دکترای میکروبیولوژی بالینی:

چگونه پویایی و رفتار واریانت های جدید ویروس کرونا را شناسایی کنیم ؟

۱۳۹۹/۱۲/۰۶ - ۱۰:۲۱ - کد خبر: 308275
چگونه پویایی و رفتار واریانت های جدید ویروس کرونا را شناسایی کنیم ؟

سلامت نیوز-*دکتر شکیب الحق:با اغاز موج جهانی واریانت های جدید ویروس کرونا ، پژوهشگران در مراکز تحقیقاتی در حال تلاش برای پیش بینی رفتار ویروس و تبدیل یافته های اماری ، ژنتیکی و مولکولی به دستور العمل های مهم پیشگرانه به سازمان ها و مراکز دولتی در سراسر جهان هستند. در حال حاضر با گذشت یکسال از اغاز پاندمی کرونا ، نزدیک به 110 میلیون نفر در جهان به ویروس کووید 19 مبتلا شدند و با توجه به اینکه ویروس کرونا ممکن است در افراد بدون علائم بالینی و افرادی که هنوز تست های رایج تشخیصی را انجام نداده اند نیز وجود داشته باشد ، امار واقعی ممکن است فراتر از امار های رسمی باشد. با اغاز سال جدید میلادی و اعلام واریانت های جدید به همراه موج های اعلام شده از ویروس کرونا ، باعث شد تا مقامات کشورهای مختلف جهان مرزهای خود را ببندند و شهرها به حالت قرنطینه عمومی بازگردانند.

به نظر می رسد پس از پژوهش ها و تلاش های فراوان شرکت های بزرگ تکنولوژی و مولکولی ، امروزه محققان با استفاده از ابزار های نوین می توانند واریانت های جدید را پیش بینی کرده و چند قدم از ویروس کرونا جلو تر باشند. اما چالش مهمی که پیش روی جهان است شناسایی و پیش بینی رفتاری سریع واریانت ها از عامل پاتوژن اصلی و نوپدید می باشد.

در حالی که پاندمی کرونا وارد دومین سال حضور خود در جهان می شود ، زمان برای بازنگری درباره پرسش های کلیدی فرا رسیده است . پژوهشگران علوم پایه و بالینی چگونه رفتار ویروس را می توانند شناسایی کنند؟ صحت و درستی ادعای پژوهشگران چگونه به اثبات می رسد؟ یافته های محققان چگونه به صورت اصولی در اختیار مقامات اجرایی و پرسنل بهداشت و درمان جهت اجرای دقیق پروتکل ها قرار می گیرد؟ چگونه می توانیم بر مبنای داده های بدست امده ، موج ها و واریانت های جدید در اینده را پیش بینی کنیم ؟

در مقایسه با سایر ویروس های RNA تک رشته ای نظیر ویروس انفلونزا یا ویروس ایجاد کننده فلج اطفال، ویروس های خانواده کرونا ژنوم و زنجیره مولکولی نسبتا طولانی و بزرگی دارند. ژنوم کرونا ویروس جدید که در حال حاضر در جهان در حال چرخش است ، نزدیک به 30000 حرف ژنتیکی دارد.

همین پیچیدگی حروف ژنتیکی باعث می شود که ویروس کرونا به راحتی بین سلول میزبان و گونه ها منتقل شود. از سوی دیگر دستگاه خود همانند سازی ویروس هم امکان اشتباه و خطا در کد های ژنتیکی را فراهم می کند که می تواند منجر به جهش های ژنتیکی گردد. در حالی که جهش ها می توانند به ویروس کمک کنند تا به میزبان جدید منتقل شود ، جهش های بیش از حد می تواند باعث از بین رفتن بقای ویروس شود . با این حال، در ویروس کرونا به کمک انزیم های خاصی این قابلیت را برای ویروس فراهم می کند تا خطا های ژنتیکی را شناسایی و جهش های مخرب و ویرانگر را اصلاح کند.

ویروس کرونا با ورود به سلولهای میزبان انسانی و استفاده از امکانات ان برای ماندگاری طولانی مدت در بدن فرد بیمار، زمینه ساز تغییر ژنتیکی و تبدیل شدن به واریانت های جدید برای ویروس می گردد. بر اساس تخمین های صورت گرفته و بررسی روند تکامل ویروس در اثر گذشت زمان ، ویروس کرونا در هر ماه می تواند به یک یا دو واریانت پایدار تبدیل شود.

بسیاری از واریانت ها قدرت ماندگاری پایینی دارند اما برخی از انها به صورت موثر می توانند بیماری را گسترش دهند. با در نظر گرفتن صد میلیون انسان ، میلیارد ها سلول و همانند سازی 24 ساعته ویروس کرونا ، فرصت برای ایجاد واریانت های جدید همیشه می تواند در جریان باشد.

یکی از گزینه های بسیار مهم برای مقابله با ویروس کرونا، مهار نمودن انزیم تصیح کننده خطا های ژنتیکی در ویروس است که بر اساس پژوهش های جدید صورت گرفته در صورت حذف ان می تواند منجر به نابودی ویروس شود و در اینده به عنوان یکی از داروهای ضد ویروس موثر در نظر گرفته شود.

هنگامی که واریانت های جدید به گونه غالب تبدیل می شوند این توانایی را دارند که روند طغیان جدید ویروسی را تغییر دهند. به عنوان مثال زمستان سال اخیر ، تغییراتی در پروتئین شاخک دار ویروس کرونا ایجاد و به گونه غالب تبدیل شد که در کشورهای چین ، ایتالیا و المان گزارش شد. افرادی که میزان دریافت ذرات ویروسی بیشتری از محیط پیرامون دارند به طور طبیعی همانند سازی ویروسی بیشتری در انها دیده می شود اما هنوز شواهد قطعی پیرامون ارتباط ان با شدت بیماری زایی و میزان مرگ و میروجود ندارد.

برای اپیدمیولوژیست ها که روند گسترش عامل عفونی را بررسی می کنند ، شناخت تنوع افرادی که میزبان ویروس هستند بسیار مهم و راهگشاست. شناسایی افراد محتمل ، افراد الوده به ویروس ، افراد بهبود یافته و افراد فاقد علامت های بالینی همگی در میزان سرعت انتشار ویروس کرونا نقش دارند.

هر منحنی اولیه که توسط مقامات بهداشت کشورها در خصوص موج های مختلف ویروس کرونا به نمایش عموم مردم می رسد ، دارای مراحل رشد تصاعدی ، مرحله ثابت و یکنواخت و در نهایت مرحله فروکش کردن یا نزولی می باشد . اما باید در نظر داشت که در دنیای واقعی ما چیزی فرا تر از منحنی های ثبت شده در حال رخ دادن است . اعمال سیاست های دولت و شرایط جدید در حال جریان مانند قرنطینه اجباری و ماندن در خانه ، بسته شدن برخی از فعالیت های اقتصادی در کنار رعایت یا عدم رعایت پروتکل های بهداشتی توسط شهروندان همگی به عنوان عوامل خارجی بر روند موج ها و واریانت های ویروسی تاثیر گذار است و نیازمند گزارش لحظه به لحظه است .

مهمترین پرسشی که باید پاسخی برای ان یافت این است که چه زمانی ویروس در بین مردم انتقال می یابد؟ در حال حاضر روشی که پژوهشگران برای پاسخ به این پرسش در نظر می گیرند نگاه به گذشته است . با ثبت زمان بستری شدن بیماران ، مرگ و میر ناشی از ویروس کرونا و مرگ و میر بیماران شبه کرونایی می تواند اطلاعات سودمندی را در اختیار ما قرار دهد.

چالش اصلی در مدل سازی و پیش بینی رفتار ویروس این است که در حال حاضر تمام داده های اپیدمیولوژی ما مربوط به تست های ازمایشگاهی ، بیماران بستری و امار مرگ و میر است .

اما پرسشی همچنان بی پاسخ مانده این است که چگونه می توانیم جا به جایی ویروس در لحظه را به عنوان مثال هنگامی که از فروشگاه یا وسایل نقلیه عمومی استفاده می کنیم را اندازه گیری نماییم؟

با یافتن راه حل های جدید می توانیم از الوده کردن یکدیگر به ویروس کرونا جلوگیری کنیم . در حال حاضر اطلاعات دقیق پیرامون انتشار لحظه ای ویروس در سطح جهانی در دسترس نیست.

مدل سازی می تواند برای اهداف مختلف توسط مقامات بهداشتی و سیاست مداران طراحی و به عموم مردم گزارش شود و در عین حال می تواند متغیر باشد.

هر مدل اماری بستگی به پرسش و هدفی دارد که در ذهن پژوهشگر و در نگاه کلی سیاست گذار ایجاد می شود و بستگی به بازه زمانی مطالعه شده دارد. به عنوان مثال مدل سازی برای بررسی نیاز به تخت های بیمارستانی ، ونتیلاتور یا داروها در یک بازه زمانی مشخص برای یک بیمارستان در یکی از شهرهای ایران.

بنابراین بیشتر مطالعات و داده های موجود در ارتباط با ردیابی بیماری کووید 19 به صورت گذشته نگر و پیش بینی تخمینی ان برای وضعیت ویروس در اینده است . اما اگر از طریق تکنولوژی های جمع اوری داده نظیر گوگل و فیس بوک و اپل بتوان رفتار واقعی شهروندان را پیش بینی کرد ، بدین ترتیب می توان به صورت لحظه ای میزان سرعت انتشار ویروس کرونا را اندازه گرفت .

نکته مهم این است که ایا همه شهروندان امکان دسترسی به گوشی های هوشمند و اپلیکشن های ردیابی بیمار را در سراسر جهان دارند؟ هر چه داده های لحظه ای و تست های ازمایشگاهی بر مبنای تولید انتی بادی بیشتری در اختیار داشته باشیم ، نظام مراقبت قدرتمند تر و شناخت جامع تری از ایمنی جمعی خواهیم داشت.

پیش بینی رفتار لحظه ای ویروس و افراد جامعه با رعایت حریم خصوصی ، تکامل ویروس های RNA دار ، پاسخ سیستم ایمنی میزبان همگی در تعیین الگوها و مدل سازی های اینده در ارتباط با واریانت های جدید و بیماری های عفونی نوپدید اثر گذار هستند. هر چه دانش ما از نحوه الگوی تغییر ویروس کرونا از طریق ساعت مولکولی و درخت فیلوژنتیکی بیشتر باشد ، درک بهتری از تکامل ویروس خواهیم داشت .

توالی یابی کامل ژنتیکی که اکنون در انگلستان ، المان ، برخی از کشورهای افریقایی و امریکا در حال گسترش است می تواند نقش کلیدی در نظام مراقبت جهانی از ویروس های نوپدید و بررسی جهش های اتفاق افتاده کنونی داشته باشد. توالی یابی در کنار سایر تکنولوژی های جدید هوش مصنوعی در اینده می توانند در مدل سازی های لحظه ای ، ایجاد ارشیو ، انالیز داده های ژنتیکی و به اشتراک گذاری جهانی انها بسیار کمک کننده باشند.

بیولوژی سنتزی و پیش بینی رفتاری واریانت های ویروس کرونا و نحوه فرار از سیستم ایمنی میزبان در ازمایشگاه های تحقیقاتی از طریق تولید مصنوعی امینو اسید های کرونا و نحوه واکنش انها با سیستم ایمنی میزبان می تواند کمک کننده باشد و اطلاعات جامعی از نحوه تکامل ویروس کرونا در اختیار مقامات بهداشتی کشورها قرار دهد.

مدل سازی ، توالی یابی و پیش بینی باید به گونه ای توسط دولت ها تفسیر و اعمال قانون شود که منجر به شکوفایی اقتصادی و ارتقا بهداشت در جامعه با حفظ حریم خصوصی افراد هنگام استفاده از تکنولوژی های جدید گردد. هر چه اعتماد عموم مردم نسبت به داده ها ، سیاست ها و پروتکل های بهداشتی شامل فاصله گذاری فیزیکی و استفاده از ماسک در اماکن عمومی در کنار پلت فورم های واکسن های جدید نسل RNA و DNA بیشتر باشد ، احتمال کنترل واریانت های کرونا در اینده بیشتر می شود.

*دکترای میکروبیولوژی بالینی از دانشگاه ناتینگهام انگلستان ، عضو انجمن بیماری های عفونی و ویروس های نوپدید

نظر خود را بنویسید
(ضروری)
(ضروری)
CAPTCHA Imagereload
3.99643s, 19q