Mit einer Kombination von pluripotenten Stammzellen (Zellen, die potenziell produzieren Zellen-oder Gewebe-Typ) und des maschinellen Lernens (künstliche Intelligenz, Computer, lernen automatisch), Forscher haben sich verbessert, wie Sie erzeugen Lungenzellen.
Mit dieser Technik lassen sich Zellen gewachsen in einem Labor und gespeichert für mehr als ein Jahr ohne Verlust Ihrer Lunge Identität und zur Modellierung von Lungenerkrankungen damit finden bessere Behandlungen und Heilmittel für Erkrankungen der Lunge in die Zukunft.
Induzierte pluripotente Stammzellen (iPS) sind abgeleitet aus gespendeten Haut-oder Blutzellen von Erwachsenen und mit der Reaktivierung von vier Genen, umprogrammiert zurück in einen embryonalen Stammzell-ähnlichen Zustand. iPS-Zellen können unterschieden werden in Richtung zu jedem Zelltyp im Körper und erfordern nicht die Verwendung von Embryonen.
Aufbauend auf früheren arbeiten aus dem Zentrum für Regenerative Medizin (CReM) der Boston University und des Boston Medical Center Forscher in CReM, gemeinsam mit den Ermittlern von der Carnegie Mellon University (CMU), umprogrammiert Blut von Erwachsenen iPS-Zellen. Sie behandelt diese Stammzellen mit Wachstumsfaktoren über einen Zeitraum von einem Monat bis Sie zu Zellen, die sehr ähnlich zu Erwachsenen Lungen-Zellen.
Nach Angaben der Forscher, sind oft bei dieser Art von experiment durchgeführt wird, und die resultierenden Zellen sind nicht eine Reine Sammlung der Zelle, die Sie hat, zu erstellen (Ziel-Zelle) und halten Sie nicht die Merkmale der Ziel-Zelle für längere Zeit.
„Daher entwickelten wir eine Kombination von Techniken, die untersucht, wie die gen-expression von tausenden von einzelnen Zellen, die in Kombination mit DNA-barcoding von jeder einzelnen Zelle und des maschinellen Lernens zum Aufbau einer dynamischen Bild von dem, was Faktoren begünstigen Zellen, die auf Lungen-Zellen in unserem system. Mit diesem wissen konnten wir verbessern unsere Methoden zur Generierung von Lungen-Zellen, so dass wir können jetzt mehr betroffenen Zellen, deren Zell-Identität in eine Schüssel für mehr als ein Jahr“, erklärte Killian Hurley, MD, Ph. D., Forscher an der Royal College of Surgeons in Irland, co-Autor der Studie mit Jun, Ding, Ph. D., ein Postdoctoral fellow an der CMU.
Die Forscher glauben, dass diese Studie wird Ihre Fähigkeit verbessern, Modell Lungen-Krankheit und Behandlungen, die im Labor auf Krankheiten, einschließlich idiopathischer pulmonaler Fibrose, chronisch-obstruktive Lungenerkrankung (COPD), alpha-1-antitrypsin-Mangel) und neonatal respiratory distress oder früh beginnender interstitieller Lungenerkrankungen.
Millionen von Menschen in den Vereinigten Staaten und der ganzen Welt haben schwere Erkrankungen der Lunge, oft ohne gute Behandlungen oder Heilmittel. Einige dieser Krankheiten können sogar erfordern Lungen-transplantation ist eine komplexe und hohe Risiko der Operation mit der Notwendigkeit für Spenderorgane immer übersteigt das Angebot.
„Die machine-learning-Verfahren entwickelten wir für diese Studie kann auch angewendet werden, um Studien an anderen Geweben und Organen“, sagte Ding. „Wir hoffen, dass unsere neu entwickelte Techniken zur Erzeugung, eine Reine, unbegrenzte Versorgung der Zellen mit Patienten-abgeleiteten Stammzellen ermöglichen neue Behandlungen oder Heilmittel für Krankheiten. Diese Entwicklung würde Leben verlängern und verbessern die Qualität von diesen Leben.“
„Das wichtigste Hindernis ist, zu verstehen, was schief geht, mit einem einzelnen Patienten die Lungenkrebs-Zellen wurde unsere Unfähigkeit zum Zugriff auf diese Zellen oder wachsen Sie in das Labor. Dieser Ansatz ermöglicht es uns, jetzt Ingenieur von jedem einzelnen Patienten, die sehr pingelig Zellen und der Einführung des bar-codes in den Zellen, die es uns ermöglichen, zu verfolgen und zu verstehen, jede Zelle und alle Ihre Nachkommen im Laufe der Zeit im Labor Gericht. Das Ergebnis ist eine unerschöpfliche Quelle für neue Lungen-Zellen, die vorbereitet werden können von jedem Patienten in jedem Alter“, fügte co-entsprechenden Autor Darrell Kotton, MD, David C. zurückgeführt werden Seldin Professor der Medizin und Direktor des CReM, wer führte die arbeiten gemeinsam mit Ziv Bar-Joseph, Ph. D., der FORE Systems Professor für informatik an der CMU.