انسان روی تراشه

  • حتماً در مورد قانون مور شنیده‌اید. قانونی که می‌گوید توان پردازشی کامپیوترها تقریباً  هر دو سال دو برابر می‌شود.  اما شاید با قانون Eroom آشنا نباشید.  روند مطالعات علمی برای یافتن یک ترکیب دارویی مؤثر، زمان‌بر و پرهزینه است.  بر اساس قانون Eroom، توسعه یک داروی جدید  طی سال‌ها دشوارتر و پرهزینه‌تر می‌شود. یک دارو برای اینکه به تأیید برسد باید روی انسان یا حیوان آزموده شود. به‌طور معمول در گام‌های نخست، آزمایش روی حیوان انجام می‌شود که روش دقیقی نیست. زیرا تفاوت‌های موجود بین عملکرد سیستم‌های داخلی بدن انسان و حیوان ممکن است نتایج دقیقی به همراه نیاورد. از این‌رو بحث مدل‌سازی آزمایشگاهی بدن پیش می‌آید. بر همین اساس ایده‌آل این است که راهی بیابیم تا بتوان یک انسان مبتلا به بیماری را در آزمایشگاه شبیه‌سازی کرد. فکری که شاید ما را به یاد داستان‌های علمی تخیلی بیندازد، اما همین حالا هم تا حد زیادی عملی شده است. انسان روی تراشه یا به‌طور دقیق‌تر ارگان روی تراشه OoC سرنام (Organ-on-a-chip) نتیجه عملی پیگیری این طرح است (شکل 1). با کمک OoC می‌توان مدل‌های آزمایشگاهی پیچیده‌تر و با قابلیت تحلیل دقیق‌تری را پیاده‌سازی کرد. از جمله نکاتی که ارگان‌ روی تراشه‌ها را با دنیای کامپیوتر پیوند می‌زند این است که در ساخت آن‌ها از روش‌های تولید ریزتراشه‌های کامپیوتری کمک گرفته می‌شود. علاوه بر این، استفاده از ارگان روی تراشه فرایند تحقیق و آزمایش را به جایی می‌رساند که برای تحلیل و تفسیر نتایج حاصل از آن‌ها به روش‌هایی از جمله هوش مصنوعی و یادگیری ماشین نیاز پیدا می‌کنیم. 

قانون Eroom و شبیه‌سازی انسان روی تراشه

شکل1 -  سه  تراشه OoC که به منظور بررسی تعامل مغز و رگ‌های خونی به هم متصل شد‌ه‌اند.

ارگان روی تراشه

ارگان روی تراشه

شکل2 - ارگان روی تراشه از پلیمرهای شفاف و انعطاف‌پذیر و با ابعادی در حدود یک حافظه فلش کامپیوتر ساخته می‌شوند. 

  •  ارگان روی تراشه، قطعاتی ساخته شده از پلیمری شفاف و انعطاف‌پذیر است و به‌طور معمول در ابعادی به اندازه یک حافظه فلش ساخته می‌شود (شکل 2). در این تراشه‌ها کانال‌هایی بسیار ظریف تعبیه می‌شود که  از سلول‌های زنده انسانی پوشیده شده‌اند (شکل 3). نوع این سلول‌های زنده بستگی به کاربرد آن تراشه‌ خاص و ارگانی دارد که می‌خواهیم شبیه‌سازی کنیم. ساختار کانال‌ها و اجزای چنین تراشه‌ای به گونه‌ای طراحی شده که بتوان شرایط محیطی که سلول‌ها در بدن انسان تجربه می‌کنند را شبیه‌سازی کرد. به بیان دیگر، ارگان روی تراشه‌ قادر به شبیه‌سازی عملکرد بافت‌ها و ارگان‌های بدن است.

ارگان روی تراشه

شکل3 - طرحی  از ساختار داخلی یک ریه روی تراشه. 

ارگان روی تراشه

شکل4 - نمونه‌ای از یک روده روی تراشه. 

  • تاکنون تراشه‌ ارگان‌هایی نظیر ریه، روده، کلیه، پوست و حتی قلب و مغز عرضه شده است (شکل 4). این تراشه‌ها را می‌توان برش‌های مقطعی زنده و سه‌بعدی از واحدهای عملیاتی اصلی ارگان‌های بدن تصور کرد. این امکان وجود دارد که ترکیبات مختلفی از سلول‌ها و بافت‌های سازنده ارگان‌های بدن انسان را در این تراشه‌ها پیاده کرده و به محیطی ایده‌آل برای مطالعه فعالیت‌ها در مقیاس مولکولی و سلولی دست یابیم، آن‌ها را به بیماری مبتلا کنیم و عملکرد دارورسانی را مورد مطالعه قرار دهیم. در سال 2011  دونالد اینگبر (Donald Ingber) با کمک همکارانش ارگان‌ها و تراشه‌ها را به هم پیوند زدند. آن‌ها در مقاله‌ای ارگان روی تراشه را اینگونه توصیف کردند: «در هم آمیختن فناوری‌های مبتنی بر ریزسیالات و سلول‌های زنده‌ با کمک روش‌هایی که در صنعت تولید ریزتراشه استفاده می‌شود به منظور مطالعه فیزیولوژی اعضای دلخواه و مدل‌سازی آزمایشگاهی بیماری‌های مورد نظر.» البته دستاورد آن‌ها ریشه در سال‌های قبل داشت و به دهه 90 میلادی برمی‌گشت. هدف اصلی در استفاده از ارگان روی تراشه‌ها شبیه‌سازی همه بدن نیست. بلکه هدف، طراحی آزمایش‌هایی است که بخشی از بدن را مورد ارزیابی قرار می‌دهند. این ویژگی که می‌توان به‌طور کنترل شده و مقطعی اثرات تغییر هر پارامتر را روی یک ارگان مورد بررسی قرار داد از مزیت‌های این روش نسبت به آزمایش بر روی حیوانات است. چنین تراشه‌هایی می‌توانند با دقت زیادی واکنش‌های بدن را پیش‌بینی کنند و در نتیجه می‌توان از آن‌ها برای درک بهتر بیماری‌هایی نظیر کووید 19 و آزمودن داروهای جدید کمک گرفت. حدود یک دهه از معرفی رسمی OoC  یا ارگان روی تراشه می‌گذرد و حالا و در دوران شیوع کرونای جدید، این ایده فرصت بی‌نظیری یافته است تا بیشتر محک بخورد. این‌که آیا می‌توان از آن به عنوان یک راهکار ارزشمند استفاده کرد؟

کاربرد در دوران کرونای جدید

  • محققان  برای یافتن واکسن و داروی مؤثر برای مقابله با کووید 19 باید در گام اول به درستی دریابند که چرا عامل این بیماری به این سادگی و با این سرعت منتشر می‌شود و چرا سیستم ایمنی بدن مقاومت اندکی در مقابل آن از خود نشان می‌دهد؟ مزیت مهم استفاده از ارگان روی تراشه در مطالعه کووید19 این است که نسبت به روش‌های مرسوم می‌توان کار را زودتر آغاز کرد. در آزمایش روی انسان، مطالعه دست‌کم با دو هفته تأخیر آغاز می‌شود، زیرا این بیماری دو هفته خود را پنهان می‌کند و نمی‌توان عملکرد ویروس را در ساعات ابتدایی آلوده کردن بدن بررسی کرد. تراشه‌های OoC این امکان را می‌دهند تا ارگانی که روی تراشه داریم را آلوده به ویروس کنیم و از همان ابتدا عملکرد ویروس و واکنش آن ارگان به ویروس را رصد نماییم.  باید توجه داشت که در  مورد  بیماری‌هایی نظیر کووید 19 آزمایش روی جانوران کار دشواری است.

دانشگاه تورنتو

  • همان‌گونه که پیش از این گفتیم پرسش مهم این است: کووید 19 چگونه به این سادگی به بدن انسان‌ها حمله می‌کند؟ محققان دانشگاه تورنتو از جمله گروه‌هایی هستند که سعی دارند  با استفاده از مدل ارگان روی تراشه پاسخی برای این پرسش بیابند. این محققان مدل‌هایی کوچک از بینی، دهان، چشم‌ها و ریه، یعنی همان دیواره‌های دفاعی بدن را برای درک بهتر نحوه آلوده شدن ارگان‌های بدن می‌سازند. تمرکز این پژوهش روی درک این موضوع است که چرا این ویروس در شکستن سد‌های دفاعی بدن (epithelial barriers) این‌قدر خوب عمل می‌کند؟! به گفته Milica Radisic استاد شیمی دانشکده مهندسی و علوم کاربردی، به‌طور معمول این مرزها کار دفاع در مقابل عوامل بیماری‌زا را به خوبی انجام می‌دهند، اما ویروس کووید 19 موفق شده این مرز دفاعی بدن را بشکند. او می‌گوید: «این همان چیزی است که روی آن تمرکز کرده‌ایم. اینکه کویید19 چگونه این‌کار را می‌کند؟»  در سال‌های اخیر او موفق به توسعه و پیاده‌سازی مدل‌هایی از قلب روی تراشه‌های کامپیوتری شده است. این قلب‌ها که از سلول‌های انسان ساخته شده‌اند، ویژگی‌هایی از یک قلب واقعی را  در خود دارند. تا به امروز این تحقیق در زمینه بازسازی سلول‌های قلبی موفقیت چشمگیری داشته است. Radisic همچنین با کمک این مدل قلب روی تراشه به پژوهش در این‌باره پرداخته که نانوذرات موجود در هوای آلوده چگونه به ارگان‌ها آسیب می‌زنند. حالا با ساخت ریزمدل‌هایی از سایر ارگان‌های بدن انسان، محققان این امکان را یافته‌اند که نگاهی دقیق‌تر به نحوه رفتار و عملکرد کووید 19 بیندازند. او در این‌باره می‌گوید:  «این روش به ما امکان می‌دهد بدون نیاز به تماس با افراد و آسیب رساندن احتمالی، در مورد اثر کووید19 بر ارگان‌های بدن تحقیق کنیم.» به گفته Radisic این گروه با کمک ریه روی تراشه موفق شده‌اند از همان مراحل ابتدایی، پاسخ سیستم ایمنی به کووید 19 را مطالعه کنند. 

دانشگاه هاروارد

  • مؤسسه Wyss از دانشگاه هاروارد نیز با همکاری محققانی از رشته‌های مختلف و کمک گرفتن از روش‌های تولید ریزتراشه‌های کامپیوتری، روی کارآیی استفاده از ارگان روی تراشه‌ها برای مقابله با کووید19 متمرکز شده است. دونالد اینگبر مدیر این مؤسسه  تحقیقاتی به این نکته اشاره می‌کند که پیش از شیوع کووید 19 مطالعات این مرکز روی آمادگی در مقابل همه‌گیری‌های ویروسی متمرکز بوده است. ارگان روی تراشه‌های آزمایشگاه دکتر اینگبر پیش از این برای مطالعه واکنش بدن انسان به گونه‌های مختلف آنفولانزا استفاده می‌شد و همین تحقیقات به این محققان کمک کرده که حالا با آمادگی بیشتری به مطالعه در مورد کرونای جدید بپردازند. اینگبر می‌گوید: «به محض بروز بحران کووید19 در ماه ژانویه، تیم من به سرعت بر این بحران متمرکز شدند و یک ویروس مهندسی شده ساختند». این ویروس مهندسی شده، یک شبهه‌ویروس کووید19 است که می‌توان بدون مشکل در آزمایشگاه از آن استفاده کرد. محققان این مرکز، ارگان روی تراشه‌هایی نظیر ریه روی تراشه را با این ویروس دست‌ساز آلوده کردند (شکل 5). این ریه روی تراشه همان مدلی است که پیش از این برای مطالعه اثرات گونه‌های مختلف ویروس آنفولانزا مورد استفاده قرار گرفته و امکان شبیه‌سازی بیماری را با دقت زیادی فراهم کرده بود. فناوری تولید این تراشه‌ها متعلق به  استارت‌آپ Emulate, Inc است که توسط مؤسسه Wyss راه‌اندازی شده است. شرکت  Emulate محصولات متنوعی در این حوزه را به بازار عرضه کرده است. دانشگاه Queen Mary  لندن از جمله مراکز علمی است که با ارگان روی تراشه‌های اهدایی از سوی Emulate مطالعاتی را روی کووید۱۹ دنبال می‌کند.

دانشگاه هاروارد

شکل5 -  ریه روی تراشه قرار گرفته زیر میکروسکوپ و متصل شده به کانال‌های خلا و جریان

رد پای کامپیوتر در زیست‌شناسی

  • حوزه‌های زیادی به تکامل ارگان روی تراشه کمک خواهند کرد که از آن جمله می‌توان به فناوری‌های دیجیتالی نظیر هوش مصنوعی اشاره کرد. بخشی از محققان مؤسسه  Wyss برای انتخاب گزینه‌های مؤثر از میان داروهای موجود به ابزارهای محاسباتی مبتنی بر یادگیری ماشین تکیه کرده‌اند. آن‌ها با کمک یادگیری ماشین سعی ‌دارند دارو یا ترکیبات دارویی را بیابند که می‌توان برای درمان کووید 19 یا پیشگیری از آن‌ها استفاده کرد و ترکیبات فوق را روی تراشه آزمایش کرد. برخی از کارشناسان بر این باورند که در‌  آینده نزدیک، هوش مصنوعی نقش اساسی در حوزه تحقیقات مبتنی بر ارگان روی تراشه‌ها خواهد داشت، زیرا استفاده از ارگان روی تراشه، داده‌های زیادی تولید خواهد کرد و تفسیر آن‌ها از توان انسان خارج است. به‌عنوان مثال، تصویربرداری‌های میکروسکوپی از فرایندهای درون این تراشه‌ها داده‌های تصویری زیادی را تولید خواهد کرد و یافتن الگوها در این داده‌های ارزشمند بسیار اهمیت دارد. با پیشرفت ارگان روی تراشه‌ها نه تنها باید توانایی تفسیر حجم زیادی از داده‌های تصویری را داشته باشیم، بلکه باید بتوانیم انواع دیگری از داده‌هایی که توسط حسگرها جمع‌آوری شده‌اند را تفسیر کنیم. یادگیری ماشین به استخراج و به‌دست آوردن اطلاعات مفید از میان حجم زیاد داده‌های به‌دست آمده از آزمایش‌های مبتنی بر ارگان روی تراشه کمک خواهد کرد (شکل 6).

  • علاوه بر این، استفاده از هوش مصنوعی این امکان را فراهم می‌کند که بتوان چندین پارامتر از آزمایش‌های مختلف را به‌طور خودکار و پویا کنترل کرد و شرایط آن‌ها را تغییر داد. هوش مصنوعی می‌تواند اثرگذاری ارگان روی تراشه‌ها برای یافتن دارو را افزایش دهد، به‌طوری‌که محققان می‌توانند سریع‌تر دریابند که کدام متغیر را در مدل خود حفظ کرده و کدام را حذف کنند و بدین ترتیب سعی و خطا را کاهش دهند. به بیان دیگر،  با کمک یادگیری ماشین بخش زیادی از آزمایش نه روی ارگان روی تراشه بلکه روی تراشه‌های سیلیکونی و پردازنده‌های کامپیوتری انجام خواهد شد. اینگبر در سال 2014  از جمله کسانی بود که باور داشت ارگان روی تراشه‌ها هنوز در مراحل آغازین هستند و بیان کرد: «محققان این حوزه باید بدانند در این راه دشواری‌هایی زیادی وجود دارد که باید بر آن‌ها غلبه کرد تا بتوان امید داشت این فناوری مورد پذیرش قرار گرفته و به‌طور گسترده‌ای استفاده شود.» حالا با ‌گذشت حدود پنج سال آن‌ها معتقدند که این حوزه رشد خوبی داشته است و می‌توان بیش از آن‌چه که انتظار می‌رفت به آن امید داشت. باید در نظر داشت نمی‌توان به‌طور کامل فیزیولوژی بدن را در قالب ارگان روی تراشه خلاصه کرد، زیرا در هر مدل شبیه‌سازی شده به این روش نمی‌توان همه سلول‌های اصلی را گنجاند و ارگان های مختلف بصورت یک سیستم کامل به هم متصل نیستند. این امر از دقت آزمایش‌ها بخصوص برای دریافتن تعامل اجزا در واکنش به داروها می‌کاهد. از این‌رو و با توجه به این‌که نیازمند شبیه‌سازی یکپارچه سیستمی متشکل از ارگان‌های مختلف هستیم، کوچک‌سازی ارگان‌روی تراشه‌ها اهمیت بیشتری یافته است.  در آینده می‌توان علاوه بر آزمودن داروها به‌طور مستقیم روی بدن، بخشی از بدن را بر روی یک تراشه ساخت و حتا از پردازنده‌های الکترونیکی برای این ازمایش‌های پزشکی کمک گرفت 

ماهنامه شبکه را از کجا تهیه کنیم؟
ماهنامه شبکه را می‌توانید از کتابخانه‌های عمومی سراسر کشور و نیز از دکه‌های روزنامه‌فروشی تهیه نمائید.

ثبت اشتراک نسخه کاغذی ماهنامه شبکه     
ثبت اشتراک نسخه آنلاین

 

کتاب الکترونیک +Network راهنمای شبکه‌ها

  • برای دانلود تنها کتاب کامل ترجمه فارسی +Network  اینجا  کلیک کنید.

کتاب الکترونیک دوره مقدماتی آموزش پایتون

  • اگر قصد یادگیری برنامه‌نویسی را دارید ولی هیچ پیش‌زمینه‌ای ندارید اینجا کلیک کنید.

ایسوس

نظر شما چیست؟