Apple Planet
  • REDAKCJA
  • WSPÓŁPRACA
  • POLITYKA PRYWATNOŚCI
No Result
View All Result
  • Apple
  • Sztuczna inteligencja AI
  • Smartfony
  • Nauka i technika
  • Komputery & Tablety
  • Security
  • Nowinki
    • Recenzje
    • Poradniki
  • GSMINFO Serwis
czwartek, 25 grudnia, 2025
  • Apple
  • Sztuczna inteligencja AI
  • Smartfony
  • Nauka i technika
  • Komputery & Tablety
  • Security
  • Nowinki
    • Recenzje
    • Poradniki
  • GSMINFO Serwis
No Result
View All Result
Apple Planet
No Result
View All Result
Home Sztuczna inteligencja AI

Nowa metoda wykorzystuje sekwencjonowanie DNA do precyzyjnego pomiaru metabolitów

od Pan z ApplePlanet
5 lutego, 2025
w Sztuczna inteligencja AI
0
472
SHARES
1.5k
VIEWS
Udostępnij na FacebookuUdostępnij na Tweeterze

Naukowcy z Uniwersytetu w Toronto opracowali nową metodę wykorzystującą sekwencjonowanie DNA do pomiaru metabolitów. Dzięki temu innowacyjnemu podejściu możliwe jest szybkie i precyzyjne analizowanie biologicznych związków chemicznych, takich jak cukry, witaminy, hormony i setki innych substancji kluczowych dla zdrowia człowieka.

Nowa platforma, nazwana „smol-seq”, bazuje na krótkich fragmentach DNA zwanych aptamerami, które zostały zaprojektowane tak, aby wiązać się z konkretnymi metabolitami. Każdy aptamer zawiera unikalny kod DNA, który działa jako znacznik identyfikacyjny. Metoda ta stanowi przełom w analizie molekularnej, ponieważ pozwala w prosty sposób identyfikować i mierzyć stężenie różnych substancji w organizmie.

Jak podkreśla June Tan, główna autorka badania: „Pomiar metabolitów jest niezwykle istotny dla naszego zdrowia, ale jednocześnie stanowi duże wyzwanie naukowe, ponieważ obejmuje szeroki zakres różnych cząsteczek. Do tej pory złotym standardem była spektrometria masowa, jednak jest to metoda czasochłonna i wymagająca specjalistycznego sprzętu. Chcieliśmy opracować metodę, która wykorzystuje sekwencjonowanie DNA, aby skorzystać z jego niesamowitej mocy obliczeniowej”.

Gdy aptamer napotka docelowy metabolit, jego struktura ulega zmianie, co prowadzi do uwolnienia przypisanego mu kodu DNA. Na przykład aptamer wykrywający glukozę uwalnia jeden typ kodu, podczas gdy aptamer rozpoznający hormon stresu – kortyzol – uwalnia inny. Dzięki temu, analizując uwolnione kody DNA, można precyzyjnie określić, które metabolity były obecne w próbce, a także oszacować ich ilość. Im więcej danej substancji, tym więcej odpowiadających jej kodów zostaje wykrytych w procesie sekwencjonowania.

Już wcześniej naukowcy stosowali aptamery do pomiaru metabolitów, jednak zazwyczaj ograniczały się one do wykrywania tylko kilku substancji jednocześnie. „Zrozumieliśmy, że jeśli wykorzystamy DNA do znakowania metabolitów, możemy mierzyć setki, a nawet tysiące różnych cząsteczek jednocześnie” – wyjaśnia Tan.

Kolejnym krokiem w rozwoju platformy smol-seq jest projektowanie aptamerów przeznaczonych do wykrywania metabolitów o istotnym znaczeniu biomedycznym. W miarę powiększania się bazy danych tych cząsteczek, naukowcy planują wykorzystać algorytmy uczenia maszynowego do przewidywania nowych projektów aptamerów, które będą mogły wiązać się z kolejnymi rodzajami metabolitów.

Naukowcy zamierzają także ulepszać technologię, poprawiając precyzję wiązania aptamerów z ich celami. Optymalizacja ta będzie kluczowa, zwłaszcza w kontekście rosnącej liczby analizowanych substancji. Jednym z kierunków rozwoju jest dostosowanie aptamerów na poziomie kwasów nukleinowych, co umożliwi jeszcze dokładniejszą identyfikację i badanie metabolitów.

Andrew Fraser, główny badacz i profesor genetyki molekularnej na Uniwersytecie w Toronto, podkreśla znaczenie tego przełomu dla przyszłości diagnostyki i biotechnologii: „Sekwencjonowanie DNA stało się miliony razy szybsze niż jeszcze 20 lat temu, dlatego chcieliśmy wykorzystać tę technologię do wykrywania metabolitów. Smol-seq może całkowicie odmienić świat medycyny i badań biologicznych, pozwalając na szybkie i nieskomplikowane analizy – tak łatwe, jak dziś jest sekwencjonowanie DNA”.

Przeprowadzone badania zostały opublikowane w prestiżowym czasopiśmie Nature Biotechnology i wspierane przez Kanadyjski Instytut Badań nad Zdrowiem. Opracowana metoda otwiera nowe możliwości w dziedzinie diagnostyki laboratoryjnej oraz badań nad metabolizmem, co może przyczynić się do postępu w medycynie spersonalizowanej, monitorowaniu zdrowia i opracowywaniu nowych terapii.

Share189Tweet118
Poprzedni artykuł

Obecne modele ryzyka stanu przedrzucawkowego tracą skuteczność z upływem czasu

Następny artykuł

Przecieki ujawniają datę premiery i wprowadzenia na rynek vivo V50

Następny artykuł
Przecieki ujawniają datę premiery i wprowadzenia na rynek vivo V50

Przecieki ujawniają datę premiery i wprowadzenia na rynek vivo V50

Polub nas i bądź na bieżąco

Ostatnie Wpisy

  • Włochy ukarały Apple grzywną 98,6 mln euro za zasady ATT ograniczające konkurencję w App Store 25 grudnia, 2025
  • Oszustwo Nomani wzrosło o 62% z powodu reklam deepfake z użyciem AI w mediach społecznościowych 25 grudnia, 2025
  • Nowy złodziej danych MacSync na macOS omija Apple Gatekeeper dzięki podpisanej aplikacji 25 grudnia, 2025
  • NVIDIA udostępnia GPU RTX PRO 5000 72 GB Blackwell i zwiększa opcje pamięci dla desktopowego AI 25 grudnia, 2025
  • Ujawniono możliwy termin premiery Realme Neo8 25 grudnia, 2025

Informacje

  • Polityka prywatności
  • Redakcja
  • Współpraca
  • REDAKCJA
  • WSPÓŁPRACA
  • POLITYKA PRYWATNOŚCI

Welcome Back!

Login to your account below

Forgotten Password?

Retrieve your password

Please enter your username or email address to reset your password.

Log In

Add New Playlist

No Result
View All Result
  • Apple
  • Sztuczna inteligencja AI
  • Smartfony
  • Nauka i technika
  • Komputery & Tablety
  • Security
  • Nowinki
    • Recenzje
    • Poradniki
  • GSMINFO Serwis