Ученые ускорили производство искусственных тканей сетчатки

Pixium Vision SA

Исследователи из МФТИ и Гарварда при помощи полуавтоматической обработки тканей ускорили протокол производства клеток сетчатки почти в четыре раза без потери качества. Новый алгоритм помогает также в изучении факторов, влияющих на специализацию клеток. Результаты опубликованы в журнале Translational Vision Science and Technology.

Потеря нейронов сетчатки приводит к необратимой слепоте. В 2015 году более 2,5 млн человек в России страдали различными заболеваниями сетчатки, а с каждым годом это число растет. Развитие сетчатки можно воспроизвести в пробирке с помощью стволовых клеток. Для этого кластеры стволовых клеток помещаются в специальную среду, где индуцируется образование неразвитых нейронов, далее следует формирование и созревание сетчатки. Этот подход приводит к получению настоящих нейронов сетчатки, организованных в сложную ткань. Однако метод ограничен случайным характером начальной стимуляции роста нейронов. Время, необходимое для правильного развития искусственной сетчатки, составляет 30 дней для сетчатки мыши и до года для человеческой.

Российские ученые смогли решить эти проблемы, увеличивая количество производимых клеток и улучшая их качество. Исследователи вырастили несколько тысяч образцов ткани сетчатки для дальнейшей автоматической обработки и столько же для ручного выведения. В тканях присутствовал флуоресцентный белок, который вырабатывался только в растущих клетках. По степени свечения можно было определить количество развивающейся сетчатки в каждом органоиде. Оказалось, что применение автоматических алгоритмов не снижает качество выращиваемых тканей и помогает оптимизировать протокол наработки клеток благодаря большому количеству одновременно испытываемых систем. Применение полуавтоматического алгоритма работы позволило снизить затрачиваемое учеными время на обработку клеток с 2 часов до 34 минут.

«Мы реализовали роботизированную смену жидкости по ходу дифференцировки сетчатки и показали, что это не оказывает отрицательного влияния на результат специализации клеток. Кроме того, мы разработали инструмент для автоматического определения сетчатки и классификации органов и продемонстрировали его применение для оптимизации условий специализации и контроля качества. Одна из задач, которую мы стремились решить в нашей работе, — это возможность масштабировать дифференциацию для производства большого количества ткани для испытаний лекарств и экспериментов по трансплантации клеток. Автоматическая обработка образцов позволяет снизить необходимые усилия со стороны персонала и повысить в разы количество вырабатываемых клеток. После небольших модификаций этот алгоритм можно будет применять для выращивания других органов, не только сетчатки», — отмечает один из авторов работы Евгений Кегелес.

Источник: indicator.ru

Комментарии: