سلول های مجازی ساخته شده از مدل های هوش مصنوعی 4 بعدی و "دوقلوهای دیجیتال" می توانند کشف دارو را سرعت بخشند
میتوکندری ها - ساختارهای کوچکی که مواد مغذی را به انرژی تبدیل می کنند - اغلب به صورت اجسام مجزا به شکل لوبیا نشان داده می شوند. اما در واقعیت، آنها یک شبکه پویا و به هم پیوسته را در سراسر سلول تشکیل میدهند که به سرعت در حال تقسیم و ترکیب شدن به جایی هستند که انرژی بیشتر مورد نیاز است.
توسط سوزان کلارا بارد، دانشگاه کالیفرنیا - سن دیگو
ویرایش شده توسط گابی کلارک، بررسی توسط رابرت ایگان
این مقاله با توجه به روند و سیاست های ویرایشی Science X بررسی شده است. ویراستاران ضمن اطمینان از اعتبار محتوا، ویژگی های زیر را برجسته کرده اند:
میتوکندری ها - ساختارهای کوچکی که مواد مغذی را به انرژی تبدیل می کنند - اغلب به صورت اجسام مجزا به شکل لوبیا نشان داده می شوند. اما در واقعیت، آنها یک شبکه پویا و به هم پیوسته را در سراسر سلول تشکیل میدهند که به سرعت در حال تقسیم و ترکیب شدن به جایی هستند که انرژی بیشتر مورد نیاز است.
از آنجایی که شبکه های میتوکندری بر اساس سلامت سلولی تغییر شکل می دهند، می توان از آنها به عنوان نشانگر بیماری یا برای آزمایش درمان های جدید استفاده کرد. با این حال، درک اینکه چگونه این تغییرات بر عملکرد سلول تأثیر میگذارد، دشوار بوده است، زیرا میتوکندریها عمدتا بهعنوان عکسهای فوری و مسطح تصویر شدهاند.
اکنون، محققان دانشگاه کالیفرنیا سن دیگو دو رویکرد متفاوت را برای تعیین کمیت این تغییرات مورفولوژیکی با ایجاد "سلول های مجازی" به کار گرفته اند - مدل های دیجیتالی که فرآیندهای بیولوژیکی پویا سلول های واقعی را تقلید می کنند. هر دو روش از میکروسکوپ ورقه نوری شبکه 4 بعدی استفاده می کنند، یک تکنیک پیشرفته که نحوه حرکت میتوکندری و سایر ساختارها را در طول زمان به صورت سه بعدی نشان می دهد.
یک رویکرد، یک مدل هوش مصنوعی (AI) یادگیری عمیق را بر روی 40000 فیلم 4 بعدی از سلولهای تحت درمان با دارو آموزش داد تا سلامت سلولی را تنها از روی شکل میتوکندری پیشبینی کند.
دیگری با تعریف مجموعه ای از قوانین در مورد نحوه رفتار اندامک های آن (ساختارهای داخلی کوچک) و اجرای آن قوانین در یک مدل مبتنی بر فیزیک، یک "دوقلوی دیجیتالی" از یک سلول زنده را از یک فیلم 4 بعدی ساخت. محققان دریافتند که نحوه واکنش شبکههای میتوکندری مجازی به داروها با سلولهای واقعی مطابقت دارد.
این مطالعات که هر دو در Cell منتشر شدهاند، میتوانند وابستگی به آزمایشهای آزمایشگاهی زمانبر را کاهش دهند و کشف دارو برای انواع بیماریها از جمله سرطان، دیابت، آلزایمر و اختلالات میتوکندریایی کودکان را تسریع بخشند.
محققان سلولهای سرطانی را با 25 ترکیب مختلف که از طریق مکانیسمهای مختلف میتوکندری را مختل میکنند، درمان کردند و 40000 فیلم 4 بعدی تک سلولی تولید کردند. آنها از این کتابخانه برای آموزش یک مدل یادگیری عمیق به نام MitoSpace استفاده کردند. برخلاف بسیاری از مدلهای هوش مصنوعی که انسان را ملزم به برچسبگذاری دستی تصاویر میکند، MitoSpace به تنهایی الگوهایی را پیدا کرد و آموخت که چه چیزی میتوکندری یک سلول را از سلول دیگر متمایز میکند.
نتایج شگفتانگیز بود: بدون دانستن اینکه کدام دارو بر روی هر سلول استفاده شده است، مدل یک نقشه سازمانیافته تولید کرد که سلولهایی را که به روشهای مشابهی پاسخ میدهند گروهبندی کرد. علاوه بر این، این مدل تنها بر اساس شکل و حرکت میتوکندری آن در 26 شرایط دارویی قادر به پیشبینی وضعیت انرژی سلول بود.
یوهانس شونبرگ، استادیار دانشکده فارماکولوژی و دانشیار دانشکده داروسازی دانشگاه کالیفرنیا سان دیگویکولار و دانشکده پزشکی بیوکلیز و بیوکلیس، یوهانس شونبرگ، نویسنده مقاله، برای یک قرن معتقد بودیم که شکل میتوکندری عملکرد را منعکس میکند؛ این نشان میدهد که این رابطه به اندازه کافی قوی است که یک مدل میتواند آن را بیاموزد بدون اینکه پاسخی به او نشان داده شود.
هنگامی که این مدل بر روی فیلمهای 4 بعدی آموزش دید، داروها را از هم جدا کرد و آنها را بر اساس مکانیسم با دقت 75 درصد گروهبندی کرد، در مقایسه با دقت 56 درصدی که در تصاویر 2 بعدی مسطح که امروزه در صفحهنمایش مواد مخدر در مقیاس بزرگ رایج است، آموزش داده میشود.
شونبرگ می گوید: «سلول یک جسم چهار بعدی است: عمق دارد و هرگز از حرکت باز نمی ایستد». سلولهای مجازی باید بر اساس دادههایی ساخته شوند که این واقعیت را نشان میدهند.
استفاده از MitoSpace با فیلمهای 4 بعدی میتواند کشف درمانهای جدید برای بیماریها را سرعت بخشد و کاربردهای جدید داروهای موجود را آشکار کند. همچنین با سازماندهی داروهایی که قبلا ندیده بود و دسته بندی سلول های ارگانوئیدی ریه انسان بر اساس مرحله رشد آنها بدون آموزش مجدد، سازگاری را نشان داد. این نشان می دهد که این مدل می تواند به یک ابزار همه منظوره در زیست شناسی سلولی تبدیل شود.
در مطالعه سلولی دیگر، محققان یک "دوقلو دیجیتالی" مبتنی بر فیزیک از یک سلول سرطانی واقعی ایجاد کردند. آنها با استفاده از نرمافزار تخصصی آنالیز تصویر، موقعیت میتوکندریها و مسیرهای میکروتوبولی را که روی آنها حرکت میکنند، ترسیم کردند، سپس پروتئینهای موتوری را که آنها را بر اساس نرخهای تعیینشده قبلی انتقال میدهند، اضافه کردند.
این سلول مجازی قوانین حرکت را در خود گنجانده بود و تیم شونبرگ پارامترهای آن را تا زمانی تنظیم کردند که رفتار میتوکندریایی با سلول واقعی مطابقت داشته باشد.
شونبرگ گفت: «ما یک سلول مجازی مبتنی بر فیزیک ساختهایم و میتوانیم آن را کنار هم با فیلم میکروسکوپ سه بعدی واقعی مقایسه کنیم، چیزی که قبلا هرگز امکانپذیر نبوده است».
برای آزمایش این مدل، تیم از آن خواست تا پیشبینی کند که وقتی میکروتوبولها تا حدی توسط دارویی به نام نوکودازول تجزیه میشوند، میتوکندری چگونه پاسخ میدهد. بدون تغییر یک پارامتر، دوقلو دیجیتال کاهش حرکت و همجوشی و نرخ شکافت را در سلولهای واقعی تحت درمان با دارو بازتولید کرد. شونبرگ فکر میکند که چنین دوقلوهای دیجیتالی میتوانند برای آزمایش اثرات دارو، جهشهای بیماری یا طرحهای مهندسی سلولی، صرفهجویی در تلاش تجربی و تسریع تحقیقات مورد استفاده قرار گیرند.
شونبرگ گفت: Cal27 یک خط سرطان سر و گردن است که در آن تنظیم میتوکندری یک سوال فعال است. با درک تنظیم میتوکندری، در نهایت میتوانیم راههای جدیدی برای درمان سرطان با استفاده از دوقلوهای دیجیتال پیدا کنیم.»
با نگاهی به آینده، تیم شونبرگ قصد دارد MitoSpace و سلول های مجازی دوقلوی دیجیتال را در یک جریان کاری واحد ترکیب کند. مدل هوش مصنوعی الگوهایی را در حجم وسیعی از داده ها پیدا می کند و دوقلوهای دیجیتال دلایل فیزیکی پشت این الگوها را بررسی می کنند. با ادغام سایر اندامک های سلولی در این مدل ها، محققان امیدوارند که یک سلول انسانی مجازی کامل بسازند.
شونبرگ گفت: "آینده نهایی یک سلول نیست، بلکه سلول های متعددی است که به عنوان بافت عمل می کنند." مدلسازی بافتهای کامل به ما امکان میدهد زیستشناسی واقعیتر انسان را شبیهسازی کنیم و در نهایت به درمان بالینی اطلاع دهیم.
Dhruv Agarwal و همکاران، چشم انداز فضایی 4 بعدی فنوتیپ های میتوکندری در سراسر حالات سلولی باز شده از طریق یادگیری بازنمایی، Cell (2026). DOI: 10.1016/j.cell.2026.08.028
شبیهسازیهای دوقلوی دیجیتال مبتنی بر ذرات کل سلول از دادههای میکروسکوپ ورق نوری شبکه 4 بعدی، Cell (2026). DOI: 10.1016/j.cell.2026.06.010 www.cell.com/cell/fulltext/S0092-8674(26)00697-5
ارائه شده توسط دانشگاه کالیفرنیا - سن دیگو
کارشناسی ارشد زبان انگلیسی، ویرایشگر کپی از سال 2021 با تجربه در آموزش عالی و محتوای بهداشتی. تقدیم به اخبار معتبر علمی. نمایه کامل →
لیسانس زیست شناسی ریاضی، کارشناسی ارشد در نوشتن خلاق. خوش سفر با دیدگاه های منحصر به فرد در علم و زبان. نمایه کامل →
متن اصلی (انگلیسی)
Virtual cells built from 4D AI models and 'digital twins' could speed up drug discovery
Mitochondria—tiny structures that convert nutrients into energy—are often depicted as discrete kidney bean-shaped objects. But in reality, they form a dynamic, interconnected network throughout the entire cell, rapidly splitting and fusing as they're transported to where energy is needed most.