شگفتی MIT: عکس‌های سه‌بعدی از سلول‌های زنده با عمق دوبرابر!

تصویربرداری متابولیکی: یه روش جدید از MIT برای دید بهتر و عمق بیشتر توی عکس‌ها

تصویربرداری متابولیکی یه راه غیرتهاجمیه که به دکترها و دانشمندها کمک می‌کنه سلول‌های زنده رو با کمک نور لیزر بررسی کنن. این روش می‌تونه تو ارزیابی پیشرفت بیماری و جواب دادن به درمان کمک کنه. اما وقتی نور به بافت‌های زنده می‌خوره، پراش نور اتفاق می‌افته که باعث می‌شه عمق نفوذ و کیفیت عکس‌ها محدود بشه. حالا، محققای MIT یه روش جدید ساختن که می‌تونه عمق تصویربرداری متابولیکی رو بیش از دو برابر کنه. این روش همچنین سرعت تصویربرداری رو زیاد می‌کنه و عکس‌های دقیق‌تر و پرجزئیاتی رو نشون می‌ده.

این روش جدید نیازی به آماده‌سازی بافت مثل برش دادن یا رنگ کردن نداره. در عوض، یه لیزر خاص به عمق بافت فرستاده می‌شه و باعث می‌شه مولکول‌های خاصی داخل سلول‌ها و بافت‌ها نور بفرستن. این کار نیاز به تغییر دادن بافت رو از بین می‌بره و یه تصویر طبیعی‌تر و دقیق‌تر از ساختار و عملکردش نشون می‌ده. محقق‌ها به این پیشرفت با تنظیم کردن نور لیزر برای بافت‌های عمیق رسیدن. اونا با استفاده از یه شکل‌دهنده فیبر که تازه ساختن و با خم کردنش کنترل می‌شه، تونستن رنگ و پالس‌های نور رو تنظیم کنن تا پراش نور رو کم کنن و سیگنال رو موقع نفوذ نور به عمق بافت، بیشترین حد ممکن کنن. این کار بهشون این امکان رو می‌ده که وارد عمق بیشتری از بافت زنده بشن و عکس‌های واضح‌تری بگیرن.

عمق نفوذ بیشتر، سرعت‌های بالاتر و کیفیت بهتر، این روش رو برای کاربردهای چالش‌برانگیز تصویربرداری مثل تحقیقات سرطان، مهندسی بافت، پیدا کردن دارو و بررسی واکنش‌های ایمنی مناسب می‌کنه. سی‌شیان یو، استادیار دپارتمان مهندسی برق و علوم کامپیوتر (EECS) و نویسنده اصلی مقاله در مورد این روش تصویربرداری می‌گه: «این نشون‌دهنده یه پیشرفت قابل توجه در زمینه عمق نفوذ برای تصویربرداری متابولیکی بدون برچسبه. این روش راه‌های جدیدی رو برای بررسی دینامیک متابولیک در عمق سیستم‌های زنده باز می‌کنه.» اون تو این مقاله همراه با نویسنده اصلی، کونزان لیو، دانشجوی فوق لیسانس EECS؛ تونگ کیو، پژوهشگر پسادکتری MIT؛ هونگهاو کائو، دانشجوی فوق لیسانس EECS؛ فن وانگ، استاد علوم مغز و شناخت؛ راجر کام، استاد ممتاز مهندسی زیستی و مکانیکی؛ لیندا گریفیت، استاد نوآوری آموزشی در دپارتمان مهندسی زیستی؛ و بقیه همکارای MIT حضور داره. این تحقیق قراره تو مجله Science Advances چاپ بشه.

تصویربرداری بدون برچسب

این روش جدید تو دسته تصویربرداری بدون برچسب قرار می‌گیره، یعنی بافت قبل از تصویربرداری رنگ نمی‌شه. رنگ کردن باعث ایجاد کنتراست می‌شه که به زیست‌شناس‌های بالینی کمک می‌کنه تا هسته‌های سلولی و پروتئین‌ها رو بهتر ببینن. اما رنگ‌آمیزی معمولا” نیاز به برش دادن و تقسیم نمونه داره، که این فرآیند اغلب باعث مرگ بافت می‌شه و بررسی فرآیندهای دینامیک تو سلول‌های زنده رو غیرممکن می‌کنه. تو روش‌های تصویربرداری بدون برچسب، محقق‌ها از لیزر برای تابوندن نور به مولکول‌های خاص داخل سلول‌ها استفاده می‌کنن که باعث می‌شه اونا نور رنگی متفاوت بفرستن و محتوای مولکولی و ساختارهای سلولی مختلف رو نشون بدن. با این حال، ساختن نور لیزر ایده‌آل با طول موج‌های خاص و پالس‌های با کیفیت بالا برای تصویربرداری از بافت‌های عمیق، یه چالش بوده. محقق‌ها یه روش جدید برای غلبه بر این محدودیت ساختن. اونا از یه فیبر چند حالته، یه نوع فیبر نوری که می‌تونه قدرت زیادی رو منتقل کنه، استفاده می‌کنن و اون رو با یه دستگاه جمع و جور به اسم “شکل‌دهنده فیبر” ترکیب می‌کنن.

شکل‌دهنده جدید برای تصویربرداری متابولیکی عمیق

این شکل‌دهنده به محقق‌ها این امکان رو می‌ده که نور رو دقیقاً با تغییر شکل فیبر، به شکل تطبیقی، تنظیم کنن. خم کردن فیبر باعث تغییر رنگ و شدت لیزر می‌شه. با استفاده از دستاوردهای قبلی، محقق‌ها یه نسخه اول از شکل‌دهنده فیبر رو برای تصویربرداری متابولیکی چندمدلی عمیق‌تر، تغییر دادن. کائو می‌گه: «ما می‌خوایم تمام این انرژی رو به رنگ‌هایی که نیاز داریم با ویژگی‌های پالس مورد نظر هدایت کنیم. این به ما کارایی تولید بالاتر و یه تصویر واضح‌تر می‌ده، حتی تو عمق بافتا.» بعد از ساختن این مکانیزم قابل کنترل، اونا یه پلتفرم تصویربرداری ساختن که از یه منبع لیزر قدرتمند برای تولید طول موج‌های بلندتر نور استفاده می‌کنه، که برای نفوذ عمیق‌تر به بافت‌های زنده خیلی مهمه.

پتانسیل‌های این فناوری

لیو می‌گه: «ما معتقدیم این فناوری می‌تونه تحقیقات زیستی رو خیلی پیش ببره. با ارزون و در دسترس کردنش برای آزمایشگاه‌های بیولوژی، امیدواریم به دانشمندا یه ابزار قدرتمند برای کشف بدیم.»

کاربردهای دینامیک

وقتی محقق‌ها دستگاه تصویربرداری‌شون رو آزمایش کردن، نور تونست بیش از ۷۰۰ میکرومتر وارد یه نمونه زیستی بشه، در حالی که بهترین روش‌های قبلی فقط می‌تونستن حدود ۲۰۰ میکرومتر نفوذ کنن. لیو اضافه می‌کنه: «با این نوع جدید تصویربرداری عمیق، می‌خوایم به نمونه‌های زیستی نگاه کنیم و چیزی رو ببینیم که تا حالا ندیدیم.» روش تصویربرداری عمیق بهشون این امکان رو داد که سلول‌ها رو تو سطوح مختلف تو یه سیستم زنده ببینن، که می‌تونه به محقق‌ها تو بررسی تغییرات متابولیکی که تو عمق‌های مختلف اتفاق می‌افته، کمک کنه.

علاوه بر این، سرعت بالاتر تصویربرداری بهشون این امکان رو می‌ده که اطلاعات دقیق‌تری درباره این‌که چه‌جوری متابولیسم یه سلول روی سرعت و جهت حرکتش تأثیر می‌ذاره، جمع‌آوری کنن. این روش جدید تصویربرداری می‌تونه به بررسی ارگانوئیدها، که سلول‌های مهندسی‌شده‌ای هستن که می‌تونن ساختار و عملکرد اندام‌ها رو شبیه‌سازی کنن، کمک کنه. محقق‌ها تو آزمایشگاه‌های کام و گریفیث پیشگام ساختن ارگانوئیدهای مغزی و اندومتر هستن که می‌تونن مثل اندام‌ها برای ارزیابی بیماری و درمان رشد کنن.

چالش‌های تصویربرداری غیرتهاجمی

با این حال، دیدن دقیق تغییرات داخلی بدون برش یا رنگ کردن بافت که نمونه رو خراب می‌کنه، یه چالش بوده. این روش جدید تصویربرداری به محقق‌ها این امکان رو می‌ده که به صورت غیرتهاجمی، وضعیت متابولیک داخل یه ارگانوئید زنده رو در حین رشدش، زیر نظر بگیرن. با توجه به این و بقیه کاربردهای بیومدیکال، محقق‌ها دارن برنامه‌ریزی می‌کنن که برن به سمت عکس‌هایی با کیفیت بالاتر. در عین حال، اونا دارن روی ساختن منابع لیزر با نویز کم کار می‌کنن که می‌تونه تصویربرداری عمیق‌تر رو با دوز نور کمتر ممکن کنه.

اونا همچنین دارن الگوریتم‌هایی رو توسعه می‌دن که به عکس‌ها واکنش نشون می‌دن تا ساختارهای سه‌بعدی کامل نمونه‌های زیستی رو با کیفیت بالا بازسازی کنن. تو درازمدت، اونا امیدوارن این روش رو تو دنیای واقعی به کار ببرن تا به زیست‌شناسا کمک کنن تا جواب به داروها رو تو زمان واقعی زیر نظر بگیرن و تو ساخت داروهای جدید کمک کنن. یو می‌گه: «با امکان تصویربرداری متابولیکی چندمدلی که به عمق بافت‌ها نفوذ می‌کنه، ما به دانشمندا این توانایی بی‌سابقه رو می‌دیم که سیستم‌های زیستی غیرشفاف رو تو حالت طبیعی‌شون ببینن. ما از همکاری با دکترها، زیست‌شناسا و مهندسای زیستی برای پیش بردن مرزهای این فناوری و تبدیل این بینش‌ها به پیشرفت‌های واقعی پزشکی هیجان‌زده‌ایم.»

این تحقیق بخشی از بودجه‌های استارتاپ MIT، جایزه CAREER بنیاد ملی علوم آمریکا، بورس ریاست‌جمهوری ایروین جیکوبز و جوآن کلاین و بورس کایلات MIT تأمین می‌شه.