Kesan pertama sangat berpengaruh dalam sistem kekebalan – ScienceDaily

Kesan pertama sangat berpengaruh dalam sistem kekebalan – ScienceDaily

[ad_1]

Kesan pertama itu penting – mereka dapat mengatur panggung untuk keseluruhan jalannya hubungan. Hal yang sama berlaku untuk kesan sel-sel sistem kekebalan kita terbentuk saat pertama kali bertemu dengan bakteri baru. Dengan menggunakan wawasan ini, para peneliti Weizmann Institute of Science telah mengembangkan algoritma yang dapat memprediksi timbulnya penyakit seperti tuberkulosis. Temuan penelitian ini baru-baru ini dipublikasikan di Komunikasi Alam.

Dr. Roi Avraham, yang kelompoknya di Departemen Regulasi Biologi Institut melakukan penelitian, menjelaskan: “Ketika sel kekebalan dan bakteri bertemu, ada beberapa hasil. Sistem kekebalan dapat membunuh bakteri; bakteri dapat mengatasi pertahanan kekebalan; atau , dalam kasus penyakit seperti tuberkulosis, bakteri dapat tertidur selama bertahun-tahun, terkadang menyebabkan penyakit pada tahap selanjutnya dan terkadang tetap dalam hibernasi untuk selamanya. Kami berpikir bahwa persimpangan di mana salah satu jalur tersebut dipilih terjadi sejak awal – – sekitar 24-48 jam setelah infeksi. “

Para ilmuwan pertama kali menguji pertemuan nyata antara sel kekebalan dan bakteri – kali ini antara sampel darah (yang mengandung sel kekebalan) dan bakteri Salmonella. Dipimpin oleh Drs. Noa Bossel Ben Moshe dan Shelly Hen-Avivi dalam kelompok Avraham, tim peneliti menggunakan metode yang telah dikembangkan dalam beberapa tahun terakhir, di Weizmann Institute, antara lain, untuk mengurutkan aktivitas gen dalam ribuan sel individu. Dengan kata lain, mereka dapat melihat seperti apa setiap sel saat merespons bakteri Salmonella dan mereka dapat memetakan profil aktivasi masing-masing. Ini, memang pola terungkap yang tidak terlihat dalam tes laboratorium standar, dan tampaknya mengkonfirmasi hipotesis mereka – memang, perbedaan yang memungkinkan mereka melacak tanggapan dari pertemuan awal hingga hasil selanjutnya.

Sekuensing sel tunggal seperti itu masih terbatas pada laboratorium khusus. Kelompok tersebut menanyakan apakah ada cara untuk menghubungkan hasil mereka dengan tes darah real-time pada pasien sebenarnya. Untuk ini, mereka beralih ke database sel tunggal mereka tentang infeksi Salmonella dan tanggapan kekebalan dan mengembangkan algoritme – berdasarkan metode yang dikenal sebagai dekonvolusi – yang kemudian memungkinkan mereka mengekstrak informasi serupa dari kumpulan data standar. Algoritme ini menggunakan informasi yang tersedia dari tes darah standar dan mengekstrapolasi sifat-sifat sel darah individu dalam percobaan. “Algoritma yang kami kembangkan,” kata Bossel Ben Moshe, “tidak hanya dapat menentukan kumpulan sel kekebalan yang mengambil bagian dalam respons, tetapi juga dapat mengungkapkan tingkat aktivitas mereka dan dengan demikian kekuatan potensial dari respons kekebalan.”

Tes pertama dari algoritme tersebut adalah pada sampel darah yang diambil dari orang sehat di Belanda. Sampel ini terinfeksi, di piring laboratorium, dengan bakteri Salmonella, dan respon imun dicatat. Perbandingan dengan metode analisis genom yang ada menunjukkan bahwa metode standar tidak mengungkap perbedaan antar kelompok, sedangkan algoritme yang dikembangkan kelompok mengungkapkan yang signifikan yang terkait dengan variasi selanjutnya dalam kemampuan membunuh bakteri.

Kelompok tersebut kemudian bertanya apakah algoritma yang sama dapat digunakan untuk mendiagnosis timbulnya tuberkulosis, yang disebabkan oleh bakteri yang sering memilih cara ketiga – dormansi – dan dengan demikian dapat bersembunyi di dalam tubuh selama bertahun-tahun. Hampir sepertiga populasi dunia membawa bakteri TBC, meskipun hanya sebagian kecil dari mereka yang benar-benar sakit. Namun, sekitar dua juta orang meninggal karena penyakit ini setiap tahun, kebanyakan di daerah tertinggal di Cina, Rusia dan Afrika. Para peneliti beralih ke database lain – database Inggris yang mengikuti pasien dan karier selama dua tahun – sehingga kelompok tersebut dapat menerapkan algoritme tersebut pada hasil tes darah dari kedua kelompok, serta dari subset yang beralih dari karier ke timbulnya penyakit selama periode itu.

Para peneliti menemukan bahwa tingkat aktivitas sel kekebalan yang disebut monosit dapat digunakan untuk memprediksi permulaan atau perjalanan penyakit. “Algoritme ini didasarkan pada ‘kesan pertama’ dari sel kekebalan dan Salmonella, yang menyebabkan jenis penyakit yang sangat berbeda dari mycobacterium tuberculosis,” kata Hen-Avivi. “Namun, kami masih dapat memprediksi, sejak awal, pembawa mana yang akan mengembangkan bentuk aktif penyakit tersebut.”

Begitu gejala tuberkulosis muncul, pasien harus meminum tiga antibiotik berbeda selama sembilan bulan, dan resistensi antibiotik merajalela pada bakteri ini. “Jika mereka yang berisiko penyakit aktif dapat diidentifikasi saat jumlah bakteri lebih kecil, peluang pemulihan mereka akan lebih baik,” kata Avraham. “Dan sistem medis negara bagian di negara-negara di mana tuberkulosis merupakan penyakit endemik mungkin memiliki cara yang lebih baik untuk menekan penderitaan dan insiden penyakit sambil mengurangi biaya pengobatan.”

Para peneliti bermaksud untuk melanjutkan penelitian ini – untuk memperluas database mereka sendiri tentang tuberkulosis dan patogen lain untuk menyempurnakan algoritme dan bekerja untuk mengembangkan alat yang, di masa depan, dapat digunakan untuk memprediksi siapa yang akan berkembang secara penuh. penyakit -blown. Dengan algoritma yang disempurnakan, jalan penelitian lebih lanjut dapat mengarah pada metode memprediksi jalannya sejumlah penyakit menular.

Sumber Cerita:

Materi disediakan oleh Institut Sains Weizmann. Catatan: Konten dapat diedit gaya dan panjangnya.

Untuk Informasi Lebih lanjut silahkan Kunjungi : Data HK

Author Image
adminProzen