پژوهش جدیدی نشان می‌دهد که باکتری‌های روده و ترکیبات متابولیکی مرتبط با آنها می‌توانند نشانه‌های زیستی مهمی برای تشخیص زودهنگام و مدیریت بهتر طیفی از بیماری‌های گوارشی از جمله سرطان معده، سرطان روده بزرگ و بیماری التهابی روده فراهم کنند.

به گزارش scitechdaily، دانشمندان موفق به شناسایی سیگنال‌های زیستی مشخصی در روده شده‌اند که می‌تواند فرآیند شناسایی و پایش چندین بیماری دستگاه گوارش را ساده‌تر و دقیق‌تر کند. این نشانگر‌های زیستی (بیومارکرها) از دو منبع اصلی به دست آمده‌اند: میکروبیوم یعنی مجموعه باکتری‌های ساکن دستگاه گوارش و متابولوم که شامل مولکول‌های کوچکی است که در نتیجه تجزیه غذا و واکنش‌های شیمیایی بدن و میکروب‌ها تولید می‌شوند.

نتایج این مطالعه نشان می‌دهد برخی باکتری‌ها و متابولیت‌ها به‌طور مداوم با هر یک از این بیماری‌ها همراه هستند. اهمیت این الگو‌ها در آن است که چنین نشانگر‌هایی می‌توانند در آینده به تشخیص زودهنگام بیماری‌ها با روش‌هایی کم‌تهاجمی‌تر نسبت به آزمایش‌های رایج کمک کنند. همچنین مشاهده هم‌پوشانی برخی از این نشانگر‌ها میان چند بیماری مختلف حاکی از آن است که بیماری‌های گوارشی ممکن است تغییرات زیستی مشترکی در سطح پایه داشته باشند.

پژوهشگران برای شناسایی این الگو‌ها از روش‌های یادگیری ماشین و الگوریتم‌های مبتنی بر هوش مصنوعی استفاده کردند و داده‌های مربوط به میکروبیوم و متابولوم بیماران مبتلا به سرطان معده، سرطان روده بزرگ و بیماری التهابی روده را مورد تحلیل قرار دادند.

مقایسه مستقیم این بیماری‌ها نشان داد مدل‌هایی که با داده‌های سرطان معده آموزش دیده بودند توانایی شناسایی نشانگر‌های مرتبط با بیماری التهابی روده را داشتند و مدل‌های مبتنی بر داده‌های سرطان روده بزرگ نیز با دقت بالایی قادر به پیش‌بینی نشانگر‌های سرطان معده بودند. این یافته نشان می‌دهد اطلاعات استخراج‌شده از یک بیماری می‌تواند به شناسایی نشانگر‌های زیستی در بیماری دیگر کمک کند؛ موضوعی که می‌تواند زمینه‌ساز توسعه ابزار‌های تشخیصی مشترک برای چندین بیماری گوارشی باشد.

این تحقیق توسط تیمی از دانشگاه بیرمنگام دبی (وابسته به برنامه کارشناسی ارشد علم داده‌های سلامت)، دانشگاه بیرمنگام در بریتانیا و بنیاد بیمارستان‌های دانشگاهی بیرمنگام انجام شده و نتایج آن در نشریه Journal of Translational Medicine منتشر شده است.

حرکت به‌سوی تشخیص زودهنگام و کم‌تهاجمی

انیمش آچارجه، نویسنده همکار اصلی این پژوهش از دانشگاه بیرمنگام با اشاره به محدودیت‌های روش‌های تشخیصی فعلی گفت: روش‌هایی مانند آندوسکوپی و نمونه‌برداری اگرچه مؤثر هستند، اما تهاجمی، پرهزینه و گاهی ناتوان از تشخیص بیماری در مراحل اولیه‌اند. به گفته او نتایج این تحلیل‌ها درک بهتری از سازوکار‌های زیربنایی پیشرفت بیماری فراهم کرده و نشانگر‌های کلیدی برای درمان‌های هدفمند را شناسایی می‌کند؛ نشانگر‌هایی که می‌توانند به تشخیص زودتر و دقیق‌تر بیماری و در نهایت درمان شخصی‌سازی‌شده منجر شوند.
بر اساس یافته‌های مطالعه در سرطان معده باکتری‌هایی از گروه‌های Firmicutes، Bacteroidetes و Actinobacteria شایع بوده و تغییراتی در متابولیت‌هایی مانند دی‌هیدرو اوراسیل و تورین مشاهده شده است. برخی از این نشانگر‌ها در بیماری التهابی روده نیز نقش دارند که بیانگر هم‌پوشانی زیستی میان این بیماری‌هاست؛ هرچند این نشانگر‌ها در تشخیص سرطان روده بزرگ کارایی کمتری نشان داده‌اند.

در سرطان روده بزرگ باکتری‌هایی نظیر Fusobacterium و Enterococcus و متابولیت‌هایی مانند ایزولوسین و نیکوتینامید اهمیت بیشتری داشتند که برخی از آنها با نشانگر‌های سرطان معده هم‌پوشانی دارند و می‌توانند به وجود مسیر‌های مشترک در روند بروز بیماری اشاره کنند.

همچنین در بیماری التهابی روده، باکتری‌هایی از خانواده Lachnospiraceae و متابولیت‌هایی مانند اوروبیلین و گلیسرات نقش کلیدی ایفا می‌کنند؛ نشانگر‌هایی که برخی از آنها در مسیر‌های مرتبط با سرطان نیز دخیل هستند و ارتباط تنگاتنگ این بیماری‌ها را نشان می‌دهند.

شبیه‌سازی تغییرات متابولیکی مرتبط با بیماری

تیم تحقیقاتی با شبیه‌سازی رشد میکروب‌های روده و جریان متابولیت‌ها، تفاوت‌های متابولیکی معناداری میان وضعیت سالم و بیمار شناسایی کرد. به گفته آچارجه تحلیل میان‌بیماری این پژوهش نشان داد می‌توان از نشانگر‌های میکروبی و متابولیکی شناسایی‌شده در یک بیماری گوارشی برای پیش‌بینی بیماری دیگر استفاده کرد؛ رویکردی نوآورانه که می‌تواند به توسعه ابزار‌های تشخیصی فراگیر و تحول‌آفرین در تشخیص و درمان چندین بیماری گوارشی منجر شود.

پژوهشگران در گام بعدی قصد دارند کاربرد‌های بالینی این یافته‌ها را بررسی کنند؛ از جمله توسعه آزمایش‌های تشخیصی غیرتهاجمی و درمان‌های هدفمند مبتنی بر این نشانگرها. همچنین اعتبارسنجی مدل‌ها در جمعیت‌های بزرگ‌تر و متنوع‌تر و بررسی توان پیش‌بینی این نشانگر‌ها برای سایر بیماری‌های مرتبط نیز در دستور کار آنها قرار دارد.

انتهای پیام/