نقش سلول­‌های چندهست‌ه­ای در ترمیم و بدخیمی

سلول‌­های چند هسته­ای در طیف وسیعی از موجودات مشاهده شده‌­اند و به نظر می­رسد حضور آن­‌ها یک مزیت تکاملی برای بقای موجود درشرایط سخت باشد.  شواهدی مبنی بر ارتباط پلی پلوئیدی و ترمیم بافت های آسیب دیده وجود دارد. از سوی دیگر، بررسی دقیق سلول­های سرطانی نشان می­دهد که سلول­های غول پیکر چند هسته­ای با آزاد سازی سلول­های بنیادی سرطانی می­توانند منشا عود مجدد سرطان باشند. در بخشی از پروژه هایی که در این مرکز انجام می­شود تلاش داریم ویژگی­های سلول­های چند هسته­ای را در فرایند ترمیم و بدخیمی مورد بررسی قرار دهیم. از سوی دیگر سعی داریم با شناسایی مکانسیم­های مولکولی فعال شده در سلول­های چند هسته­ای سرطانی،  داروهای  متوقف کننده رشد این سلول­ها را پیدا کنیم. 

شناسایی اهداف دارویی در بیماری دیابتیک نفروپاتی

اگرچه بیولوژی سیستم ها فرصت عالی برای شناسایی طیف وسیع مولکول‌های مرتبط با بیماری و برهمکنش‌های آن‌ها فراهم کرده است، تفسیر سیستماتیک داده‌های بزرگ برای پیش‌بینی اهداف درمانی جدید همچنان یک چالش بزرگ است. برخی از محققان پیشنهاد کرده اند که یکی از دلایل موفقیت داروهای فعلی مورد تایید FDA در مقایسه با بسیاری از داروها که در طول غربالگری های بالینی شکست خورده اند، تا حدی می تواند به ویژگی های پروتئین های هدف آن ها نسبت داده شود. از این رو، این ویژگی های متمایز کننده را می توان برای پیش بینی اهداف دارویی جدید شناسایی و مورد بهره برداری قرار داد. بر اساس این فرض، چندین الگوریتم یادگیری ماشین کلاسیک برای انتخاب ویژگی و پیش‌بینی اهداف دارویی جدید استفاده شده است. با این حال، این مطالعات دارای محدودیت‌های متعددی هستند. در مرکز ما، با هدف پیش‌بینی اهداف دارویی جدید برای بیماری دیابتیک نفروپاتی، یک شبکه چند لایه شامل سطوح ژنوم، اپی ژنوم، ترانسکریپتوم، پروتئوم، miRNA  و متابولوم ترسیم شد. تجزیه و تحلیل غنی‌سازی مسیر، امکان شناسایی مسیرهای انتقال پیام تحت تأثیر این اختلال را فراهم کرد. در مرحله بعد، برای ترجمه یافته‌های این مطالعه به کاربرد بالینی، یک الگوریتم یادگیری ماشینی با کارایی بالا توسعه دادیم که در شبکه چند لایه ساخته‌شده، اهداف دارویی جدید برای بیماری دیابتیک نفروپاتی پیش بینی کرد. در پژوهش های آینده قصد داریم با به کارگیری small molecule ها علیه پروتئین های پیش بینی شده، تاثیر آن را در پیشگیری از پیشرفت بیماری بررسی کنیم.

شناسایی بیومارکر­ها

شناسایی بیومارکر­ها برای تشخیص زودرس بیماری‌های مزمن کلیوی، غربالگری و ارزیابی خطر و همچنین کنترل پیشرفت و عود بیماری یکی­ از حوزه­های پژوهش‌­های ما در مرکز تحقیقات پزشکی بازساختی است. با توجه به در دسترس بودن داده­‌های­ انبوه ژنومیکس، ترنسکریپتومیکس، پروتئومیکس و متابولومیکس امکان شناسایی بیومارکرها با بهره گیری از روش‌­های محاسباتی و آماری و با یک دید کل­‌نگر وجود دارد که باعث انتخاب هدفمند بیومارکرها برای ارزیابی در فاز آزمایشگاهی و بالینی می‌­شود. تاکنون در مرکز پزشکی بازساختی، با آنالیز داده‌­های Omics موجود و اعتبارسنجی   آزمایشگاهی آنها، پژوهش­هایی در جهت کشف پانل های بیومارکری از جنس miRNA، mRNA، پروتئین و متابولیت در انواع بیماری­‌های مزمن کلیوی مانند نفروپاتی دیابتی، IgAنفروپاتی، FSGS و لوپوس نفریتیس به انجام رسیده و نتایج قابل توجهی نیز حاصل شده است.