← أحدث الأبحاث
📄 البيولوجيا التركيبية

Coupling cell growth to protein secretion enables pooled screening at single-cell resolution in bioreactors

تقدم الورقة البحثية AutoGrowth، وهي استراتيجية فحص قائمة على النمو تربط معدل نمو الخلايا بإفراز البروتين عبر مستشعر حيوي أحادي الخلية، مما يتيح فحصاً عالي الإنتاجية بدقة الخلية الواحدة للمكتبات المجمعة في المفاعلات الحيوية مع الحفاظ على الارتباط بين النمط الجيني والنمط الظاهري.

المؤلفون الأصليون: Galez, H., Franja Da Silva, A., Capela, C., Napolitano, S., Batt, G.

نُشر 2026-09-17
📖 4 دقيقة قراءة☕ قراءة في استراحة قهوة

المؤلفون الأصليون: Galez, H., Franja Da Silva, A., Capela, C., Napolitano, S., Batt, G.

البحث الأصلي مرخَّص بموجب CC BY 4.0 (https://creativecommons.org/licenses/by/4.0/). ⚕️ هذا شرح مولَّده بالذكاء الاصطناعي لبحث مسبق لم يخضع لمراجعة الأقران. وهو ليس نصيحة طبية. لا تتخذ أي قرارات تتعلق بصحتك بناءً على هذا المحتوى. اقرأ إخلاء المسؤولية الكامل

في عالم البيولوجيا الحديثة الواسع، يحتاج العلماء غالباً إلى العثور على تباين جيني واحد مثالي، مختبئ وسط ملايين الاحتمالات. تخيل أنك تحاول العثور على حبة رمل واحدة محددة على الشاطئ، لكن هذه الحبة لديها القدرة على جعل مصنع يعمل بشكل أسرع. هذا هو تحدي هندسة البروتينات. تُصنع العديد من الأدوية والإنزيمات الصناعية بواسطة خلايا دقيقة، مثل الخميرة، التي تعمل كمصانع مجهرية. ولجعل هذه المصانع أكثر كفاءة، يجب على الباحثين تعديل التعليمات الجينية للخلايا لمساعدتها على إنتاج وإفراز المزيد من البروتين المطلوب. ومع ذلك، يوجد عائق رئيسي: عندما تفرز الخلية بروتيناً، فإنه يطفو بعيداً في السائل المحيط بها. وهذا يجعل من المستحيل تقريباً معرفة أي خلية محددة أنتجت أكبر قدر من البروتين، لأن الإشارة تضيع في الزحام. تتطلب الطرق التقليدية غالباً احتجاز البروتين أو استخدام بيئات اصطناعية معقدة لا تعكس كيفية عمل هذه الخلايا في خزانات التصنيع الواقعية.

لقد طور فريق من الباحثين طريقة جديدة لحل هذه المشكلة عن طريق تحويل نمو الخلية نفسه إلى مسطرة قياس. لقد أنشأوا نظاماً يسمى "AutoGrowth"، يربط سرعة نمو الخلية مباشرة بمدى جودة إفرازها للبروتين. وبدلاً من محاولة الإمساك بالبروتين أثناء خروجه من الخلية، قام الباحثون بهندسة الخميرة بحيث يؤدي فعل إفراز البروتين إلى تحفيز إشارة داخل الخلية تخبرها بأن تنمو بشكل أسرع. إذا كانت الخلية "مفرزة جيدة"، فإنها تحصل على دفعة نمو وتتكاثر بسرعة. أما إذا كانت "مفرزة ضعيفة"، فإنها تنمو ببطء. ومن خلال مجرد مراقبة الخلايا التي تسيطر على الجمهرة (المجتمع الخلوي) على مدار بضعة أيام، يمكن للعلماء تحديد أفضل المؤدين دون الحاجة أبداً إلى عزلهم بشكل فردي. يسمح هذا النهج بفحص مكتبات ضخمة من المتغيرات الجينية في مزارع سائلة قياسية، مما يحاكي ظروف التخمير الصناعي واسع النطاق.

بنى الباحثون هذا النظام باستخدام دائرة بيولوجية ذكية داخل خلايا الخميرة. لقد دمجوا البروتين الذي أرادوا دراسته مع ببتيد صغير يعمل كمفتاح. عندما تفرز الخلية هذا البروتين المدمج، يقوم الجزء الببتيدي بتنشيط مستقبل على سطح الخلية. يقوم هذا المستقبل بعد ذلك بقلب مفتاح داخل الخلية يشغل جيناً مسؤولاً عن صنع مغذٍ معين، وفي هذه الحالة هو "الهيستيدين". في بيئة يغيب عنها الهيستيدين، الخلايا التي تنجح في إفراز كمية كافية من البروتين فقط هي التي تستطيع صنع الهيستيدين الخاص بها والبقاء على قيد الحياة. كلما أفرزت الخلية بروتيناً أكثر، أنتجت هيستيدين أكثر، وبالتالي نمت بشكل أسرع. اختبر الفريق هذا المفهوم مع عدة بروتينات مختلفة، بما في ذلك الإنزيمات وأجزاء الأجسام المضادة، للتأكد من أن النظام يعمل على نطاق واسع وليس لنوع واحد فقط من الجزيئات. ووجدوا أن معدل نمو الخلايا يتناسب طردياً مع قدرتها على الإفراز، مما خلق إشارة موثوقة وذاتية التضخيم.

ولإثبات أن هذه الطريقة يمكنها التعامل مع النطاق المطلوب للتطبيقات الواقعية، أجرى العلماء سلسلة من الاختبارات الصارمة. أولاً، خلطوا مكتبة صغيرة من سلالات الخميرة، تحمل كل منها نسخة مختلفة من "الببتيد الإشاري" (signal peptide) — وهو تعليم جيني يساعد في توجيه البروتينات خارج الخلية. وضعوا هذا الخليط في مفاعل حيوي (bioreactor)، وهو خزان محكوم يحاكي الظروف الصناعية، وتركوا الخلايا تنمو لعدة أيام. وكما كان متوقعاً، فإن السلالات ذات الببتيدات الإشارية الأفضل نمت بشكل أسرع وأصبحت الأعضاء المهيمنة في الجمهرة. ومن خلال تسلسل الحمض النووي (DNA) للجمهرة النهائية، استطاع الباحثون رؤية أي المتغيرات قد تم إثراؤها، مما أكد أن النظام نجح في اختيار أفضل المفرزات مع مراعاة الصحة العامة للخلايا أيضاً.

تجلت القوة الحقيقية لهذه الطريقة عندما اختبر الفريق قدرتها على العثور على "إبرة في كومة قش". لقد أنشأوا خليطاً حيث يوجد متغير واحد عالي الكفاءة بنسبة واحد إلى مائة مليون. هذا المستوى من الندرة سيكون مستحيلاً العثور عليه باستخدام طرق الفرز التقليدية التي تبحث في الخلايا واحدة تلو الأخرى. بعد ثلاثة أيام فقط من النمو في المفاعل الحيوي، تكاثر المتغير النادر وعالي الأداء بما يكفي ليتم اكتشافه بسهولة. لقد أثرى النظام هذا المتغير النادر بمعامل يزيد عن ألفي ضعف، مما أثبت أن الطريقة يمكنها غربلة مكتبات هائلة للعثور على المرشحين الأكثر واعدية. لاحظ الباحثون أيضاً أنه إذا كان ضغط الاختيار مرتفعاً جداً لفترة طويلة، فقد تنمو بعض الخلايا بسرعة دون إفراز البروتين، لكنهم وجدوا أن تشغيل عملية الاختيار لفترة أقصر ومسيطر عليها يمنع حدوث هذه المشكلة.

يمثل هذا العمل تحولاً كبيراً في كيفية مقاربة العلماء لتحسين المصانع البيولوجية. فمن خلال ربط بقاء ونمو الخلية مباشرة بقدرتها على أداء مهمة محددة، أنشأ الباحثون نظاماً ذاتي الاختيار يعمل في نفس البيئات السائلة المستخدمة في الإنتاج الصناعي. وخلافاً للطرق السابقة التي تطلبت حبس الخلايا في قطرات صغيرة أو لصقها بأسطح صلبة، يسمح هذا النهج لها بالنمو بحرية، مما يضمن أن تكون النتائج ذات صلة بالتصنيع الواقعي. إن القدرة على فحص مليارات المتغيرات في غضون أيام، مع الحفاظ على الارتباط بين الشفرة الجينية للخلية وأدائها، تفتح الباب لاكتشاف طرق جديدة وأكثر كفاءة لإنتاج البروتينات التي تقود الطب والصناعة الحديثة. وتؤكد الدراسة أنه من خلال ترك الخلايا تتنافس طبيعياً من أجل النمو، فإن أفضل المؤدين سيبرزون حتماً إلى الصدارة.

غارق في أبحاث مجالك؟

تصلك نشرة يومية بأحدث الأبحاث المطابقة لكلماتك البحثية المفتاحية — مع ملخصات تقنية، بلغتك.

جرّب Digest →