ده نوآوری برتر در حوزه بیوتکنولوژی

نوآوری های بیوتکنولوژیکی در ده سال گذشته نه تنها در عرصه های پزشکی بلکه در بخش های کشاورزی، محیط زیست و انرژی به طور پیوسته رشد کرده است. در اینجا ده نوآوری برتر بیوتکنولوژی که صنعت را متحول می کنند آورده شده است.
 

فناوری های تک سلولی

فناوری های تک سلولی نماهای دقیقی از محیط های سلولی ارائه می دهند و ابزار مهمی هستند که در کشف دارو و تحقیقات بالینی مورد استفاده قرار می گیرند. همراه با توالی یابی نسل جدید، فناوری های تک سلولی تصویر واقعی تری از یک جمعیت سلولی را نشان می دهند که به ویژه در درک ناهمگونی محیط تومور مهم است. از آنجایی که این فناوری‌ها عمدتاً در محیط تحقیقاتی مورد استفاده قرار می‌گیرند، تعدادی از شرکت‌های تحقیقاتی قراردادی پلتفرم‌های توالی‌یابی و تجزیه و تحلیل سلولی با پانل‌های DNA خاص را ارائه می‌دهند. برای مثال، Mission Bio پلتفرم Tapestri خود را به محققان ارائه می‌کند تا با استفاده از یک گردش کار میکروسیال دو مرحله‌ای همراه با توالی‌یابی تک سلولی، مشخصات ژنتیکی هر سلول را در یک جمعیت معین نشان دهند. پروفایل های خاص بیماری را می توان با استفاده از پانل های DNA خاص، مانند پانل لوسمی لنفوبلاستیک حاد به دست آورد. آنالیزهای تک سلولی معمولاً به چندین ماشین با پروتکل‌های جداگانه نیاز دارند، اما Berkeley Lights با توسعه یک ماشین واحد که می‌تواند سلول‌ها را یک به یک و به طور همزمان پردازش و تجزیه و تحلیل کند، قدمی فراتر برداشته است. همچنین، Beacon قادر است چندین دستکاری تک سلولی را در یک تراشه نوری حاوی ده ها هزار محفظه سلولی کوچک انجام دهد.
 

 

حسگرهای زیستی بر مبنای آپتامر

مانیتورهای گلوکز، تست‌های بارداری و حسگرهای فلزات سنگین تنها تعدادی از آشکارسازهای مبتنی بر حسگر زیستی هستند که از دهه 1960 توسعه و مورد استفاده قرار گرفته اند. حسگرهای زیستی متشکل از آنزیم‌ها، آنتی‌بادی‌ها یا میکروب‌هایی هستند که امکان بازخوانی ترکیب شناسایی‌شده را فراهم می‌کنند. فناوری‌های حسگر جدیدتر بر روش‌های مبتنی بر آپتامر نوکلئیک اسیدی متمرکز شده‌اند، زیرا دقیق تر، پایدارتر و مقرون‌به‌صرفه تر از روش‌های قبلی هستند. برای آزمایش‌های محیطی یا تشخیص‌های پزشکی که پیچیدگی نمونه بالاست، آپتامرها ممکن است نوع مولکول مناسبی باشند و تعدادی از شرکت‌ها بر توسعه آپتامرها برای این اهداف تمرکز کرده‌اند. به عنوان مثال، اپتامر ساینسز مستقر در کره جنوبی یک آزمایش تشخیصی آزمایشگاهی به نام AptoDetect-Lung ایجاد کرده است که خطر ابتلا به سرطان ریه در بیمار را با شناسایی هفت نشانگر زیستی سرطان ریه ارزیابی می کند. نشان داده شد که این آزمایش دقت تشخیصی را در مقایسه با آزمایش سی تی اسکن بهبود می بخشد.
 

سلول درمانی های رایج

مدیریت بیماری‌های مزمن گاهی به درمان‌های دارویی مکرر نیاز دارد، اما تصور کنید که آیا راهی وجود دارد که داروها در مکان دقیق هدف و در صورت نیاز، به صورت خودکار تحویل داده شوند؟ اینجاست که دانشمندان در حال توسعه درمان های سلولی دارورسانی هدفمند هستند. در بیماران دیابتی نوع 1، اختلال در سلول‌های بتا پانکراس منجر به کمبود انسولین و تجمع گلوکز خون می‌شود و در نتیجه علائمی مانند تکرر ادرار، تشنگی بیش از حد و سردرد ایجاد می‌شود. یک راه حل ممکن توسط Seraxis در حال توسعه است: یک دستگاه قابل کاشت متشکل از سلول های پانکراس رشد یافته در آزمایشگاه که به طور مستقیم به سطح گلوکز خون بیمار پاسخ می دهد. این دستگاه حاوی سلول‌های جزیره‌ای است که از سلول‌های بنیادی پرتوان القایی (iPSCs) ساخته شده‌اند و برای حذف درمان‌های دارویی برای این بیماران در نظر گرفته شده است.
 

کاربردهای سلول های بنیادی

از اوایل دهه 1980، دانشمندان در حال مطالعه شرایط و کنترل هویت سلول‌های بنیادی هستند. توانایی تولید نوع سلول مورد نظر با تمایز کنترل شده از نظر صنعتی در زمینه هایی مانند توسعه دارو، پزشکی احیا کننده و ساخت مواد زیستی ارزشمند مهم است. به عنوان مثال، یک شرکت کانادایی به نام NovoHeart، راه حلی برای محققانی که به دنبال انجام آزمایش های دارویی برای بیماری های قلبی هستند، ابداع کرد. پلتفرم MyHeart آنها از iPSCها برای تولید بافت قلب انسان یا مدل‌های اندام استفاده می‌کندو محیط واقعی قلب انسان را تقلید می‌کند. شرکت Platelet BioGenesis، یک استارت آپ مستقر در ماساچوست، در حال توسعه یک بیوراکتور متحرک برای سلول درمانی است. این بیوراکتور سلول های پلاکت مانند مشتق از iPSC را تولید می کند که در حال حاضر برای درمان بیماری های لخته کننده خون مانند ترومبوسیتوپنی ایمنی در حال توسعه هستند. فناوری‌های سلول‌های بنیادی مطمئناً به تحقیقات و درمان‌های پزشکی محدود نمی‌شود و این را تعداد شرکت‌هایی که روی گوشت‌های پرورشی و پروتئین جایگزین سرمایه‌گذاری می‌کنند نشان می‌دهد. شرکت هایی مانند Future Fields ، Memphis Meats و Super Meat با استفاده از کشاورزی سلولی، مرغ، گوشت گاو، اردک، تخم مرغ و شیر را در آزمایشگاه تولید می کنند. اولین پتی همبرگر در سال 2013 در آزمایشگاه مارک پست در دانشگاه ماستریخت با قیمت هنگفتی در حدود 300000 دلار آمریکا تولید شد. از آن زمان، شرکت‌ها برای کاهش هزینه‌های تولید به رقابت پرداختند.
 

پلتفرم های مبتنی بر CRISPR

از زمان کشف پاسخ ایمنی تطبیقی CRISPR-Cas9 باکتری استرپتوکوکوس پیوژنز توسط گروه‌های جنیفر دودنا و امانوئل شارپنتیر که هر دو برنده جایزه نوبل شیمی هستند، تعدادی از شرکت‌های مبتنی بر کریسپر تأسیس شده‌اند. با این حال، اولین کاربرد تجاری در واقع در سال 2007 آغاز شد، زمانی که دوپونت توالی های کوتاه تکراری را در ژنوم یکی از باکتری های ماست به نام Streptococcus thermophilus کشف کرد. آنها تشخیص دادند که اینها تکرارهای کوتاه پالیندرومیک (CRISPR) با فاصله منظم خوشه ای بودند که توسط S. thermophilus برای دفع عفونت های باکتریوفاژ استفاده می گردید. دوپونت بعداً از کشف خود برای مهندسی سویه‌های مقاوم به فاژ در فرآیند تولید ماست استفاده کرد. تقریباً یک دهه پس از آن، سیستم‌های مختلف CRISPR-Cas مشخص شده‌اند که CRISPR-Cas9 گسترده‌ترین مورد مطالعه است. روند توسعه ارگانیسم های مهم صنعتی تا به امروز ادامه داشته است و با استفاده از فناوری CRISPR-Cas9، سریعتر از همیشه پیش رفته است. PLANTeDit و Toolgen از CRISPR-Cas9 برای مهندسی محصولات پایدار مانند سویا بدون معرفی DNA خارجی استفاده می کنند. این ویرایش ژنوم بدون DNA نامیده می‌شود و اگرچه محصولات آنها از نظر ژنتیکی اصلاح می‌شوند، اما موانع نظارتی GMOs را دور می‌زنند. اولین شرکت هایی که وارد آزمایشات بالینی انسانی با درمان مبتنی بر CRISPR شدند، CRISPR Therapeutics و Vertex Pharmaceuticals در سال 2018 بودند. CTX001 یک درمان ex vivo است که برای درمان بتا تالاسمی و کم خونی داسی شکل مورد بررسی قرار گرفته است. این درمان شامل استخراج سلول‌های بنیادی خون بیمار، اصلاح ژن با استفاده از CRISPR-Cas9 و بازگرداندن سلول‌ها به بیمار است. اگرچه ارزیابی بالینی CTX001 هنوز زود است، نتایج اولیه  مزایای بالقوه درمان را در بیماران مبتلا به هموگلوبینوپاتی نشان داد.
 

پلتفرم های تکامل هدایت شده

در سال 2018، فرانسیس آرنولد، جورج اسمیت و گریگوری وینتر جایزه نوبل شیمی را برای تحقیقات خود در زمینه تکامل هدایت شده آنزیم ها، پپتیدها و آنتی بادی ها دریافت کردند. پلتفرم‌های تکامل هدایت‌شده معمولاً شامل تولید کتابخانه‌های ژنتیکی تصادفی‌شده‌ای بزرگ می‌شوند که گونه‌هایی از ژن مورد نظر را بیان می‌کنند. این کتابخانه‌ها با انتخاب انواع پروتئین‌هایی که ویژگی‌های مطلوبی مانند افزایش فعالیت اتصال به لیگاند یا فعالیت کاتالیزوری دارند، غربال می‌شوند. تعدادی از درمان های مبتنی بر پروتئین با استفاده از این فرآیند توسعه یافته اند مانند Humira (AbbVie)، Lumoxiti (MedImmune) و Gamifant (NovImmune). یک شرکت فناوری تکامل هدایت شده را توسعه داده است. Carmot Therapeutics، یک شرکت کشف دارو مستقر در برکلی، پلتفرم Chemotype Evolution را برای شناسایی داروهای جدید توسعه داد. در طول تکامل Chemotype، مجموعه‌ای از مولکول‌های کوچک به یک مجموعه قطعه اختصاصی متصل می‌شوند تا کتابخانه‌ای از داروهای کاندید تولید کنند. این کتابخانه در برابر یک هدف انسانی غربالگری می‌شود و داروهای کاندید منتخب به دورهای بعدی ارسال می‌شوند تا زمانیکه داروی کاندید به یک مولکول اتصال با میل ترکیبی بالا تبدیل شود. Carmot با استفاده از Chemotype Evolution، دو ترکیب کاندید را شناسایی کرد که در حال حاضر در آزمایش‌های بالینی هستند. سایر شرکت ها از تکامل هدایت شده برای تولید پلتفرم های میکروبی استفاده می کنند. Primordial Genetics، یک بیوتکنولوژی مستقر در سن دیگو، در حال توسعه پلتفرمی است که کتابخانه‌های میکروبی بزرگی را از طریق ژنتیک ترکیبی به نام Function Generator تولید می‌کند. Function Generator به آن‌ها اجازه می‌دهد تا میکروب‌های خاصی را انتخاب کنند که به طور بالقوه می‌توانند طیف وسیعی از مسائل را برطرف کنند، از شناسایی مخمرهای مقاوم به استرس برای تولید سوخت زیستی گرفته تا میکروب‌هایی که قادر به تجزیه پلاستیک‌ها هستند.
 

نوآوری های مبتنی بر میکروبیوم

در سال 2007، مؤسسه ملی بهداشت ایالات متحده پروژه میکروبیوم انسانی (HMP) را برای ارائه پشتیبانی مالی، پایگاه های داده مرجع و سایر منابع برای تحقیقات میکروبیوم راه اندازی نمود. بر این اساس، ایجاد HMP باعث شکوفایی بازده تحقیقاتی همراه با افزایش قابل توجه کمک های مالی گردید. آنچه در طول سال ها تولید شد عمدتاً ابزارهای تحقیقاتی محاسباتی و آماری (به دلیل مجموعه داده های عظیمی که تولید شد) و تعدادی از شرکت های میکروبیوم بود. بسیاری از این شرکت‌ها روی درمان‌های بیماری‌های انسانی، مانند راه‌حل‌های موضعی که میکروبیوم پوست را بازیابی می‌کنند یا تحویل دارو با استفاده از باکتری‌های روده تمرکز کردند، در حالیکه برخی از شرکت‌ها از فناوری‌های میکروبیوم به روش‌های دیگری استفاده نمودند. Aster Bio پلتفرم Environmental Genomics را برای کمک به مشتریان خود در نظارت بر خروجی زباله های مایع و جلوگیری از آلودگی آب های طبیعی توسعه داد. این پلتفرم نمونه‌های زباله را با شناسایی نشانگرهای زیستی ژنتیکی که مختص میکروب‌های کلیدی هستند، نمایه می‌کند و در مورد مسائل احتمالی عملیاتی (مانند حذف ناکافی آمونیاک) اطلاعات می‌دهد و تصفیه فاضلاب را هدایت می‌کند. Floragraph مبتنی بر Sunnyvale نیز در حال بررسی ضایعات است اما قصد دارد آنالیز میکروبیوم را مستقیماً به خانه بیاورد. دستگاه میکروبیوم قابل حمل آنها برای مشتریانی طراحی شده است که علاقمند به نظارت خود بر بیماری های مزمن یا ردیابی سلامت حیوانات همراه با تجزیه و تحلیل میکروبیوم نمونه های مدفوع هستند. اگرچه مشخص نیست که چه تعداد از مردم می خواهند مدفوع خود را در خانه تجزیه و تحلیل کنند، فلوراگراف قابلیت حمل و دسترسی به تجزیه و تحلیل میکروبیوم را به ارمغان می آورد. برای کاربردهای پزشکی و تحقیقاتی، این دستگاه ممکن است نیاز ها را برآورده نماید.
 

هارد دی‌ان‌ای

ما از روزهای اولیه سیستم های ذخیره سازی الکترونیکی داده ها مانند درام مغناطیسی و فلاپی دیسک فاصله زیادی داشته ایم. پیشرفت‌های تکنولوژیکی ظرفیت ذخیره‌سازی داده‌های ما را تا حد زیادی افزایش داده است، از ده‌ها کیلوبایت تا محدوده پتابایت. با این فضای ذخیره‌سازی فوق‌العاده، نیاز به فضای فیزیکی فوق‌العاده برای نگهداری مزارع سروری نیز وجود دارد. دانشمندان برای اولین بار در سال 1988 به استفاده از مولکول‌های DNA برای ذخیره‌سازی داده‌ها، با درج 35 بیت یک و صفر که یک تصویر 5 در 7 بیت مربعی را در ژنوم E. coli رمزگذاری می‌کنند، نگاه کردند. از آن زمان، موسسات و شرکت‌های مختلف تلاش‌های خود را برای توسعه سیستم‌های ذخیره‌سازی داده مبتنی بر DNA سرمایه‌گذاری کرده‌اند، با این روش، هزینه، مصرف انرژی و فضا در مقایسه با حفظ مزارع سرور به طور قابل‌توجهی کاهش می‌یابد. تخمین زده می‌شود که به‌طور قابل‌توجهی ذخیره تمام داده‌های جهان به یک کیلوگرم DNA فشرده می‌شود. چگونه می توان عکس ها یا موسیقی خود را در DNA "آپلود" کرد؟ دانشمندان دانشگاه واشنگتن و مایکروسافت در مطالعه اثبات مفهومی خود برای یک سیستم ذخیره سازی DNA خودکار سعی کردند به این موضوع بپردازند. آنها نشان دادند که دستگاه آنها قادر است یک Hello پنج بایتی را در یک توالی DNA رمزگذاری، سنتز و ذخیره کنند. سپس به کمک توالی یابی DNA، "Hello" را بازیابی کند. کل فرآیند 21 ساعت طول کشید و امروز برای ذخیره یک عکس عملی نیست. اما با توجه به سرعت توسعه چنین فناوری‌هایی، عرضه آن در آینده نزدیک جای تعجب نخواهد بود.
 

 

 اوریگامی DNA

جفت باز نوکلئوتیدها در DNA و RNA آنها را به یک ماده زیست مولکولی جذاب با قابلیت "خودآرایی" تبدیل می کند. این امر توسط گروه‌های مختلف در اواسط دهه 2000 نشان داده شد از جمله پل روتموند که روشی را برای مونتاژ DNA به مربع‌های دو بعدی، مثلث، چهره‌های شاد و اشکال دیگر ارائه کرد نمود. در سال 2017، چندین آزمایشگاه تحقیقاتی توانستند بزرگترین نانوساختارهای DNA را بسازند: نانومیله‌های بزرگ، آجرها و کاشی‌ها که با هم ترکیب شدند و ساختارهای عظیمی با طول‌هایی از صدها نانومتر تا بیش از یک میکرون را تشکیل دادند. این مطالعات تصاویر سه بعدی و شفافی از نانوساختارهای DNA ارائه می‌کنند که نشان می‌دهد نوکلئیک اسیدها را می‌توان برای جمع‌آوری در هر تعداد ساختار با پتانسیل کاربرد در پزشکی، الکترونیک و مواد زیستی طراحی نمود. در حال حاضر، اوریگامی DNA برای تولید پلتفرم‌های تحویل دارو (Genisphere)، نانوروبات‌های تشخیصی (Nanovery) و نانوپارچه‌های تعبیه‌شده در آنزیم برای کاربردهایی مانند تولید متابولیت (FabricNano) در حال توسعه است. نانوروبات‌های Nanovery با استفاده از هوش مصنوعی برای تشخیص DNA تومور در گردش (ctDNA) طراحی شده‌اند. نانوروبات تشخیصی آنها برای جایگزینی آزمایش‌های بیوپسی مایع فعلی برای ctDNA در نظر گرفته شده است که به زمان و هزینه زیادی نیاز دارد. نانو ربات در نمونه خون قرار می گیرد و در صورت تشخیص DNA سرطانی، در عرض 1 تا 2 ساعت روشن می شود. با ادامه انباشت جهش ها در DNA سرطانی، Nanovery قصد دارد به طور مداوم نانوروبات های خود را برای شناسایی این جهش های جدید تکامل دهد.
 

 

هوش مصنوعی در پزشکی

اگرچه هوش مصنوعی و یادگیری ماشینی، بیوتکنولوژی محسوب نمی شوند، اما به دلیل تاثیرشان در حوزه پزشکی شایسته ذکر هستند. علاقه تحقیقاتی به کاربردهای پزشکی مبتنی بر هوش مصنوعی در دهه گذشته به طور قابل توجهی افزایش یافته است، همانطور که اهمیت آن با افزایش 20 برابری انتشارات مربوطه از سال 2010 (596 مقاله) تا 2019 (12422) نشان داده شده است. طبق مطالعه ای که توسط دانشگاه گرونینگن و موسسه آینده نگر پزشکی انجام شد، کمی بیش از 70 الگوریتم هوش مصنوعی مورد تایید بازار برای کاربردهای پزشکی وجود داشت. تعدادی از این برنامه ها از الگوریتم های یادگیری ماشینی مبتنی بر تصویر برای تجزیه و تحلیل، تشخیص یا ارزیابی بیماری استفاده می کنند. نرم‌افزار QuantX Qlarity Imaging کمکی برای رادیولوژیست‌ها برای شناسایی سریع‌تر و دقیق‌تر نقاط غیرطبیعی در تصاویر MRI پستان است. در یک مطالعه بالینی که توانایی یک رادیولوژیست برای شناسایی صحیح ضایعات بدخیم در تصاویر MRI را ارزیابی می کند، رادیولوژیست ها هنگام استفاده از نرم افزار QuantX عملکرد بهتری داشتند. علاقه تحقیقاتی به ویژه برای توسعه ربات‌های پزشکی کاملاً مستقل، که در حال حاضر برای انجام وظایف بسیار خاص آموزش می‌بینند، افزایش یافته است. دستگاه IDx-DR که توسط Digital Diagnostics ساخته شده است، تصاویر شبکیه را برای تشخیص رتینوپاتی دیابتی، یکی از علل نابینایی در بیماران دیابتی، می گیرد. تصاویر توسط دستگاه هوش مصنوعی آموزش دیده برای شناسایی نشانگرهای زیستی مانند رسوبات پروتئینی و ترشحات تجزیه و تحلیل می شوند و یک گزارش تشخیصی در عرض 30 ثانیه ارائه می شود. همچنین در حال حاضر تلاش‌ها برای توسعه ربات‌های جراحی کاملاً مستقل، دستیاران پزشکی در خانه و روبات‌های پشتیبان سلامت روان ادامه دارد.
 


منبع:   Kolabtree