پیش بینی تكامل ویروس آنفلوآنزا با كمك مدلهای كامپیوتری
ما دیجیتال: پژوهشگران آمریكایی در بررسی جدید خود تلاش كردند تا با كمك مدلهای كامپیوتری به پیش بینی ویروس آنفلوآنزا بپردازند.
به گزارش ما دیجیتال به نقل از ایسنا و به نقل از مدیکال اکسپرس، ترکیب داده های ژنتیکی و آزمایشی می تواند به پیش بینی دقیق رشته ویروس های آنفلوآنزا که مبتلاشدن به آنها طی زمستان متداول می باشد، کمک کنند. شاید این کار به طراحی واکسن های آنفلوانزا بیانجامد که عملکرد دقیق تری دارند و می توانند از انسان ها در مقابل مرگ و میر ناشی از این ویروس محافظت کنند.
واکسن ها، بهترین روش محافظت در مقابل آنفلوانزا هستند اما ویروس هر سال، ظاهر خودرا تغییر می دهد تا سیستم ایمنی نتواند آنرا شناسایی کند. به همین دلیل، دانشمندان اهتمام دارند واکسن ها را به روزرسانی کنند تا با ویروس جدید مطابقت داشته باشند. از آنجائیکه ساخت یک واکسن جدید، حدودا یک سال زمان می برد، پژوهشگران حوزه آنفلوآنزا باید بتوانند این مساله را پیش بینی کنند که احتمال بروز کدام نوع از ویروس های آنفلوآنزا در آینده بیشتر است.
روش های استانداردی که هم اکنون جهت بررسی آنفلوآنزا به کار می روند، مبتنی بر آزمایش هایی هستند که به کار و زمان زیادی نیاز دارند. پژوهشگران "دانشگاه واشنگتن"(University of Washington) بجای استفاده از این روش ها، از کامپیوتر ها استفاده کردند تا نحوه تکامل ویروس را پیش بینی کنند.
"جان هادلستون"(John Huddleston)، پژوهشگر ارشد این پروژه اظهار داشت: جامعه پژوهشی حوزه آنفلوآنزا مدت ها قبل، اهمیت بررسی خاصیت های فیزیکی ویروس آنفلوآنزا، تغغیرات آن و خاصیت های ژنتیکی آنرا تشخیص داده است. ما تصمیم گرفتیم تا در این پژوهش، با ترکیب توالی ژنتیکی ویروس آنفلوآنزا و داده های آزمایش های دیگر، به پیش بینی رشته های جدید آنفلوانزا بپردازیم که در زمستان آینده ظاهر می شوند.
پژوهشگران با بهره گیری از داده های مربوط به بررسی هایی که طی ۲۵ سال قبل در مورد آنفلوآنزا انجام شده است، به پیش بینی آنفلوآنزا در سال آینده پرداختند. آنها توانستند با بهره گیری از کدهای ژنتیکی ویروس و داده های تجربی، به پیش بینی در مورد ویروس آینده پرداختند. سپس، داده های پیش بینی شده و داده های واقعی را با یکدیگر مقایسه کردند.
"ترور بدفورد"(Trevor Bedford)، از پژوهشگران این پروژه اظهار داشت: نتایج ما اهمیت بررسی های آزمایشی را جهت بررسی اثر تغییرات کدهای ژنتیکی ویروس نشان می دهند و به تلاش هایی که برای پیش بینی سیستم های تکاملی صورت می گیرند، کمک می کنند. ما امیدواریم که بتوانیم ابزاری ابداع نماییم که به پیش بینی بهتر آنفلوآنزا کمک می کنند و به بهبود واکسن و کاهش میزان بیماری و مرگ و میر می انجامند.
این پژوهش، در مجله "eLife" به چاپ رسید.
منبع: ما دیجیتال
این مطلب را می پسندید؟
(1)
(0)
تازه ترین مطالب مرتبط
نظرات بینندگان در مورد این مطلب