تاریخ انتشار: چهارشنبه 21 آبان 1404
 مدل متابولیکی در مقیاس ژنومی برای سلول‌های بنیادی پرتوان
یادداشت

  مدل متابولیکی در مقیاس ژنومی برای سلول‌های بنیادی پرتوان

معرفی hiPSCGEM01: ابزاری نوین برای بهینه‌سازی کاربردهای درمانی سلول‌های بنیادی
امتیاز: Article Rating

به گزارش پایگاه اطلاع‌رسانی بنیان، سلول‌های بنیادی پرتوان القایی انسانی (hiPSCs) که در شرایط آزمایشگاهی تولید می‌شوند، ابزاری انقلابی برای بازسازی و ترمیم بافت‌ها هستند. درک پیچیدگی‌های متابولیکی این سلول‌ها برای بهینه‌سازی عملکرد آن‌ها در شرایط محیطی مختلف و بهبود استراتژی‌های تولید حیاتی است. مطالعه حاضر مدل متابولیکی در مقیاس ژنومی (GEM) جدیدی به نام hiPSCGEM01 را معرفی می‌کند که به طور خاص برای hiPSCs مشتق از فیبروبلاست طراحی شده و از مدل‌های موجود سلول‌های بنیادی جنینی و سرطانی متمایز است. این مدل با استفاده از داده‌های بیان ژنوم از Gene Expression Omnibus (GEO) و چارچوب RECON 3D توسعه یافت. واکنش‌ها و ژن‌های غیرضروری حذف شدند و واکنش‌های کلیدی، از جمله تبادل و انتقال متابولیت‌ها بین محیط‌های داخل و خارج سلولی، به همراه متابولیت‌های مورد نیاز برای شبیه‌سازی محیط رشد، در مدل گنجانده شدند. واکنش‌های مسدود و متابولیت‌های بن‌بست شناسایی و رفع شدند.

شبیه‌سازی‌های حذف ژن همراه با تحلیل تعادل شار (FBA) برای شناسایی ژن‌ها و متابولیت‌های ضروری در شبکه متابولیکی استفاده شد. این مدل به طور غیرمنتظره‌ای نقش متابولیسم نیترات و زنوبیوتیک را در hiPSCs نشان داد که قبلاً با این سلول‌ها مرتبط نبودند و مکانیزم‌های جدیدی از سازگاری سلولی را پیشنهاد می‌کند. hiPSCGEM01 بستری قوی برای تحلیل‌های آزمایشگاهی و بهینه‌سازی منطقی آزمایش‌های in vitro فراهم می‌کند. کاربردهای آینده شامل ارزیابی و اصلاح محیط‌های کشت، طراحی فرمولاسیون‌های جدید و پیش‌بینی پاسخ‌های hiPSCs در شرایط مختلف رشد است که نتایج تجربی و بالینی را ارتقا می‌دهد.

 

 مقدمه: اهمیت سلول‌های بنیادی پرتوان القایی

سلول‌های بنیادی پرتوان القایی انسانی (hiPSCs) با بازبرنامه‌ریزی سلول‌های بالغ مانند فیبروبلاست‌ها به حالت پرتوان با استفاده از فاکتورهای یاماناکا (Oct3/4، c-Myc، Klf4، Sox2) تولید می‌شوند. این پیشرفت، حوزه پزشکی بازساختی را متحول کرده و گزینه‌ای بدون نگرانی‌های اخلاقی مرتبط با سلول‌های بنیادی جنینی (ESCs) ارائه می‌دهد. hiPSCs به دلیل اشتراک ژنتیکی با بیمار، خطر رد ایمنی را از بین می‌برند و راه را برای پزشکی شخصی‌سازی‌شده هموار می‌کنند. درک متابولیسم hiPSCs برای بهینه‌سازی پتانسیل درمانی آن‌ها، حفظ پرتوانی، تمایز و عملکردهای سلولی ضروری است. مدل‌های متابولیکی در مقیاس ژنومی (GEMs) چارچوبی جامع برای کاوش جنبه‌های متابولیکی سلولی ارائه می‌دهند و از محدودیت‌های مدل‌های ریاضی سنتی فراتر می‌روند. این مدل‌ها در زمینه‌های مختلف پزشکی و زیستی، از بررسی جنبه‌های ناشناخته سلولی تا شناسایی اهداف درمانی جدید برای کشف دارو و پزشکی شخصی‌سازی‌شده کاربرد دارند. hiPSCGEM01 اولین GEM خاص برای hiPSCs مشتق از فیبروبلاست است که مسیرهای متابولیکی کمتر شناخته‌شده مانند متابولیسم نیترات و زنوبیوتیک را بررسی می‌کند و شکاف مهمی در این حوزه پر می‌کند.

 

 روش‌های توسعه مدل hiPSCGEM01

بازسازی hiPSCGEM01 با ادغام پایگاه‌های داده بیوشیمیایی، الگوریتم‌های محاسباتی و اصلاح دستی انجام شد. داده‌های بیان ژنوم از فیبروبلاست‌های انسانی از بانک GEO انتخاب شد و با استفاده از چارچوب RECON 3D ادغام گردید. مدل اولیه شامل 4038 متابولیت، 6024 واکنش و 3697 ژن بود. واکنش‌ها و ژن‌های غیرضروری حذف شدند و متابولیت‌ها و واکنش‌های تبادل/انتقال ضروری برای شبیه‌سازی محیط رشد hiPSCs اضافه شدند. شرایط محیط کشت استاندارد (mTeSR) شبیه‌سازی شد و غلظت‌های متابولیت به شارهای متابولیکی تبدیل شدند. برای اطمینان از سازگاری مدل، بررسی‌های جامعی برای شناسایی و حذف متابولیت‌های بن‌بست (DEMs) و واکنش‌های مسدود (BRs) انجام شد. ابزارهای COBRA و MEMOTE برای اعتبارسنجی مدل استفاده شدند که سازگاری استوکیومتری و شار را تأیید کردند. تحلیل تعادل شار (FBA) برای ارزیابی شبکه متابولیکی و شناسایی ژن‌ها و متابولیت‌های ضروری به کار رفت.

 

 تحلیل ژن‌های ضروری

ژن‌های ضروری برای بقا، رشد و تولیدمثل سلولی حیاتی‌اند و شناسایی آن‌ها بینش‌هایی در مورد مسیرهای متابولیکی و تنظیم‌کننده کلیدی فراهم می‌کند. در این مطالعه، FBA برای ارزیابی اهمیت ژن‌ها در شبکه متابولیکی hiPSCs استفاده شد. شبیه‌سازی‌های حذف ژن به صورت تک‌تک انجام شد و تأثیر آن‌ها بر نرخ رشد سلولی بررسی گردید. از 2773 ژن در مدل نهایی، 764 ژن به عنوان کاندیداهای ضروری شناسایی شدند و 50 ژن به دلیل کاهش قابل‌توجه نرخ رشد سلولی به عنوان ژن‌های ضروری طبقه‌بندی شدند. تحلیل غنی‌سازی ژن (GO) بر روی این 50 ژن، دسته‌بندی‌هایی در فرآیندهای زیستی (BP)، اجزای سلولی (CC) و عملکردهای مولکولی (MF) نشان داد. با این حال، حذف ژن‌های ضروری اغلب مسیرهای جایگزین را فعال می‌کند، که ارزیابی دقیق اثرات متابولیکی را پیچیده می‌کند. این موضوع نیاز به تحقیقات دقیق‌تر در مورد متابولیت‌های ضروری را برجسته می‌کند.

 

 تحلیل متابولیت‌های ضروری

متابولیت‌های ضروری برای تولید انرژی، بیوسنتز ماکرومولکول‌ها، انتقال سیگنال و هموستاز سلولی حیاتی‌اند. برای شناسایی متابولیت‌های ضروری در hiPSCs، تحلیل اهمیت متابولیت‌ها انجام شد. حذف کامل هر متابولیت به صورت جداگانه شبیه‌سازی شد و متابولیت‌هایی که حذف آن‌ها منجر به کاهش ≥50٪ در تولید زیست‌توده شد، به عنوان ضروری طبقه‌بندی شدند. از 4295 متابولیت در hiPSCGEM01، تعداد 430 متابولیت ضروری شناسایی شدند. تحلیل اتصال متابولیت‌ها نشان داد که متابولیت‌های ضروری دارای اتصال بالاتر و توزیع درجه‌ای مشابه توزیع قانون توان هستند. تحلیل شار پس از حذف متابولیت‌ها نشان داد که متابولیت‌های ضروری مقادیر شار نزدیک به صفر دارند، که نقش حیاتی آن‌ها در رشد سلولی را تأیید می‌کند.

 

 کاربردهای بالقوه hiPSCGEM01

hiPSCGEM01 بستری قوی برای تحلیل‌های آزمایشگاهی فراهم می‌کند و امکان بهینه‌سازی منطقی آزمایش‌های in vitro را می‌دهد. این مدل می‌تواند برای ارزیابی و اصلاح محیط‌های کشت، طراحی فرمولاسیون‌های جدید و پیش‌بینی پاسخ‌های hiPSCs در شرایط مختلف رشد استفاده شود. کشف غیرمنتظره نقش متابولیسم نیترات و زنوبیوتیک در hiPSCs مکانیزم‌های جدیدی از سازگاری سلولی را پیشنهاد می‌کند که نیاز به تحقیقات بیشتر دارد. این یافته‌ها می‌توانند به بهبود کارایی بازبرنامه‌ریزی، نتایج تمایز و عملکرد کلی hiPSCs برای کاربردهای درمانی کمک کنند. همچنین، مدل امکان شبیه‌سازی پاسخ‌های متابولیکی به تغییرات در ترکیب محیط کشت را فراهم می‌کند که برای توسعه استراتژی‌های درمانی شخصی‌سازی‌شده مفید است.

 

 محدودیت‌ها و جهت‌گیری‌های آینده

محدودیت اصلی این مطالعه، وابستگی به داده‌های بیان ژنوم از یک مجموعه خاص (GEO) است که ممکن است تنوع کامل متابولیکی hiPSCs را پوشش ندهد. علاوه بر این، مدل بر شرایط کشت استاندارد تمرکز دارد و ممکن است نیاز به تطبیق با شرایط محیطی مختلف داشته باشد. تحقیقات آینده می‌توانند با ادغام داده‌های چند-امتیک (ترانسکریپتومیک، پروتئومیک) و تکنیک‌های هوش مصنوعی، دقت مدل را بهبود بخشند. کاوش مسیرهای متابولیکی نوظهور مانند نیترات و زنوبیوتیک می‌تواند بینش‌های جدیدی در مورد سازگاری سلولی فراهم کند. گسترش کاربردهای hiPSCGEM01 به بیماری‌های خاص، مانند اختلالات عصبی-روانی یا سرطان، می‌تواند به کشف اهداف درمانی جدید منجر شود.

 

 نتیجه‌گیری: گامی به سوی پزشکی بازساختی

hiPSCGEM01 به عنوان اولین GEM خاص برای hiPSCs مشتق از فیبروبلاست، ابزار نوینی برای مطالعه متابولیسم سلولی و بهینه‌سازی کاربردهای درمانی ارائه می‌دهد. این مدل با شناسایی ژن‌ها و متابولیت‌های ضروری و کشف مسیرهای متابولیکی جدید، شکاف‌های موجود در درک متابولیسم hiPSCs را پر می‌کند. کاربردهای آن در بهبود محیط‌های کشت، پیش‌بینی پاسخ‌های سلولی و توسعه درمان‌های شخصی‌سازی‌شده، پتانسیل بالایی برای پیشرفت پزشکی بازساختی دارد.

پایان مطلب/

ثبت امتیاز
نظرات
در حال حاضر هیچ نظری ثبت نشده است. شما می توانید اولین نفری باشید که نظر می دهید.
ارسال نظر جدید

تصویر امنیتی
کد امنیتی را وارد نمایید:

کلیدواژه
کلیدواژه
دسته‌بندی اخبار
دسته‌بندی اخبار
Skip Navigation Links.