Przejdź do treści

Molekularny „kod kreskowy” decyduje, które plemniki dotrą do komórki jajowej? Poznaj badania!

Białko CatSper1 selekcja plemników
Ilustracja: 123rf

Białko o nazwie CatSper1 działa jak molekularny „kod kreskowy” – pomaga określić, które plemniki trafią do komórki jajowej, a które zostaną po drodze wyeliminowane. Odkrycie naukowców z Yale może pomóc w badaniach nad leczeniem niepłodności.

Zapisz się do newslettera

Badanie (przeprowadzone na myszach) pomaga zrozumieć proces selekcji, któremu poddawane są plemniki po wejściu do układu rozrodczego samicy, co jest kluczowym etapem reprodukcji. Wyniki zostały niedawno opublikowane w magazynie eLife.

Kilka plemników z milionów dociera do celu

Samce ssaków ejakulują miliony plemników do dróg rodnych samicy, ale tylko kilka dociera do komórki jajowej. Sugeruje to, że plemniki są selekcjonowane w trakcie drogi, a ich nadmiar jest eliminowany. Dotychczas większość naszej wiedzy na temat zapłodnienia u ssaków pochodzi z badań izolowanych plemników i komórek jajowych na szalce Petriego. Podejście to nie pozwala nam zobaczyć, co dzieje się podczas procesu selekcji i eliminacji plemników.

Tłumaczy dr Jean-Ju Chung, współautorka badań i adiunkt w dziedzinie fizjologii komórkowej i molekularnej z Yale School of Medicine – jej słowa cytuje portal News Medical.

Aby sprostać temu wyzwaniu Chung i współpracownicy, w tym główny autor badań Lukas Ded, opracowali nową strategię obrazowania molekularnego. Celem było zaobserwowanie procesu selekcji plemników w układzie rozrodczym myszy.

Zobacz też: Fertile Chip – labirynt dla plemników. Czy zwiększa szanse na zapłodnienie?

Kluczowe białko

Korzystając z tej techniki i łącząc ją z bardziej tradycyjnymi badaniami biologii molekularnej zespół odkrył, że białko plemnika o nazwie CatSper1 musi być nienaruszone, aby ów plemnik mógł zapłodnić komórkę jajową.

Białko CatSper1 jest jednym z czterech białek, które umożliwiają przepływ wapnia do błony otaczającej ogon plemnika. Przepływ ten jest niezbędny do ruchu i przeżycia plemników. Jeśli wspomniane białko zostanie usunięte, plemniki nigdy nie dotrą do jaja i zginą.

Nowe horyzonty badań

Odkrycie i nowa platforma obrazowania mogą pozwolić naukowcom dowiedzieć się więcej o etapach procesu zapłodnienia, a także o tym, co dzieje się później, czyli zaraz po implantacji zapłodnionego jaja w macicy matki.

„Nasze badanie otwiera nowe horyzonty w wizualizacji i analizowaniu zdarzeń molekularnych w plemnikach podczas zapłodnienia oraz na najwcześniejszych etapach ciąży” – podsumowuje dr Chung. Te i dalsze badania mogą ostatecznie dostarczyć nowych informacji. Informacji, które pomogą w opracowaniu nowych metod leczenia niepłodności.

Źródło: News Medical

Zobacz też: Magnetyczny urok komórki jajowej – aktywna rola w zapłodnieniu

Alina Windyga-Łapińska

Dziennikarka portalu In Vitro Online. Absolwentka Uniwersytetu Warszawskiego. Copywriterka medyczna.

Czy sztuczna inteligencja może przewidzieć niepłodność męską?

Czy sztuczna inteligencja pomoże przewidzieć niepłodność męską?

Niepłodność w równym stopniu dotyka zarówno kobiety, jak i mężczyzn. W przypadku niepłodności męskiej to azoospermia, czyli całkowity brak plemników w nasieniu, jest jednym z kluczowych problemów uniemożliwiających parze posiadanie dziecka.

Zapisz się do newslettera

Leczenie azoospermii

W leczeniu azoospermii u mężczyzn wymagana jest ekstrakcja plemników z jąder (TESE) w celu uzyskania dojrzałych plemników. Podczas badania preparatom histologicznym przypisuje się punktację, zwaną skalą Johnsena, w skali od 1 do 10, w oparciu o cechy histopatologiczne jądra.

„Skala Johnsena jest szeroko stosowana w urologii, odkąd została po raz pierwszy odnotowana 50 lat temu. Jednak ocena histopatologiczna jądra nie jest łatwym zadaniem i zajmuje dużo czasu ze względu na złożoność tkanki jądra, wynikającą z wielu wysoce wyspecjalizowanych etapów spermatogenezy”– mówi dr Hideyuki Kobayashi.

Zobacz też: 5 sposobów, które jednocześnie wspomogą płodność kobiety i mężczyzny

Wykorzystanie technologii sztucznej inteligencji

Głównym celem lekarzy było uproszczenie tego niezwykle czasochłonnego etapu diagnozy poprzez wykorzystanie technologii sztucznej inteligencji. Dzięki zautomatyzowanemu uczeniu maszynowemu, lekarze bez umiejętności programowania mogą wykorzystywać głębokie uczenie się do budowania własnych modeli.

„Stworzony przez nas model może klasyfikować histologiczne obrazy jąder bez pomocy patologów. Mam nadzieję, że nasze podejście umożliwi klinicystom z każdej dziedziny medycyny zbudowanie modeli opartych na sztucznej inteligencji, które będą mogły być wykorzystywane w ich codziennej praktyce klinicznej.”

Aby uprościć wykorzystanie wyników Johnsena w praktyce klinicznej, zidentyfikowano cztery etykiety punktacji Johnsena:  1-3, 4-5, 6-7 i 8-10.

Sztuczna inteligencja przyszłością medycyny?

Sztuczna inteligencja stała się niezwykle popularna i stosowana jest we wszystkich dziedzinach medycyny. Jednak wykorzystanie sztucznej inteligencji przez klinicystów w szpitalach nadal jest utrudnione ze względu na potrzebę pomocy naukowców zajmujących się danymi.

„Wykorzystywana przez nas platforma uczenia maszynowego oparta na chmurze, może stać się tak potężnym narzędziem w medycynie, że w niedalekiej przyszłości lekarze w szpitalach będą z łatwością korzystać z klasyfikatorów obrazów medycznych opartych na sztucznej inteligencji(…) Najtrudniejszą częścią było zrobienie zdjęć patologii jąder – było to bardzo czasochłonne” – słowa dr Kobayashi cytuje News Medical

Grupa dr Kobayashiego opisała rozwój opartego na sztucznej inteligencji algorytmu oceny wyników Johnsena łączących oryginalne obrazy (X400), które osiągnęły wysoką dokładność. To pierwszy raport dotyczący algorytmu, którego można użyć do przewidywania wyników Johnsena bez konieczności polegania na patologach i ekspertach w dziedzinie nauki o danych.

Źródło: News Medical

Zobacz też: Litwa: Zautomatyzowany system selekcji zarodków zwiększy szansę na sukces IVF

Klaudia Kierzkowska

Absolwentka Uniwersytetu Warszawskiego, miłośniczka podróży, teatru i włoskiej kuchni.