محققان: آنتیبادی برجای مانده از ویروس کرونا به بافتهای سالم حمله میکند
تاریخ انتشار: ۱۷ دی ۱۴۰۰ | کد خبر: ۳۴۰۶۳۷۲۴
یافتههای جدید تحقیقاتی نشان میدهد، بهبودیافتگان کرونا ماهها پس از بهبودی از عفونت SARS-CoV-۲، حتی اگر به شدت بیمار نشده باشند، سطوح بالایی آنتیبادی در بدن خود دارند که میتوانند به اشتباه به اندامها و بافتهای سالم حمله کنند.
به گزارش ایرنا به نقل از پایگاه اینترنتی رویترز، در این گزارش خلاصهای از چند مطالعه در مورد کووید-۱۹ آورده شده است.
بیشتر بخوانید:
اخباری که در وبسایت منتشر نمیشوند!
یکی از این مطالعات روی ۱۷۷ کارمند مراقبتهای بهداشتی که همگی قبل از دسترسی به واکسنهای کرونا، از عفونتهای تایید شده این ویروس بهبود یافته بودند، انجام شد. این مطالعات نشان داد همه این افراد دارای اتوآنتیبادیهای پایدار بودند، از جمله اتوآنتی بادیهایی که میتوانند باعث التهاب مزمن و آسیب به مفاصل، پوست و سیستم عصبی شوند.
«سوزان چنگ» از موسسه قلب Cedars-Sinai Smidt در لس آنجلس گفت: معمولاً انتظار نداریم چنین مجموعه متنوعی از افزایش اتوآنتی بادیها را در این افراد مشاهده کنیم و متوجه شویم که سطوح آنها تا ۶ ماه پس از بهبودی کامل همچنان بالا باشد.
محققان در مجله Translational Medicine گزارش دادند که الگوهای اتوآنتی بادیهای بالا میان مردان و زنان متفاوت است.
چنگ گفت: هنوز نمیدانیم که این آنتی بادیها تا چه مدت بیش از ۶ ماه یا بیشتر بالا میمانند یا اینکه به بروز علائم بالینی مهم منجر میشوند.
این محققان در حال بررسی این موضوع هستند که آیا افزایش اتوآنتی بادی با علایم پایدار در افراد با ابتلا به کووید طولانی مدت مرتبط است یا خیر. آنها در نظر دارند که سطوح اتوآنتی بادی پس از عفونت با انواع جدیدتر این ویروس را نیز مورد مطالعه قرار دهند.
اثرات سلولهای B ضعیف شده اما مغلوب اومیکرون نشده است
محققان معتقدند اثرات آنتیبادیهای تولید شده توسط «سلولهای B حافظه» سیستم ایمنی در برابر سویه اومیکرون ویروس کرونا، اگرچه ضعیف است، اما همچنان میتواند قابل توجه باشد.
سلولهای B حافظه، لنفوسیتهایی از سیستم ایمنی بدن هستند که در مقابل پاتوژنهایی مثل ویروسها آنتی بادی تولید میکنند.
هنگامی که بدن پس از عفونت به کرونا یا پس از تزریق واکسنهای کرونا یاد میگیرد که SARS-CoV-۲ را تشخیص دهد، در صورتی که آنتیبادیهای کافی در خون وجود نداشته باشد که بتواند این ویروس را خنثی کند، سلولهای B ، آنتیبادیهای تازهای را علیه این ویروس تولید میکنند.
در مطالعهای که در نشریه bioRxiv گزارش شده است، محققان قدرت بیش از ۳۰۰ آنتیبادی تولید شده توسط سلولهای B حافظه داوطلبان واکسینهشده، از جمله برخی که قبلاً عفونت SARS-CoV-۲ داشتند را تجزیه و تحلیل کردند.
محققان اظهار داشتند: به نظر میرسد که اومیکرون از مجموعه سلولهای B حافظه فرار میکند. آنها افزودند به نظر میرسد هنوز این سویه توسط ۳۰ درصد از کل آنتیبادیها و نزدیک به ۱۰ درصد از کل آنتیبادیهای قوی خنثیکننده، به گونه موثری شناسایی میشود.
آنها حدس می زنند که توانایی قوی سلول های B حافظه برای تکثیر و تولید آنتی بادی ممکن است «در کمتر از دو روز»، اثر کاهش یافته آنتی بادی ها را جبران کند.
این محققان گفتند که در ترکیب با سایر اجزای سیستم ایمنی، به ویژه سلولهای تی، اثرات سلولهای B، احتمالاً به توضیح این موضوع کمک میکند که چرا اکثر افراد واکسینه شده که به اومیکرون آلوده میشوند به حدی بیمار نمیشوند که نیاز به بستری شدن در بیمارستان داشته باشند.
فعالیت گونههای ویروس کرونا در سلولها آنها را موثرتر میکند
محققان متوجه شده اند که همراه با بروز جهشها در پروتیین اسپایک ویروس کرونا که به نفوذ این ویروس به سلولهای بدن کمک میکند، جهشهایی که نحوه رفتار ویروس را در داخل سلولها تغییر میدهند نیز عامل بزرگی در این زمینه است که چرا برخی از گونه های ویروس کرونا قابلیت انتقال بیشتری دارند.
«نوان کروگان» از دانشگاه کالیفرنیا در سانفرانسیسکو گفت: یافتههای این مطالعه که در مجله Nature منتشر شده است، نشان میدهد محققان باید بررسی جهشهای ویروس کرونا را در خارج از پروتیین اسپایک نیز آغاز کنند. پروتیین اسپایک تاکنون تمرکز اصلی برای ساخت واکسنها و داروهای آنتیبادی بوده است.
این محققان با مطالعه گونه آلفا، جهشی را در یک محل غیر از پروتیین اسپایک پیدا کردند که باعث میشود سلولهای آلوده تولید پروتئینی به نام Orf۹B را افزایش دهند.
محققان گفتند: Orf۹b به نوبه خود پروتئینی به نام TOM۷۰ را غیرفعال می کند که سلول ها از آن برای ارسال سیگنال به سیستم ایمنی استفاده می کنند. وجود سطوح بالاتر Orf۹B که TOM۷۰ را غیرفعال می کند، باعث می شود که سیستم ایمنی به خوبی پاسخ ندهد و ویروس بهتر بتواند از شناسایی شدن فرار کند.
با این حال کروگان درباره افزایش پروتئین Orf۹B گفت: به ندرت پیش میآید که جهشها پروتئینی را به وجود آورند.
وی گفت: همان جهش در گونه دلتای کرونا نیز شناسایی شد و مطمئناً همان جهش در سویه اومیکرون نیز وجود دارد که نشان میدهد ممکن است آنها اثرات مشابهی بر سیستم ایمنی داشته باشند.
این اطلاعات جدید می تواند باعث ابداع داروهایی شود که تعامل دو پروتئین Orf۹b و TOM۷۰ را هدف قرار می دهند.
منبع: عصر ایران
کلیدواژه: اتوآنتی بادی ها آنتی بادی آنتی بادی ها سیستم ایمنی ویروس کرونا سلول های B سلول ها جهش ها
درخواست حذف خبر:
«خبربان» یک خبرخوان هوشمند و خودکار است و این خبر را بهطور اتوماتیک از وبسایت www.asriran.com دریافت کردهاست، لذا منبع این خبر، وبسایت «عصر ایران» بوده و سایت «خبربان» مسئولیتی در قبال محتوای آن ندارد. چنانچه درخواست حذف این خبر را دارید، کد ۳۴۰۶۳۷۲۴ را به همراه موضوع به شماره ۱۰۰۰۱۵۷۰ پیامک فرمایید. لطفاً در صورتیکه در مورد این خبر، نظر یا سئوالی دارید، با منبع خبر (اینجا) ارتباط برقرار نمایید.
با استناد به ماده ۷۴ قانون تجارت الکترونیک مصوب ۱۳۸۲/۱۰/۱۷ مجلس شورای اسلامی و با عنایت به اینکه سایت «خبربان» مصداق بستر مبادلات الکترونیکی متنی، صوتی و تصویر است، مسئولیت نقض حقوق تصریح شده مولفان در قانون فوق از قبیل تکثیر، اجرا و توزیع و یا هر گونه محتوی خلاف قوانین کشور ایران بر عهده منبع خبر و کاربران است.
خبر بعدی:
داروهای غیر آنتیبیوتیک باکتریها را از بین میبرند
ایسنا/خراسان رضوی تاریخ بشر با کشف آنتیبیوتیکها در سال ۱۹۲۸ برای همیشه تغییر کرد. بیماریهای عفونی مانند ذاتالریه، سل و سپسیس بسیار گسترده و کشنده بودند تا اینکه پنیسیلین آنها را قابل درمان کرد.
با آنتیبیوتیکها روشهای جراحی که زمانی با خطر بالای عفونت همراه بودند، ایمنتر و معمولتر شدند. آنتیبیوتیکها لحظهای پیروزمندانه در علم را رقم زدند که کار پزشکی را متحول کرد و جان افراد بیشماری را نجات داد.
اما آنتیبیوتیکها اخطاری ذاتی دارند؛ زمانی که بیش از حد مورد استفاده قرار گیرند، باکتریها میتوانند به این داروها مقاوم شوند.
سازمان بهداشت جهانی تخمین زده است که این ابر میکروبها باعث مرگ ۱.۲۷ میلیون نفر در سراسر جهان در سال ۲۰۱۹ شدند و شاید در سالهای آینده به تهدیدی فزاینده برای سلامت عمومی جهانی تبدیل شوند.
اکتشافات جدید به دانشمندان کمک میکنند تا با این چالش به روشهای نوآورانه روبرو شوند. نتایج تحقیقات نشان داده است که حدود یک چهارم داروهایی که اغلب بهعنوان آنتیبیوتیک تجویز نمیشوند، مانند داروهای مورد استفاده برای درمان سرطان، دیابت و افسردگی، میتوانند باکتریها را در دوزهایی که بهطور معمول برای افراد تجویز میشود، از بین ببرند.
درک مکانیسمهای زیربنایی چگونگی سمی بودن داروهای خاص برای باکتریها، ممکن است تبعات گستردهای برای پزشکی داشته باشد. اگر داروهای غیر آنتیبیوتیکی باکتریها را به روشهای متفاوتی از آنتیبیوتیکهای استاندارد هدف قرار دهند، میتوانند بهعنوان سرنخ در تولید آنتیبیوتیکهای جدید عمل کنند. اما اگر داروهای غیر آنتیبیوتیکی باکتریها را به روشهای مشابه آنتیبیوتیکهای شناخته شده از بین ببرند، استفاده طولانیمدت از آنها، مانند درمان بیماریهای مزمن، ممکن است ناخواسته مقاومت آنتیبیوتیکی را افزایش دهد.
ماریانا نوتو گیلن، فارغالتحصیل از دانشگاه بوئنوس آیرس آرژانتین در علوم زیستی با تاکید بر زیستشناسی مولکولی، گفت در تحقیقی، من و همکارانم روش یادگیری ماشینی جدید ایجاد کردیم که نه تنها چگونگی کشتن باکتریها توسط داروهای غیر آنتیبیوتیکی را شناسایی میکند، بلکه میتواند به یافتن اهداف باکتریایی جدید برای آنتیبیوتیکها نیز کمک کند.
روشهای جدید از بین بردن باکتریها
نوتو گیلن بیان کرد دانشمندان و پزشکان متعددی در سرتاسر جهان در حال مقابله با مشکل مقاومت دارویی هستند، ازجمله من و همکارانم در آزمایشگاه میچل در دانشکده پزشکی ماساچوست آمریکا، از ژنتیک باکتریها برای بررسی اینکه کدام جهش باکتریها را نسبت به داروها مقاومتر یا حساستر میکند، استفاده میکنیم.
وی اظهار کرد: هنگامی که من و گروه تحقیقاتی در مورد فعالیت گسترده ضد باکتریایی داروهای غیر آنتیبیوتیکی مطلع شدیم، چالش ایجاد شده این داروها ما را به خود مشغول کرد که چگونه این داروها باکتریها را از بین میبرند.
گیلن توضیح داد: من حدود ۲ میلیون مورد سمیت بین ۲۰۰ دارو و هزاران باکتری جهشیافته را جمعآوری و تجزیه و تحلیل کردم. با استفاده از الگوریتم یادگیری ماشینی که برای استنباط شباهتهای بین داروهای مختلف ایجاد کردم، داروها را بر اساس نحوه تأثیر آنها بر باکتریهای جهش یافته در یک شبکه با هم گروهبندی کردم.
نوتو گیلن اظهار کرد: طرحهای من بهوضوح نشان میداد که آنتیبیوتیکهای مطرح بهدلیل کلاسهای شناختهشده مکانیسمهای کشنده، بهشدت با هم گروهبندی شدهاند. بهعنوان مثال، تمام آنتیبیوتیکهایی که دیواره سلولی؛ لایه محافظ ضخیم اطراف سلولهای باکتریایی، را هدف قرار میدهند با هم گروهبندی شدند و بهخوبی از آنتیبیوتیکهای دخیل در تکثیر دیانای باکتریها، جدا شدهاند.
وی اضافه کرد: جالب اینجاست که وقتی داروهای غیر آنتیبیوتیکی را به تجزیه و تحلیل خود اضافه کردم، آنها قطبهای جداگانهای از آنتیبیوتیکها را تشکیل دادند. این امر نشان میدهد که داروهای غیر آنتیبیوتیکی و آنتیبیوتیکی راههای مختلفی برای از بین بردن سلولهای باکتریایی دارند. در حالی که این گروهبندیها نشان نمیدهند که چگونه هر دارو بهطور خاص آنتیبیوتیکها را از بین میبرد، اما نشان میدهد که دستهبندیشدهها به احتمال زیاد به روشهای مشابهی کار میکنند.
گیلن در ادامه گفت اینکه ما توانستیم اهداف دارویی جدیدی را در باکتریها برای کشتن آنها پیدا کنیم حاصل تحقیقات همکارم کارمن لی است. وی صدها نسل از باکتریها را رشد داد و در معرض داروهای مختلف غیر آنتیبیوتیکی قرار داد که اغلب برای درمان اضطراب، عفونتهای انگلی و سرطان تجویز میشدند.
تعیین توالی ژنوم باکتریهایی که تکامل یافته و با حضور این داروها سازگار شدهاند، به ما امکان مشخص کردن پروتئین باکتریایی خاصی را میدهد که تریکلابندازول، داروی مورد استفاده برای درمان عفونتهای انگلی، هدف قرار میدهد تا باکتری را از بین ببرد. نکته مهم این است که آنتیبیوتیکهای فعلی بهطور معمول این پروتئین را هدف قرار نمیدهند.
وی خاطرنشان کرد: علاوه بر این، ما متوجه شدیم که ۲ داروی غیر آنتیبیوتیک دیگر که از مکانیسم مشابهی مانند تریکلابندازول استفاده میکنند نیز همان پروتئین را هدف قرار میدهند. این امر نشاندهنده قدرت طرحهای شباهت دارویی ما برای شناسایی داروهایی با مکانیسمهای کشندگی مشابه بود، حتی زمانی که این مکانیسم هنوز ناشناخته بود.
کمک به کشف آنتیبیوتیک
یافتههای این تحقیق فرصتهای متعددی را در اختیار محققان قرار میدهد تا نحوه عملکرد داروهای غیر آنتیبیوتیکی متفاوت از آنتیبیوتیکهای استاندارد را بررسی کنند. روش این محققان برای نقشهبرداری و آزمایش داروها همچنین این پتانسیل را دارد که مشکل مهم در توسعه آنتیبیوتیکها را برطرف کند.
جستجوی آنتیبیوتیکهای جدید اغلب مستلزم صرف منابع قابل توجهی برای غربالگری هزاران ماده شیمیایی است که باکتریها را میکشند و نحوه عملکرد آنها را مشخص میکند. اکثر این مواد شیمیایی مشابه آنتیبیوتیکهای موجود عمل میکنند و کنار گذاشته میشوند.
محققان گفتند: کار ما نشان میدهد، ترکیب غربالگری ژنتیکی با یادگیری ماشینی میتواند به کشف مواد شیمیایی کمک کند که قادر به از بین بردن باکتریها به روشهایی هستند که محققان پیش از این به کار نبردهاند. راههای مختلفی برای کشتن باکتریها وجود دارد که هنوز از آنها بهرهبرداری نکردهایم و هنوز راههایی وجود دارد که میتوانیم برای مبارزه با تهدید عفونتهای باکتریایی و مقاومت آنتیبیوتیکی در پیش بگیریم.
منابع
https://japantoday.com
https://www.yahoo.com
https://theconversation.com
انتهای پیام