فناوری Organ-on-a-Chip (OoC) یکی از پیشرفته‌ترین ابزارها در مهندسی بافت و دارورسانی است که محیطی زنده و پویا برای شبیه‌سازی عملکرد اندام‌های انسان در مقیاس میکرو ایجاد می‌کند. در سال‌های اخیر، ادغام این سیستم‌ها با حسگرهای زیستی، سیستم‌های الکترونیکی خودکار و هوش مصنوعی (AI) تحولی چشمگیر در تحقیقات پزشکی، غربالگری دارویی و مطالعات فیزیولوژیک ایجاد کرده است. این تحقیق به بررسی این فناوری‌های نوین و تأثیر آن‌ها بر پیشرفت OoC می‌پردازد.

حسگرهای زیستی برای پایش عملکردهای سلولی 

حسگرهای زیستی (biosensors) ابزارهایی هستند که می‌توانند تغییرات بیوشیمیایی و فیزیولوژیکی را در محیط‌های کشت سلولی شناسایی و اندازه‌گیری کنند. ادغام این حسگرها در پلتفرم‌های OoC امکان نظارت بلادرنگ و دقیق بر محیط‌های کشت سلولی را فراهم می‌کند. این حسگرها می‌توانند متابولیسم سلولی (مانند اندازه‌گیری سطح گلوکز، لاکتات و اکسیژن)، سیگنال‌های الکتروفیزیولوژیک (مانند فعالیت نورون‌ها یا سلول‌های قلبی) ، تغییرات مکانیکی (مانند کشش بافت یا انقباض عضلانی)  را رصد کنند و شرایط کشت را بهینه‌سازی کنند.

برای مثال، حسگرهای الکتروشیمیایی و نوری به‌صورت مستقیم در مدل‌های OoC یکپارچه شده و امکان پایش پیوسته و بدون برچسب را فراهم می‌کنند. این یکپارچگی به درک بهتر فرآیندهای زیستی و پاسخ‌های سلولی کمک می‌کند. حسگرهای الکتروشیمیایی یکپارچه شده با تراشه‌های میکروفلویدیک می‌توانند تغییرات pH یا انتشار یون‌ها را در پاسخ به داروها اندازه‌گیری کنند، و حسگرهای اپتیکال (نوری) مانند فیبرهای نوری برای ردیابی نشانگرهای فلورسنت در سلول‌های سرطانی استفاده می‌شوند. همچنین، استفاده از حسگرهای زیستی می‌تواند به کاهش نیاز به نمونه‌برداری‌های مکرر و تخریبی از محیط کشت منجر شود و داده‌های دقیق‌تری را ارائه دهد. با این حال، نیاز به مواد زیست‌سازگار برای جلوگیری از تداخل با سلول‌ها از چالش های پیش رو می باشد.

اتصال تراشه به سیستم‌های الکترونیکی برای خودکارسازی آزمایش‌ها 

ادغام سیستم‌های OoC با سیستم‌های الکترونیکی و میکروفلوئیدیک پیشرفته، امکان خودکارسازی فرآیندهای آزمایشی را فراهم می‌کند. این ادغام می‌تواند شامل کنترل دقیق جریان‌های مایع، تنظیم شرایط محیطی کشت سلولی مانند دما و رطوبت، و اعمال محرک‌های مکانیکی یا الکتریکی به سلول‌ها باشد. برای مثال، سیستم‌های میکروفلوئیدیک می‌توانند به‌صورت خودکار محیط‌های کشت سلولی را کنترل کرده و مواد مغذی یا داروها را به‌صورت دقیق و زمان‌بندی‌شده به سلول‌ها تحویل دهند.

علاوه بر این، ادغام حسگرهای زیستی با این سیستم‌ها امکان جمع‌آوری و تحلیل داده‌های حاصل از آزمایش‌ها را به‌صورت خودکار وبلادرنگ فراهم می‌کند، که می‌تواند به افزایش دقت و کاهش خطاهای انسانی منجر شود. در این راستا می توان به سیستم‌های میکروالکترود آرایه‌ای (MEA) که برای ثبت سیگنال‌های الکتریکی در مدل‌های مغز-روی-تراشه(Brain-on-chip)  استفاده می‌شوند اشاره کرد.

ترکیب هوش مصنوعی برای تحلیل داده‌های خروجی

حجم بالای داده‌های تولیدشده توسط سیستم‌های OoC نیازمند روش‌های پیشرفته تحلیل داده است. ادغام هوش مصنوعی (AI) و ماشین لرنینگ (ML) با این سیستم‌ها می‌تواند به تحلیل کارآمدتر و دقیق‌تر داده‌ها کمک کند. برای مثال، الگوریتم‌های ماشین لرنینگ می‌توانند الگوهای پیچیده در داده‌های زیستی را شناسایی کرده و پیش‌بینی‌هایی درباره رفتار سلول‌ها یا پاسخ آن‌ها به داروها ارائه دهند. همچنین، ترکیب AI با OoC می‌تواند به طراحی توسعه مدل‌های شخصی‌سازی‌شده برای بیماران منجر شود، که در نهایت به بهبود فرآیندهای تشخیص و درمان کمک می‌کند.

پردازش تصاویر میکروسکوپی برای شناسایی تغییرات مورفولوژیک سلول‌ها، پیش‌بینی پاسخ دارویی بر اساس الگوهای متابولیک و بهینه‌سازی طراحی تراشه با شبیه‌سازی دیجیتال از نمونه های کاربرد این ترکیب ها است. برای مثال الگوریتم‌های Deep Learning می‌توانند تصاویر سلول‌های سرطانی را تحلیل کرده و مقاومت دارویی را پیش‌بینی کنند.

در نهایت می توان گفت ادغام حسگرهای زیستی، سیستم‌های الکترونیکی و هوش مصنوعی با فناوری Organ-on-a-Chip، تحولی اساسی در پزشکی شخصی‌شده، کشف دارو و تحقیقات بیماری‌ها ایجاد کرده است. با رفع چالش‌های فنی و گسترش همکاری‌های بین‌رشته‌ای، این سیستم‌ها می‌توانند جایگزین مدل‌های حیوانی شده و مسیر را برای آزمایش‌های بالینی دقیق‌تر هموار کنند.

References:

https://pmc.ncbi.nlm.nih.gov/articles/PMC7558092/

https://www.sciencedirect.com/science/article/abs/pii/S0956566322010971

https://www.mdpi.com/2218-273X/14/12/1569#:~:text=Integrating%20cells%20from%20different%20organs,27%2C28%2C29%5D