AI கருவி ChromAgeNet அணு படங்களில் வயதாகும் இரத்த தண்டு செல்களை கண்டறிகிறது

வயதாகுதல் உடலின் கிட்டத்தட்ட ஒவ்வொரு அமைப்பையும் மறுவடிவமைக்கிறது, அதன் அமைதியான விளைவுகளில் ஒன்று இரத்தத்தில் தெரிகிறது. நாம் வயதாகும்போது, இரத்த செல்களை உற்பத்தி செய்யும் உறுப்புகள் மற்றும் திசுக்களான ஹீமாடோபாய்டிக் அமைப்பு, போதுமான இரத்த செல் உற்பத்தியை தக்கவைக்கும் திறனை இழக்கிறது. இரத்த தண்டு செல்கள் எவ்வாறு வயதாகின்றன, அவற்றின் செயல்பாட்டை எவ்வாறு பாதுகாக்கலாம் அல்லது மீட்டெடுக்கலாம் என்பதை ஆராயும் ஆராய்ச்சியாளர்களுக்கு, இந்த சரிவு வெறும் ஆர்வத்திற்குரியது அல்ல. இது ஒரு அளவீட்டு சிக்கல்.

Bellvitge Biomedical Research Institute (IDIBELL)-இன் Regenerative Medicine திட்டத்தின் ஆராய்ச்சியாளரும் ICREA ஆராய்ச்சி பேராசிரியருமான டாக்டர் Maria Carolina Florian தலைமையிலான குழு, மற்றும் Barcelona Supercomputing Center — Centro Nacional de Supercomputación (BSC-CNS) மற்றும் Barcelona Institute for Global Health (ISGlobal)-ஐ சேர்ந்த டாக்டர் Paula Petrone ஆகியோர் இதை தீர்க்க உதவும் ஒரு கருவியை அறிமுகப்படுத்தியுள்ளனர். ChromAgeNet என பெயரிடப்பட்ட இந்த அமைப்பு, குரோமாடினின் முப்பரிமாண அமைப்பை பகுப்பாய்வு செய்வதன் மூலம் ஹீமாடோபாய்டிக் தண்டு செல்களின் நுண்ணோக்கி படங்களில் வயதாகுதல் தொடர்பான வடிவங்களை கண்டறிய செயற்கை நுண்ணறிவை பயன்படுத்துகிறது. இந்த கண்டுபிடிப்புகள் Aging Cell இதழில் வெளியிடப்பட்டுள்ளன, மேலும் இந்த பணி ISGlobal-இல் ஆராய்ச்சியாளரான Pablo Iañez-இன் முனைவர் பட்ட ஆய்வின் மையப் பகுதியாக அமைந்தது.

ஒரு செல்லைப் பற்றி குரோமாடின் கூறுவது

குரோமாடின் என்பது செல் அணுக்கருவுக்குள் உள்ள பொருள் — முக்கியமாக DNA மற்றும் புரதங்களால் ஆனது — இது DNA-வை தொகுத்து, எந்த மரபணுக்கள் செயலில் உள்ளன என்பதை ஒழுங்குபடுத்த உதவுகிறது. அந்த தொகுப்பு வெறும் கட்டமைப்பு சார்ந்தது அல்ல. அது மரபணு செயல்பாட்டை பாதிக்கிறது என்பதால், குரோமாடின் அமைப்பு ஒரு செல்லின் அடையாளத்தையும் செயல்பாட்டையும் தீர்மானிக்க உதவுகிறது, மேலும் செல்கள் வயதாகும்போது அது மாறுகிறது.

ChromAgeNet அந்த உறவை நேரடியாக பயன்படுத்த கட்டமைக்கப்பட்டுள்ளது. சில மூலக்கூறு குறிப்பான்களை நம்புவதற்கு பதிலாக, இந்த கருவி அணுக்கரு படங்களுக்குள் குரோமாடினின் முப்பரிமாண ஏற்பாட்டை படித்து, ஏமாற்றும் அளவுக்கு எளிய ஒரு கேள்விக்கு பதிலளிக்கிறது: இந்த அணுக்கரு இளையதாக தெரிகிறதா அல்லது வயதானதாக தெரிகிறதா?

மாதிரி எவ்வாறு பயிற்சி பெற்றது

இந்த அமைப்பை உருவாக்க, ஆராய்ச்சியாளர்கள் DAPI-யால் கறை பூசப்பட்ட எலி ஹீமாடோபாய்டிக் தண்டு செல் அணுக்கருக்களின் முப்பரிமாண படங்களுடன் பணியாற்றினர். DAPI என்பது DNA-வை காட்சிப்படுத்துவதற்கான எளிய மற்றும் பரவலாக பயன்படுத்தப்படும் நுட்பமாகும். பின்னர் ஒரு கன்வல்யூஷனல் நியூரல் நெட்வொர்க் — குறிப்பாக படங்களை பகுப்பாய்வு செய்ய வடிவமைக்கப்பட்ட ஒரு வகை AI மாதிரி — தோற்றத்தின் அடிப்படையில் மட்டுமே இளைய செல்களை வயதானவற்றிலிருந்து பிரிக்க பயிற்சி அளிக்கப்பட்டது.

• படமெடுக்கும் உள்ளீடு: DAPI-யால் கறை பூசப்பட்ட எலி ஹீமாடோபாய்டிக் தண்டு செல் அணுக்கருக்களின் 3D நுண்ணோக்கி படங்கள்.
• மாதிரி வகை: பட பகுப்பாய்வுக்கு ஏற்ற ஒரு கன்வல்யூஷனல் நியூரல் நெட்வொர்க்.
• பணி: ஒவ்வொரு செல்லையும் அணுக்கரு தோற்றத்திலிருந்து இளையதா அல்லது வயதானதா என வகைப்படுத்துதல்.
• கவனம்: முன்வரையறுக்கப்பட்ட குறிப்பான்களை விட குரோமாடினின் முப்பரிமாண அமைப்பு.

இந்த அணுகுமுறை குறிப்பிடத்தக்கது, ஏனெனில் இது ஆராய்ச்சியாளர்கள் முன்கூட்டியே குறிப்பிட வேண்டியதில்லாமல், படங்களில் உள்ள எந்தவொரு வேறுபடுத்தும் அம்சங்களையும் மாதிரி கற்றுக்கொள்ள கேட்கிறது.

செயல்திறன்: 77% துல்லியம் மற்றும் ஒரு அளவுகோல் தோற்கடிக்கப்பட்டது

ஆராய்ச்சியாளர்களின் கூற்றுப்படி, ChromAgeNet அணுக்கருவின் தோற்றத்தின் அடிப்படையில் செல்களை இளையதா அல்லது வயதானதா என சரியாக வகைப்படுத்த 77% நிகழ்தகவை அடைந்தது. அந்த முடிவு, குழு முன்பு கையால் வரையறுத்த குரோமாடின் அம்சங்களில் கட்டமைக்கப்பட்ட ஒரு இயந்திர கற்றல் மாதிரியை விட சிறப்பாக செயல்பட்டது.

இந்த ஒப்பீடு முக்கியமானது. பயிற்சி பெற்ற நியூரல் நெட்வொர்க் ஒன்று, வழக்கமான, அம்சம் சார்ந்த அணுகுமுறைகள் தவறவிடும் அணுக்கரு கட்டமைப்பில் உள்ள வடிவங்களை — படங்களில் உள்ள ஆனால் ஆராய்ச்சியாளர்கள் பார்க்க தேர்ந்தெடுத்த குறிப்பிட்ட அளவீடுகளால் பிடிக்கப்படாத தகவலை — கண்டறிய முடியும் என்பதை இது குறிக்கிறது.

கண்ணால் பார்க்க முடியாததை கண்டறிதல்

இந்த ஆய்வின் கட்டமைப்பு நுண்ணோக்கியில் உள்ள ஒரு பரிச்சயமான சிக்கலை மையமாக கொண்டுள்ளது: மனித பார்வையாளர்கள் ஒரு அணுக்கருவை விவரிக்க முடியும், ஆனால் குரோமாடின் தொகுப்பில் உள்ள நுட்பமான, முப்பரிமாண வேறுபாடுகளை வயதின் நிலையான குறிகாட்டியாக நம்பகமாக தரவரிசைப்படுத்த முடியாது. அந்த நுட்பமான வேறுபாடுகளை மீண்டும் மீண்டும் மற்றும் பெரிய அளவில் கணக்கிடக்கூடிய ஒரு சமிக்ஞையாக மாற்றுவதற்கான ஒரு முயற்சியே ChromAgeNet.

அத்தகைய சமிக்ஞை நிலைத்திருந்தால், அது இரத்த தண்டு செல் வயதாகுதல் ஆய்வுக்கு பல வழிகளில் ஆதரவளிக்க முடியும். ஒரு சிகிச்சை தண்டு செல் செயல்பாட்டை பாதுகாக்கிறதா அல்லது மீட்டெடுக்கிறதா என்பதை சோதிக்கும் சோதனைகளுக்கு இது ஒரு சாத்தியமான வெளியீட்டை வழங்குகிறது. நுண்ணோக்கியின் கீழ் ஒரே மாதிரியாக தோன்றும் ஆனால் நடைமுறையில் வேறுவிதமாக செயல்படும் செல்களை வரிசைப்படுத்தவும் இது ஆராய்ச்சியாளர்களுக்கு உதவலாம்.

ஒரு பல்துறை முயற்சி

இந்த திட்டம் தண்டு செல் உயிரியல், வயதாகுதல், பட பகுப்பாய்வு மற்றும் செயற்கை நுண்ணறிவு ஆகியவற்றில் நிபுணத்துவத்தை ஒன்றிணைத்தது — இந்த கலவை ஈடுபட்டுள்ள நிறுவனங்களில் பிரதிபலிக்கிறது. இந்த பணி IDIBELL-இன் Regenerative Medicine திட்டம், BSC-CNS, மற்றும் "la Caixa" அறக்கட்டளையால் ஆதரிக்கப்படும் ஒரு மையமான ISGlobal உடன் இணைந்த ஆராய்ச்சியாளர்களால் வழிநடத்தப்பட்டது. இந்த ஆய்வு சக மதிப்பாய்வு செய்யப்பட்டது, மேலும் வெளியிடப்பட்ட படங்களில் பயன்படுத்தப்பட்ட படமெடுத்தல் IDIBELL-இன் டாக்டர் Eva Mejía-க்கு கடன் வழங்கப்பட்டது.

முடிவுகள் எதை நிறுவுகின்றன, எதை நிறுவவில்லை

இந்த கண்டுபிடிப்புகள் எலி ஹீமாடோபாய்டிக் தண்டு செல்கள் மற்றும் DAPI-கறை பூசப்பட்ட அணுக்கரு படங்களை அடிப்படையாக கொண்டவை, மேலும் அறிவிக்கப்பட்ட 77% துல்லியம் என்பது மாதிரி தவறானதல்ல, தகவலளிக்கக்கூடியது என்பதை குறிக்கிறது — தோராயமாக நான்கில் ஒரு வகைப்படுத்தல் எதிர் திசையில் செல்லும் என எதிர்பார்க்கப்படும். வெளியிடப்பட்ட சுருக்கம் மருத்துவ சரிபார்ப்பு அல்லது மனித நோயாளிகளில் பயன்பாட்டை விவரிக்கவில்லை.

அந்த எல்லைகளை மனதில் கொள்ள வேண்டும். ChromAgeNet ஒரு ஆராய்ச்சி கருவியாகவே சிறந்த முறையில் புரிந்து கொள்ளப்படுகிறது: தண்டு செல் ஆய்வகங்களில் ஏற்கனவே தரமானதாக உள்ள படங்களிலிருந்து, மலிவான மற்றும் வழக்கமான கறை பூசும் நுட்பத்தை பயன்படுத்தி, வயதாகுதல் தொடர்பான ஒரு சமிக்ஞையை பிரித்தெடுக்கும் ஒரு வழி.

இது ஏன் முக்கியம்

பரந்த அளவில் பங்கு என்பது வயதாகும்போது ஹீமாடோபாய்டிக் அமைப்பின் படிப்படியான சரிவில் உள்ளது. அந்த அமைப்பு இரத்த செல்களை வழங்குவதால், அதன் சிதைவு நோய் எதிர்ப்பு சக்தி, ஆக்ஸிஜன் போக்குவரத்து மற்றும் உறைதல் உள்ளிட்ட பிற செயல்பாடுகளை தொடுகிறது. இரத்த தண்டு செல்களின் வயதாகுதலை எளிதில் கவனிக்கக்கூடியதாக மாற்றும் கருவிகள், எது மாறுகிறது, எப்போது, மற்றும் ஏதேனும் தலையீடு அந்த பாதையை மாற்றுகிறதா என்பது பற்றி கூர்மையான கேள்விகளை கேட்க ஆராய்ச்சியாளர்களுக்கு உதவலாம்.

ChromAgeNet-இன் பங்களிப்பு உயிரியல் அளவுக்கு முறையியல் சார்ந்ததும் ஆகும். சாதாரண நுண்ணோக்கியில் பிடிக்கப்படும் குரோமாடின் கட்டமைப்பு, ஒரு நியூரல் நெட்வொர்க் கண்டறிய போதுமான வயது தொடர்பான தகவலை கொண்டுள்ளது — மேலும் இந்த அணுகுமுறை விஞ்ஞானிகள் தாங்களே வரையறுத்த அம்சங்களில் கட்டமைக்கப்பட்ட ஒரு மாதிரியை விட சிறப்பாக செயல்பட முடியும் என்பதை இது காட்டுகிறது. அதே சமிக்ஞையை மற்ற செல் வகைகள், பிற படமெடுக்கும் அமைப்புகள் அல்லது மனித மாதிரிகளுக்கு விரிவாக்க முடியுமா என்பது ஆய்வு தீர்க்காத ஒரு திறந்த கேள்வியாகவே உள்ளது.

முக்கிய கருத்து

• ChromAgeNet எனப்படும் ஒரு AI கருவி, 3D குரோமாடின் அமைப்பை பகுப்பாய்வு செய்வதன் மூலம் ஹீமாடோபாய்டிக் தண்டு செல் படங்களில் வயதாகுதல் தொடர்பான வடிவங்களை அடையாளம் காண்கிறது.
• இந்த மாதிரி எலி இரத்த தண்டு செல்களை இளையதா அல்லது வயதானதா என 77% சரியான நிகழ்தகவுடன் வகைப்படுத்தியது.
• ஆராய்ச்சியாளர்கள் முன்கூட்டியே வரையறுத்த குரோமாடின் அம்சங்களை அடிப்படையாக கொண்ட ஒரு இயந்திர கற்றல் மாதிரியை விட இது சிறப்பாக செயல்பட்டது.
• இந்த பணி IDIBELL, BSC-CNS மற்றும் ISGlobal-இல் உள்ள ஆராய்ச்சியாளர்களால் வழிநடத்தப்பட்டு Aging Cell-இல் வெளியிடப்பட்டது.
• இந்த அணுகுமுறை DAPI கறை பூசுதல் மற்றும் 3D அணுக்கரு படமெடுத்தல் நுட்பங்களை நம்பியுள்ளது, இவை தண்டு செல் ஆராய்ச்சியில் ஏற்கனவே பொதுவானவை.

இந்த கட்டுரை Medical Xpress-இன் செய்தி அறிக்கையை அடிப்படையாக கொண்டது. அசல் கட்டுரையை படிக்கவும்.