حسگر نانویی می‌تواند ذات‌الریه ویروسی و باکتریایی را تشخیص دهد

به گزارش گروه دانشگاه خبرگزاری دانشجو، محققان موسسه فناوری ماساچوست (MIT) به تازگی حسگری طراحی کرده‌اند که می‌تواند بین عفونت‌های ذات الریه ویروسی و باکتریایی تمایز قائل شود. این گروه تحقیقاتی امیدوارند که این حسگر نانویی به پزشکان در انتخاب درمان مناسب ذات‌الریه کمک کند.

بسیاری از انواع مختلف باکتری‌ها و ویروس‌ها می‌توانند باعث ذات‌الریه شوند، اما هیچ راه آسانی برای تعیین اینکه کدام میکروب باعث ذات‌الریه یک بیمار خاص می‌شود وجود ندارد. این عدم قطعیت، انتخاب درمان‌های مؤثر را برای پزشکان سخت‌تر می‌کند، زیرا آنتی‌بیوتیک‌هایی که معمولاً برای درمان پنومونی باکتریایی استفاده می‌شوند به بیماران مبتلا به پنومونی ویروسی کمکی نمی‌کنند. علاوه بر این، محدود کردن استفاده از آنتی‌بیوتیک‌ها گام مهمی در جهت مهار مقاومت آنتی‌بیوتیکی است.

چالش اصلی این است که تعداد زیادی پاتوژن مختلف وجود دارد که می‌تواند منجر به انواع مختلف ذات‌الریه شود و حتی با گسترده‌ترین و پیشرفته‌ترین آزمایش‌ها، پاتوژن خاصی که باعث بیماری فرد می‌شود، در نیمی از بیماران قابل شناسایی نیست. اگر یک ذات‌الریه ویروسی را با آنتی‌بیوتیک‌ها درمان کنید، به مقاومت آنتی‌بیوتیکی کمک می‌کنید، که مشکل بزرگی است و بیمار بهتر نمی‌شود.

در مطالعه‌ای که روی موش‌ها انجام شده، محققان نشان دادند که حسگر‌های آن‌ها می‌توانند با استفاده از یک آزمایش ساده ادرار، پنومونی باکتریایی و ویروسی را در عرض دو ساعت به‌طور دقیق تشخیص دهند.

در طراحی حسگر خود، این تیم تحقیقاتی تصمیم گرفت به جای تلاش برای شناسایی خود پاتوژن، بر روی اندازه گیری پاسخ میزبان به عفونت تمرکز کند. عفونت‌های ویروسی و باکتریایی انواع متمایزی از پاسخ‌های ایمنی را تحریک می‌کنند که شامل فعال شدن آنزیم‌هایی به نام پروتئاز می‌شود که پروتئین‌ها را تجزیه می‌کنند. تیم MIT دریافت که الگوی فعالیت آنزیم‌ها می‌تواند به عنوان نشانه‌ای از عفونت باکتریایی یا ویروسی باشد.

ژنوم انسان بیش از ۵۰۰ پروتئاز را رمزگذاری می‌کند و بسیاری از آن‌ها توسط سلول‌هایی که به عفونت پاسخ می‌دهند از جمله سلول‌های T، نوتروفیل‌ها و سلو‌ل‌های کشنده طبیعی (NK) استفاده می‌شود. تیمی به سرپرستی پوروش خاتری، در دانشگاه استنفورد و یکی از نویسندگان مقاله مربوط به این پروژه، ۳۳ مجموعه داده عمومی از ژن‌هایی که در طول عفونت‌های تنفسی بیان می‌شوند، را جمع آوری کردند. با تجزیه و تحلیل این داده‌ها، خاتری توانست ۳۹ پروتئاز را شناسایی کند که به نظر می‌رسد واکنش متفاوتی به انواع مختلف عفونت نشان می‌دهند.

باتیا و شاگردانش سپس از این داده‌ها برای ایجاد ۲۰ حسگر مختلف استفاده کردند که می‌توانند با آن پروتئاز‌ها تعامل داشته باشند. حسگر‌ها از نانوذرات پوشیده شده با پپتید‌ها تشکیل شده‌اند که می‌توانند توسط پروتئاز‌های خاص شکافته شوند. هر پپتید با یک مولکول گزارشگر برچسب گذاری می‌شود. این گزارشگران در نهایت از طریق ادرار دفع می‌شوند. سپس ادرار را می‌توان با طیف سنجی جرمی تجزیه و تحلیل کرد تا مشخص شود کدام پروتئاز‌ها در ریه‌ها بیشتر فعال هستند.

محققان حسگر‌های خود را در پنج مدل موش مختلف از ذات‌الریه که در اثر عفونت‌های استرپتوکوک پنومونیه، کلبسیلا پنومونیه، هموفیلوس آنفولانزا، ویروس آنفولانزا و ویروس ذات‌الریه موش‌ها ایجاد می‌شود، آزمایش کردند.

پس از خواندن نتایج آزمایش‌های ادرار، محققان از یادگیری ماشینی برای تجزیه و تحلیل داده‌ها استفاده کردند. با استفاده از این رویکرد، آن‌ها توانستند الگوریتم‌هایی را آموزش دهند که می‌تواند بین ذات‌الریه از افراد سالم تمایز قائل شود و همچنین بر اساس آن ۲۰ حسگر، ویروسی یا باکتریایی بودن عفونت را تشخیص دهد.