ابزار تجزیه و تحلیل داده از Yale سرنخ های مهم COVID-19 را کشف می کند

طبق گزارش علمی در 28 فوریه 2022 در مجله Nature Biotechnology که ابزار تجزیه و تحلیل داده های جدیدی که توسط محققان Yale توسعه یافته است، انواع سلول های ایمنی خاص مرتبط با افزایش خطر مرگ ناشی از COVID-19 را نشان می دهد.

سلول‌های سیستم ایمنی مانند سلول‌های T و سلول‌های B تولیدکننده آنتی‌بادی، محافظت گسترده‌ای در برابر پاتوژن‌هایی مانند SARS-CoV-2، ویروسی که باعث COVID-19 می‌شود، ارائه می‌کنند. و تجزیه و تحلیل داده های مقیاس بزرگ میلیون ها سلول به دانشمندان یک دید کلی از پاسخ سیستم ایمنی به این ویروس خاص داده است. با این حال، آنها همچنین دریافته‌اند که برخی از پاسخ‌های سلول‌های ایمنی – از جمله انواع سلول‌هایی که معمولاً محافظ هستند – می‌توانند گهگاه باعث التهاب و مرگ در بیماران شوند.

سایر ابزارهای تجزیه و تحلیل داده‌ها که امکان بررسی تا سطح تک سلولی را فراهم می‌کنند، سرنخ‌هایی درباره مقصران موارد شدید کووید به دانشمندان داده‌اند. اما چنین دیدگاه‌های متمرکزی اغلب فاقد زمینه گروه‌بندی سلولی خاصی هستند که ممکن است نتایج بهتر یا ضعیف‌تری ایجاد کنند.

ابزار Multiscale PHATE، یک ابزار یادگیری ماشینی که در Yale توسعه یافته است، به محققان اجازه می دهد تا در عرض چند دقیقه از تمام وضوح داده ها، از میلیون ها سلول گرفته تا یک سلول واحد عبور کنند. این فناوری مبتنی بر الگوریتمی به نام PHATE است که در آزمایشگاه Smita Krishnaswamy، دانشکده ژنتیک و علوم کامپیوتر ایجاد شده است، که بر بسیاری از کاستی‌های ابزارهای تجسم داده‌های موجود غلبه می‌کند.

مانیک کوچرو، کاندیدای دکترا در دانشکده پزشکی ییل که به توسعه این فناوری کمک کرده و یکی از رهبران آن است، می‌گوید:

«الگوریتم‌های یادگیری ماشینی معمولاً بر روی یک نمای با وضوح واحد از داده‌ها تمرکز می‌کنند، و اطلاعاتی را که می‌توان در سایر نماهای متمرکزتر پیدا کرد نادیده می‌گیرد. به همین دلیل، ما PHATE چند مقیاسی را ایجاد کردیم که به کاربران امکان می‌دهد بزرگنمایی کنند و روی زیرمجموعه‌های خاصی از داده‌های خود تمرکز کرده تا تجزیه و تحلیل دقیق‌تری انجام دهند.»

کوچرو که در آزمایشگاه کریشناسوامی کار می کند، از ابزار جدید برای تجزیه و تحلیل 55 میلیون سلول خونی گرفته شده از 163 بیمار بستری شده در بیمارستان ییل نیوهون با موارد شدید کووید-19 استفاده کرد. با نگاهی گسترده، آن‌ها دریافتند که سطوح بالای سلول‌های T در برابر پیامدهای ضعیف محافظت می‌کنند، در حالی که سطوح بالای دو نوع گلبول سفید معروف به گرانولوسیت‌ها و مونوسیت‌ها با سطوح بالاتر مرگ‌ومیر مرتبط هستند.

با این حال، هنگامی که محققان به سطح ریزتری رسیدند، دریافتند که TH17، یک سلول T کمکی، هنگامی که با سلول‌های سیستم ایمنی IL-17 و IFNG جمع می‌شود، با مرگ‌ومیر بیشتری همراه است.

محققان گزارش می دهند که با اندازه گیری مقادیر این سلول ها در خون، آنها می توانند با 83 درصد دقت پیش بینی کنند که بیمار زنده می ماند یا خیر.

کریشناسوامی گفت:

ما توانستیم عوامل خطر مرگ و میر را رتبه بندی کنیم تا نشان دهیم که کدام موارد COVID-19 خطرناک ترین هستند.

او افزود:

در تئوری، ابزار تحلیلی داده های جدید می تواند برای تنظیم دقیق ارزیابی خطر در مجموعه ای از بیماری ها استفاده شود.

مرجع: «فات چند مقیاسی امضاهای چندوجهی COVID-19 را شناسایی می کند» توسط مانیک کوچرو، جسی هوانگ، پاتریک وانگ، ژان کریستف گرنیر، دنیس شونگ، الکساندر تانگ، کارولینا لوکاس، جان کلاین، دانیل بی. بورکهارت، اسکات گیگانته وارثی، ابهی ، باستین ریک، بنجامین اسرائیلو، مایکل سیمونوف، تیانیانگ مائو، جی یون اوه، خولیو سیلوا، تاکهیرو تاکاهاشی، کامیلا دی. اودیو، آرناو کازانواس-ماسانا، جان فورنیه، تیم ییل ایمپکت، شلی فرهادیان، چارلز اس آلبرت دلا کروز I. Ko، Matthew J. Hirn، F. Perry Wilson، Julie G. Hussin، Guy Wolf، Akiko Iwasaki و Smita Krishnaswamy، 28 فوریه 2022، بیوتکنولوژی طبیعت.
DOI: 10.1038/s41587-021-01186-x

جسی هوانگ در دپارتمان علوم کامپیوتر ییل و پاتریک وانگ در دپارتمان ایمونوبیولوژی از نویسندگان اصلی مقاله هستند. آکیکو ایوازاکی، استاد ایمونوبیولوژی والدمار فون زدتویتز، نویسنده همکار است.