چگونگی بازسازی پوست
بررسی معادلات مهاجرت سلولی در بدن با ریاضیات؛
در یک مطالعه جدید محققان دانشگاه کلرادو گام مهمی در جهت کشف عوامل پشت این رفتار جمعی برداشته اند. این تیم پژوهشی یک تکنیک یادگیری معادله را توسعه داده اند که ممکن است روزی به دانشمندان کمک کند تا چگونگی بازسازی پوست را در بدن درک کنند و به طور بالقوه می تواند الهام بخش درمان های جدیدی برای تسریع بهبود زخم باشد.
دیوید بورتز (David Bortz) استاد ریاضیات کاربردی در دانشگاه کلرادو و پژوهشگر ارشد مطالعه جدید، می گوید: یادگیری قوانین نحوه واکنش سلول ها به مجاورت و حرکت نسبی سلول های دیگر برای درک اینکه چرا سلول ها به داخل زخم مهاجرت می کنند، بسیار مهم است.
دان مسنجر (Dan Messenger) یکی دیگر از پژوهشگران این مطالعات گفت: روش این گروه تحقیقاتی به نام شناسایی فرم ضعیف دینامیک غیرخطی (WSINDy)، می تواند برای طیف وسیعی از پدیده های جهان طبیعی اعمال شود.
مسنجر افزود: در حالی که این مطالعه در مورد سلول ها است، ریاضیات در طیف وسیعی از زمینه ها نیز کاربرد دارد، از جمله اینکه چگونه دسته های پرندگان از شکارچیان و یکدیگر دوری می کنند.
این تحقیق به مجموعه ای از ابزارها از حوزه مدل سازی مبتنی بر داده وابسته است، حوزه ای نوظهور در تقاطع ریاضیات کاربردی، آمار و علوم داده.
با استفاده از این رویکرد، تیم پژوهشی یک شبیه سازی رایانه ای از صدها سلول در حال حرکت به سمت یک زخم مصنوعی را طراحی کرده و سپس روشی برای یادگیری معادلات برای توصیف و بررسی حرکت هر سلول ایجاد کردند.
مدل‌های ریاضی اشکال و اندازه های زیادی دارند، اما بیشتر آنها از یک سری معادلات پیچیده برای تلاش برای ثبت برخی از پدیده‌ها در دنیای واقعی استفاده می کنند. به عنوان مثال، بورتز در سال ۲۰۲۰ به تیمی از دانشمندان ملحق شد که با استفاده از مدل هایی سعی در پیش بینی شیوع کرونا داشتند، اما او خاطرنشان کرد که برای اعتبار بخشیدن به این معادلات، آزمون و خطاهای زیادی و حتی ابررایانه های بزرگی نیاز است. او گفت: توسعه یک مدل دقیق و قابل اعتماد می تواند یک فرآیند بسیار طولانی و پر زحمت باشد.
در مطالعه کنونی، مسنجر و همکارانش مشاهده کردند که چگونه سلول های پوست به صورت گروهی در آزمایشگاه به هم می پیوندند. آنها دریافتند سلول های پوستی در حال مهاجرت از قوانین خاصی پیروی می کنند.
سلول های پوست مانند گله ای از گاومیش ها، جهت خود را با سلول های جلوی خود هماهنگ کرده اما همچنین سعی می کنند از پشت به سلول های جلویی برخورد نکنند.
مسنجر و همکارانش برای اینکه دریابند: آیا شناسایی فرم ضعیف دینامیک غیرخطی می تواند این حرکت توده ای را روشن کند، شبیه سازی های کامپیوتری را طراحی کردند که در آن صدها سلول دیجیتال در پشت سر هم حرکت می کردند.
این تیم رویکرد فرم ضعیف دینامیک غیرخطی خود را برای ایجاد معادلات دقیقی که حرکت هر یک از آن سلول ها را توصیف می کند، به کار بردند. بورتز در این باره گفت: با فرم ضعیف دینامیک غیرخطی، اگر هزار سلول دارید، می توانید هزار مدل مختلف را یاد بگیرید.
مسنجر در انتها گفت: ما نه تنها مدل هایی را برای هر سلول یاد می گیریم، بلکه می توان آن مدل ها را تکرار کنیم، بنابراین دسته بندی غالب رفتارهای سلولی که در بهبود زخم نقش دارند، آشکار می شوند.
محققان در پایان گفتند که این مطالعات برای درمان سرطان مفیدند چراکه سلول های سرطانی زمانی که از یک اندام به اندام دیگر گسترش می یابند، تحت مهاجرت دسته جمعی مشابهی قرار می گیرند.
شرح کامل تحقیقات مسنجر و همکارانش در مجله The Royal Society Interface منتشر شده است.
دیوید بورتز (David Bortz) استاد ریاضیات کاربردی در دانشگاه کلرادو و پژوهشگر ارشد مطالعه جدید، می گوید: یادگیری قوانین نحوه واکنش سلول ها به مجاورت و حرکت نسبی سلول های دیگر برای درک اینکه چرا سلول ها به داخل زخم مهاجرت می کنند، بسیار مهم است.
دان مسنجر (Dan Messenger) یکی دیگر از پژوهشگران این مطالعات گفت: روش این گروه تحقیقاتی به نام شناسایی فرم ضعیف دینامیک غیرخطی (WSINDy)، می تواند برای طیف وسیعی از پدیده های جهان طبیعی اعمال شود.
مسنجر افزود: در حالی که این مطالعه در مورد سلول ها است، ریاضیات در طیف وسیعی از زمینه ها نیز کاربرد دارد، از جمله اینکه چگونه دسته های پرندگان از شکارچیان و یکدیگر دوری می کنند.
این تحقیق به مجموعه ای از ابزارها از حوزه مدل سازی مبتنی بر داده وابسته است، حوزه ای نوظهور در تقاطع ریاضیات کاربردی، آمار و علوم داده.
با استفاده از این رویکرد، تیم پژوهشی یک شبیه سازی رایانه ای از صدها سلول در حال حرکت به سمت یک زخم مصنوعی را طراحی کرده و سپس روشی برای یادگیری معادلات برای توصیف و بررسی حرکت هر سلول ایجاد کردند.
مدل‌های ریاضی اشکال و اندازه های زیادی دارند، اما بیشتر آنها از یک سری معادلات پیچیده برای تلاش برای ثبت برخی از پدیده‌ها در دنیای واقعی استفاده می کنند. به عنوان مثال، بورتز در سال ۲۰۲۰ به تیمی از دانشمندان ملحق شد که با استفاده از مدل هایی سعی در پیش بینی شیوع کرونا داشتند، اما او خاطرنشان کرد که برای اعتبار بخشیدن به این معادلات، آزمون و خطاهای زیادی و حتی ابررایانه های بزرگی نیاز است. او گفت: توسعه یک مدل دقیق و قابل اعتماد می تواند یک فرآیند بسیار طولانی و پر زحمت باشد.
در مطالعه کنونی، مسنجر و همکارانش مشاهده کردند که چگونه سلول های پوست به صورت گروهی در آزمایشگاه به هم می پیوندند. آنها دریافتند سلول های پوستی در حال مهاجرت از قوانین خاصی پیروی می کنند.
سلول های پوست مانند گله ای از گاومیش ها، جهت خود را با سلول های جلوی خود هماهنگ کرده اما همچنین سعی می کنند از پشت به سلول های جلویی برخورد نکنند.
مسنجر و همکارانش برای اینکه دریابند: آیا شناسایی فرم ضعیف دینامیک غیرخطی می تواند این حرکت توده ای را روشن کند، شبیه سازی های کامپیوتری را طراحی کردند که در آن صدها سلول دیجیتال در پشت سر هم حرکت می کردند.
این تیم رویکرد فرم ضعیف دینامیک غیرخطی خود را برای ایجاد معادلات دقیقی که حرکت هر یک از آن سلول ها را توصیف می کند، به کار بردند. بورتز در این باره گفت: با فرم ضعیف دینامیک غیرخطی، اگر هزار سلول دارید، می توانید هزار مدل مختلف را یاد بگیرید.
مسنجر در انتها گفت: ما نه تنها مدل هایی را برای هر سلول یاد می گیریم، بلکه می توان آن مدل ها را تکرار کنیم، بنابراین دسته بندی غالب رفتارهای سلولی که در بهبود زخم نقش دارند، آشکار می شوند.
محققان در پایان گفتند که این مطالعات برای درمان سرطان مفیدند چراکه سلول های سرطانی زمانی که از یک اندام به اندام دیگر گسترش می یابند، تحت مهاجرت دسته جمعی مشابهی قرار می گیرند.
شرح کامل تحقیقات مسنجر و همکارانش در مجله The Royal Society Interface منتشر شده است.
مرجع : سینا پرس
