تکامل آزمایشی نشان می دهد که چگونه باکتری ها مقاومت دارویی پیدا می کنند – ScienceDaily

[ad_1]

یک تیم تحقیقاتی در مرکز تحقیق RIKEN برای تحقیق در زمینه بیوسیستم ها (BDR) در ژاپن توانسته است به طور آزمایشی باکتری های رایج ایجاد کند اشرشیاکلی تحت فشار تعداد زیادی آنتی بیوتیک فردی. به این ترتیب ، آنها قادر به شناسایی مکانیسم ها و محدودیت های زمینه ساز مقاومت دارویی بودند. یافته های آنها در مجله علمی منتشر شده است ارتباطات طبیعت، می تواند برای کمک به توسعه استراتژی های درمانی دارویی استفاده شود که احتمال مقاومت در برابر باکتری ها را به حداقل برساند.

مقابله با باکتری های مقاوم به چند دارو در حال تبدیل شدن به یک چالش اساسی جهانی است. به نظر می رسد که هر زمان که آنتی بیوتیک جدید تولید می کنیم ، در طی استفاده بالینی ، باکتری های مقاوم به آنتی بیوتیک جدید ظاهر می شوند. برای پیروزی در این بازی گربه و موش ، باید درک کنیم که مقاومت دارویی باکتری چگونه متحول می شود. به طور طبیعی ، این فرایند بسیار پیچیده است و شامل تغییرات زیادی در توالی ژنومی و شرایط سلولی است. بنابراین ، هیچگاه مطالعه جامعی از پویایی مقاومت در برابر تعداد زیادی آنتی بیوتیک گزارش نشده است.

تومویا مائده ، محقق در RIKEN BDR که این مطالعه را هدایت می کند ، توضیح می دهد: “تکامل آزمایشگاهی ، همراه با تجزیه و تحلیل ژنومی ، رویکرد امیدوار کننده ای برای درک پویایی مقاومت به آنتی بیوتیک است.” “با این حال ، تکامل آزمایشگاهی بسیار پرزحمت است و نیاز به انتقال سری فرهنگها در طی یک دوره طولانی و تعداد زیادی آزمایش موازی دارد.” علاوه بر این ، مایدا می گوید شناسایی ژن هایی که مقاومت در برابر آنتی بیوتیک ها را امکان پذیر می کنند ، به دلیل تعداد زیادی از خصوصیات ژنتیکی موجود در داده ها ، همیشه آسان نیست.

برای غلبه بر این محدودیت ها ، تیم یک سیستم فرهنگ رباتیک خودکار را ایجاد کرد که به آنها اجازه می داد تکامل آزمایشگاهی با عملکرد بالا را با موفقیت انجام دهند. اشریشیاکلی برای بیش از 250 نسل تحت فشار 95 آنتی بیوتیک مختلف. با این توانایی جدید ، آنها توانستند تغییرات موجود در رونوشت باکتریها را تعیین کنند – مجموعه تمام RNA های پیام رسان و رونوشت آنها ، که سابقه ای از بیان ژن ها است. در نتیجه ، سیستم پروفیل های مقاومت برای 192 سویه تکامل یافته ایجاد کرده است. محققان همچنین یک روش یادگیری ماشین برای تجزیه و تحلیل این مقدار زیادی از داده ها ایجاد کردند ، که به آنها اجازه می دهد ژن های جدید و شناخته شده را که در پیش بینی تکامل مقاومت نقش دارند ، شناسایی کنند.

“آن زمان ما مورد توجه قرار گرفتیم اشریشیاکلیمایدا گفت ، پویایی تکاملی A به دلیل تعداد نسبتاً کمی شرایط درون سلولی است که نشان می دهد احتمالاً مجهز به تعداد محدودی از استراتژی های مقاومت به آنتی بیوتیک باشد. اشریشیاکلی، تیم امیدوار است که آنها بتوانند مقاومت آنتی بیوتیکی را پیش بینی و بنابراین کنترل کنند.

به عنوان مثال ، با استفاده از این سیستم جدید ، آنها توانستند 2،162 جفت ترکیبات دارویی را آزمایش کنند و 157 جفت را پیدا کنند که توانایی سرکوب جذب مقاومت آنتی بیوتیکی را در اشریشیاکلی. همانطور که مایدا می گوید ، “ما معتقدیم كه نتایج ما می تواند در توسعه استراتژی های جایگزین برای مهار ظهور باكتری های مقاوم به دارو اعمال شود.”

منبع تاریخچه:

مواد تهیه شده توسط RIKEN. توجه: مطالب را می توان از نظر سبک و طول ویرایش کرد.

[ad_2]

منبع: unbox-news.ir

Leave a reply

You may use these HTML tags and attributes: <a href="" title=""> <abbr title=""> <acronym title=""> <b> <blockquote cite=""> <cite> <code> <del datetime=""> <em> <i> <q cite=""> <s> <strike> <strong>