شمارش سلول‌های رنگ‌آمیزی‌شده، ارزیابی اثربخشی دارو‌های سرطان را بهبود می‌بخشد

به گزارش مجله خبری نگار، دانشمندان دریافته‌اند که شمارش خودکار سلول‌های رنگ‌آمیزی‌شده با رنگ‌های فلورسنت، امکان ارزیابی اثربخشی دارو‌های ضد تومور را با دقتی بیش از دو برابر آزمایش‌های سم‌شناسی فراهم می‌کند. آزمایش‌های سم‌شناسی به‌طور سنتی برای آزمایش اثر دارو‌ها استفاده می‌شوند، اما در مورد برخی ترکیبات، همانطور که مشخص شد، تخمین‌های اثربخشی کمتری ارائه می‌دهند، یعنی دارو را «دست‌کم» می‌گیرند. داده‌های به‌دست‌آمده توسط نویسندگان در حوزه عمومی منتشر شده است و سایر دانشمندان می‌توانند از آنها در جستجوی دارو‌های مؤثر برای مبارزه با سرطان استفاده کنند. نتایج این مطالعه که با کمک مالی بنیاد علوم روسیه (RSF) پشتیبانی می‌شود، در مجله Cell Death Discovery منتشر شد.

قبل از معرفی هر دارویی به عرصه بالینی، باید اثربخشی آن آزمایش شود. بنابراین، برای ارزیابی عملکرد دارو‌های ضد تومور، دانشمندان از آزمایش‌های سم‌شناسی استفاده می‌کنند. در چارچوب چنین آزمایش‌هایی، میزان مولکول‌های مهم برای فعالیت حیاتی آنها، به عنوان مثال، ATP، که به عنوان منبع انرژی عمل می‌کند، در کشت سلول‌های سرطانی اندازه‌گیری می‌شود. اگر دارو مؤثر باشد، اثر سمی بر سلول‌های تومور دارد و فرآیند‌های حیاتی آنها را بدتر می‌کند و بنابراین مقدار این مولکول‌ها در سلول‌ها کاهش می‌یابد. با این حال، آزمایش‌های سم‌شناسی گاهی اوقات به دلیل این واقعیت که دارو فقط می‌تواند سطح ATP را در سلول‌های سرطانی کاهش دهد یا برعکس، به طور قابل توجهی افزایش دهد، اما آنها را از بین نمی‌برد، نتایج غیرقابل اعتمادی ارائه می‌دهند. چنین ارزیابی‌ای امید کاذبی برای اثربخشی دارو ایجاد می‌کند. روش آزمایش دیگری می‌تواند به عنوان جایگزین عمل کند - شمارش مستقیم تعداد سلول‌هایی که پس از معرفی دارو به کشت مرده‌اند. با این حال، تاکنون مشخص نبود که کدام رویکرد دقیق‌تر است و آیا آنها در مطالعه انواع مختلف سلول‌های سرطانی و دارو‌های مختلف به یک اندازه مؤثر هستند یا خیر.

دانشمندان موسسه زیست‌شناسی مولکولی انگلهارت آکادمی علوم روسیه (مسکو) رویکرد‌های مختلفی را برای ارزیابی اثربخشی دارو‌های ضد تومور مقایسه کردند. ابتدا، نویسندگان سلول‌های سرطانی ریه، سلول‌های سرطانی تخمدان، سلول‌های گلیوبلاستوما و سلول‌های نوروبلاستوما (نئوپلاسم‌هایی در بافت عصبی) را با شش داروی ضد تومور با مکانیسم‌های عمل متفاوت درمان کردند. سه روز پس از درمان، محققان با استفاده از سه روش، زیست‌پذیری سلول‌های سرطانی را ارزیابی کردند: آزمایش سم‌شناسی؛ رنگ‌آمیزی انتخابی سلول‌های مرده با رنگی که قادر به نفوذ به سلول‌های زنده نیست؛ و شمارش خودکار هسته‌های رنگ‌آمیزی شده با رنگ‌های فلورسنت مختلف، یعنی رنگ‌های درخشان. در مورد دوم، نویسندگان هسته‌های سلول‌های سرطانی را با برچسب‌های فلورسنت "علامت‌گذاری" کردند که الگوریتم یادگیری ماشین از آن برای یافتن و شمارش آنها در تصاویر کشت سلولی استفاده کرد. این رویکرد امکان تجزیه و تحلیل تصاویر را در اسرع وقت فراهم کرد.

معلوم شد که آزمایش سم‌شناسی در مقایسه با سایر رویکردها، اثربخشی دارو را حدود ۱۰ تا ۲۰ درصد کمتر از مقدار واقعی تخمین می‌زند و غلظت‌های مورد نیاز برای سرکوب رشد سلول را چندین برابر بیشتر از مقدار واقعی تخمین می‌زند. به عبارت دیگر، آزمایش سم‌شناسی منجر به نتیجه‌گیری‌های نادرست می‌شود: به عنوان مثال، گزارش می‌دهد که سلول‌ها در برابر دارو مقاوم هستند، اگرچه در واقع اینطور نیست. علاوه بر این، خطا در چنین ارزیابی به داروی مورد آزمایش بستگی داشت. بنابراین، هنگام ارزیابی اثربخشی داساتینیب، دارویی برای درمان میلولوسمی (سرطان خون و مغز استخوان)، مشخص شد که این حداکثر مقدار است.

برای اثبات اینکه نوع دارو بر دقت ارزیابی تأثیر می‌گذارد، دانشمندان علاوه بر این، میزان زنده ماندن سلول‌های سرطان ریه را تحت تأثیر ۳۰ داروی ضد تومور دیگر نیز اندازه‌گیری کردند. این آزمایش نشان داد که بیشترین تفاوت بین نتایج به‌دست‌آمده از روش‌های مختلف، هنگام تجزیه و تحلیل موادی که چرخه سلولی سلول‌های سرطانی را سرکوب می‌کنند و همچنین ترمیم DNA آسیب‌دیده، ایجاد می‌شود.

نویسندگان داده‌های مربوط به اثربخشی ۳۰ داروی ضد تومور که با استفاده از روش‌های مختلف به دست آمده‌اند را در دسترس عموم قرار داده‌اند تا متخصصانی که ترکیبات دارویی جدید را توسعه و آزمایش می‌کنند، بتوانند از آنها استفاده کنند. این به آنها کمک می‌کند تا بفهمند کدام روش تجزیه و تحلیل یک دارو با یک اصل عمل خاص دقیق‌تر خواهد بود.

نویسندگان تأکید می‌کنند که این رویکرد، مبتنی بر تجسم سلولی با استفاده از رنگ‌های فلورسنت و شمارش خودکار آنها با استفاده از الگوریتم‌های یادگیری ماشین، امکان شناسایی حتی سلول‌های سرطانی منفردی را که از اثرات دارو‌های ضد تومور جان سالم به در برده‌اند، فراهم می‌کند. به لطف این، می‌توان از آن برای ردیابی موارد مقاومت تومور در برابر درمان استفاده کرد. این امر به تسریع جستجوی دارو‌هایی با هدف از بین بردن سلول‌های مقاوم در برابر دارو‌های کلاسیک کمک خواهد کرد.

تیموفی لبدف، محقق ارشد موسسه زیست‌شناسی مولکولی انگلهارت آکادمی علوم روسیه که ریاست این پروژه را با حمایت مالی بنیاد علوم روسیه بر عهده دارد، می‌گوید: «ما نشان داده‌ایم که شمارش سلول‌ها با استفاده از رنگ‌های فلورسنت و الگوریتم‌های یادگیری ماشینی می‌تواند خطا‌های اندازه‌گیری که در آزمایش‌های استاندارد سم‌شناسی رخ می‌دهد را به طور قابل توجهی کاهش دهد. مطالعه ما مبنایی برای توسعه رویکردی جدید در روسیه برای مطالعه عملکرد دارو‌ها بر اساس میکروسکوپ خودکار در ترکیب با الگوریتم‌های مدرن تشخیص تصویر و پردازش کلان داده ایجاد می‌کند.»

این مطالب توسط سرویس مطبوعاتی بنیاد علوم روسیه ارائه شده است