میلیون ها نفر از سندرم خستگی مزمن و مزمن فلزی (ME/CFS) رنج می برند ، یک بیماری تضعیف کننده که اغلب به دلیل عدم وجود ابزارهای تشخیصی نادیده گرفته می شود ، ممکن است به مراقبت های شخصی نزدیکتر باشد. این پیشرفت مبتنی بر تحقیقات جدید است که نشان می دهد چگونه این بیماری تعامل بین میکروبیوم ، سیستم ایمنی بدن و متابولیسم را مختل می کند.
طبق دوره ایران ؛ این یافته ها که ممکن است با حفره طولانی ME/CFS همراه باشد ، از 249 تجزیه و تحلیل داده ها بدست می آیند. این داده ها با استفاده از یک بستر اطلاعاتی مصنوعی جدید که بیوبیلی ها را از مدفوع ، خون و سایر آزمایشات آزمایشگاهی مشترک تعریف می کند ، مورد تجزیه و تحلیل قرار گرفت.
استاد ایمونولوژی در آزمایشگاه جکسون و نویسندگان این مطالعه. “تحقیقات ما به طور دقیق 90 ٪ از افراد مبتلا به سندرم خستگی مزمن را شرح داد.” گفت
جزئیات بیشتر در مورد تحقیق و یافته ها
این مطالعه توسط جولیا اوه ، میکروبیولوژیست و استاد دانشگاه دوک ، با همکاری کارشناسان ME/CFS مرکز هورن بیتمن انجام شد. تمام جزئیات این مطالعه در مجله Nature Medicine منتشر شد.
سندرم خستگی مزمن با علائم شدید مانند خستگی دائمی ، اختلالات خواب ، سرگیجه و درد مزمن مشخص می شود که فعالیت جسمی و روحی فرد را به طور جدی مختل می کند.
کارشناسان معمولاً ME/CFS را با کاوید طولانی مقایسه می کنند ، زیرا هر دو بیماری اغلب پس از عفونت های ویروسی مانند ویروس اپچین-میله ایجاد می شوند.
طبق مراکز کنترل و پیشگیری از بیماری های ایالات متحده ، ME/CFS و 836،000 تا 3.3 میلیون نفر وجود دارد که بیشتر آنها تشخیص داده نشده اند. اقتصاد ایالات متحده به دلیل کاهش هزینه های پزشکی و کارآیی سالانه به اقتصاد ایالات متحده آسیب می رساند.
دکتر طبق گفته Oneotamaz ، تحقیقات قبلی همچنین اختلالات ایمنی در ME/CFS را نشان می داد. با این حال ، این مطالعه جدید با بررسی تعامل بین میکروبیوم های روده ، متابولیت ها و واکنشهای ایمنی ، یافته های قبلی را عمیق تر کرد. تیم تحقیقاتی توانست این اتصالات را به 12 دسته علائم گزارش شده توسط بیماران وصل کند.
نقش هوش مصنوعی در تجزیه و تحلیل داده ها
دکتر طبق گفته OH ، ما علائم بالینی با فناوری های پیشرفته داریم. اووکس ما برای توصیف نشانگرهای جدید برای من/CFS ادغام شده ایم. این نوع پیوند بسیار مهم است زیرا ME/CFS یک بیماری بسیار متغیر است و بیماران طیف گسترده ای از شدت و طیف گسترده ای از علائم طولانی مدت را تجربه می کنند که روش های موجود نمی توانند این پیچیدگی را کاملاً درک کنند.
برای انجام این کار ، محققان داده های جامع جمع آوری شده از مرکز Bitman Horn را تجزیه و تحلیل کردند. نویسندگان اصلی این مطالعه ، Ryon Shyung یک مدل شبکه عصبی عمیق به نام Biomapai را طراحی کرد که دانش میکروبیوم ، پلاسما متابولیک ، پروفایل سلول های ایمنی ، داده های آزمایش خون و علائم بالینی 153 بیمار و 96 فرد سالم را به مدت چهار سال ادغام می کند.
این مدل نشان می دهد که تجزیه و تحلیل سلولهای ایمنی برای برآورد شدت علائم دقیق ترین است ، در حالی که داده های میکروبیوم بهترین هضم ، اختلالات عاطفی و خواب را پیش بینی می کنند. علاوه بر این ، بیماران زیر چهار سال بیش از ده سال شبکه های بیولوژیکی کمتری نسبت به بیماران مبتلا به بیماری های خود دارند.
دکتر “داده های ما نشان می دهد که این اختلالات بیولوژیکی با گذشت زمان عمیق تر می شوند ، Unotmaz می گوید UTMAZ. این بدان معنی نیست که با ME/CF های طولانی مدت قابل درمان نیست ، اما می تواند چالش برانگیز تر باشد.”
عدم تعادل بیولوژیکی در بیماران
این مطالعه شامل 96 فرد سالم و همجنسگرا با تعامل متعادل در میکروبیوم-متابولیت-iMpulses بود. در مقابل ، بیماران ME/CFS دارای اختلالات عمده قابل توجهی در ارتباط با خستگی ، درد ، مشکلات تنظیم عاطفی و اختلالات خواب بودند.
بیماران ME/CFS همچنین Buttrat (یک اسید چرب مفید در روده) و سایر مواد مغذی اساسی برای متابولیسم و کنترل التهاب داشتند. سطح بالای تریپتوفان و بنزوات نیز عدم تعادل میکروبی را نشان داد. علاوه بر این ، پاسخهای التهابی جدی ، به ویژه در سلولهای MAIT حساس به سلامت میکروبی مشاهده شد.
دکتر طبق گفته UTMase ، سلولهای MAIT سلامت روده را به عملکرد سیستم ایمنی گسترده تر منتقل می کنند ، و وخامت آنها عدم تعادل عمیق با مسیرهای معمولاً ضد التهابی و مسیرهای تریپتوفان را نشان می دهد.
مجموعه داده های قابل استفاده و عملیاتی
اگرچه این یافته ها باید بیشتر تأیید شود ، دانشمندان درک قابل توجهی دانشمندان از سندرم خستگی مزمن (ME/CFS) را به طور قابل توجهی تشویق کردند و فرضیه های واضح تری را برای تحقیقات آینده ارائه دادند.
دکتر طبق گفته OH ، مدل های حیوانات نمی توانند به طور کامل اختلالات پیچیده عصبی ، فیزیولوژیکی و ایمنی مشاهده شده در ME/CFS را منعکس کنند ، و شناسایی و بهبود درمان هایی که برای بررسی مستقیم افراد در نظر گرفته شده است ، بسیار مهم خواهد بود.
وی گفت: “میکروبیوم و پویا متابولیک”. این بدان معنی است که ما می توانیم در رژیم غذایی ، سبک زندگی یا درمان های هدفمند به گونه ای مداخله کنیم که نتواند داده های ژنومی را به تنهایی ارائه دهد. “
نتایج و درک عمیق تر
پلت فرم هوش مصنوعی Biomapai در مجموعه داده های خارجی تقریباً 80 ٪ دقت را تأیید کرد که زندگی نامه های تعریف شده در گروه اصلی را تأیید می کند. به گفته نویسندگان ، این ثبات در داده های مختلف بسیار مهم بود.
“با وجود روش های مختلف جمع آوری داده ها ، علائم شایع اسیدهای چرب ، نشانگرهای ایمنی و متابولیت ها ظاهر شد.” گفت
هدف آینده: پزشکی درست
محققان قصد دارند جمع آوری داده های خود را به طور گسترده از طریق Biomapai به اشتراک بگذارند. این وسیله نقلیه از علائم و بیماری های مختلف پشتیبانی می کند و به طور موثری داده های چند و ساز را ادغام می کند ، که شبیه سازی در مدل های حیوانات دشوار است.
اوه ، “هدف ما تهیه نقشه مفصلی در مورد چگونگی تعامل سیستم ایمنی با باکتری های روده و تولید مواد شیمیایی است.” گفت
نویسندگان دیگری که در این مطالعه شرکت کرده اند عبارتند از: الیزابت آیکن ، رایان کالدول ، لینا کوجایا و آزمایشگاه جکسون کورتین گونتر و سوزان دی. Bitman Horn Center Vernon و Louinda Beitman.
تأمین مالی این مطالعه در انستیتوی ملی بهداشت (NIH) کمک مالی (NIH) 1U54NS10539 انجام شد.