Enfeksiyon seyri önceden tahmin edilebilecek
Güncelleme Tarihi:
Bakterilerin doğal ortamını taklit eden ve optimum hayatta kalma stratejilerini tahmin ederek antibiyotik tepkilerini ölçen yeni bir teknik geliştirildi. Enfeksiyonun seyrini önceden tahmin edebilecek sistemle, ilerleyen dönemde kişiye özel antibiyotik uygulamaları da mümkün olacak.
Sabancı Üniversitesi Mühendislik ve Doğa Bilimleri Fakültesi Mekatronik Programı Öğretim Üyesi Dr. Meltem Elitaş ve ekibi tarafından yürütülen proje, antibiyotik direnci geliştirebilecek enfeksiyonlarda en etkili uygulama yöntemlerini oluşturabilmek amacıyla tasarlandı.
Dr. Elitaş, “Bu ihtiyaç esasen enfeksiyonların ortaya çıkmasıyla birlikte hep var olan bir problem. Özellikle, çoklu antibiyotik direnci gösteren varyantların oluşması ve elimizde yeni antibiyotikler üretebilecek çok sınırlı imkan bulunması aslında küresel bir sorun. Ancak, COVID-19 pandemisinden sonra bu konuya gösterilen özen arttı ve çalışmalar hızlandı” dedi. “Microfluidic Microbial Ecology Device ve Mathematical Microecological Model” adlı yeni proje, Avrupa Birliği’nin Horizon 2020 araştırma ve yenilik programından da fon aldı.
YENİ STRATEJİLER GELİŞTİRİYORUZ
Dr. Meltem Elitaş projenin amacını şöyle anlattı:
“Antibiyotiklerin çalışma mekanizmalarını daha iyi anlayarak antibiyotik direnci geliştirebilecek enfeksiyonlarda en etkili uygulama yöntemlerini oluşturabilmeyi amaçlıyoruz. Yeni antibiyotiklerin bulunması ve var olanların etkinliğini arttıracak stratejilerin geliştirilmesine katkıda bulunmak hedeflerimiz arasında.
ENFEKSYONU ÖNCEDEN TAHMİN EDİYOR
Bu projede geliştirilen mikro cihazlar ile ‘çip üzerinde enfeksiyon’ oluşturularak antibiyotiklerin kişilere ve enfeksiyon derecesine bağlı olarak ne şekilde uygulanabileceği inceleniyor. Elde edilen tek hücre hassasiyetindeki veriler ve derin öğrenme algoritmaları ile antibiyotiklerin etkileri ile bakterilerin direnç geliştirme mekanizmaları araştırılıyor. Geliştirdiğiniz matematiksel modelle enfeksiyonun seyrinin önceden tahmin edilmesi de amaçlanıyor.
Çip üzerinde enfeksiyonu insanlarda oluşan enfeksiyonlara en yakın gerçekçi koşullarda yaratıyor ve buna, antibiyotik uygulayarak 1-3 mikrometre hassasiyetinde gözlem ve ölçümler yapıyoruz. Dolayısıyla bu şekilde antibiyotiklerin dirençle karşılaşmadan, yan etkilerini en aza indirerek ve enfeksiyonu en etkin şekilde sonlandıracak dozları belirleniyor. .
BAKTERİNİN ANTİBİYOTİK DOZUNA ÖLÜMÜNÜ ESAS ALIYORUZ
‘MMEM: Mathematical Microbial Ecology Model’ ile bakterilerin enfeksiyon oluşturma davranışının matematiksel modelini oluşturarak simülasyon ortamında bakterilerin antibiyotik dozlarına verdiği yanıtı tahmin etmeye çalışıyoruz. Literatürde bir çok matematiksel model antibiyotiksiz ya da antibiyotik koşullarda bakterilerin çoğalmasını modellerken bizim modelimizde bakterin antibiyotik dozuna bağlı ölme kinetikleri esas alıyor.
HASTAYA ÖZGÜ UYGULAMA PEŞİNDEYİZ
Proje bitiminde kişiler için enfeksiyona özel antibiyotik uygulaması önerebilecek bir simülasyon programının geliştirilmesi ve bu programdan alınan antibiyotik dozlarının mikroakışkan çip üzerinde oluşturulacak kişiye özel enfeksiyonlarda test edilmesi hedefleniyor. En nihayetinde de klinik uygulamalarda kullanılabilecek bir simülatör ve hastalardan alınan örneklerin testinde hızlı ve güvenilir sonuçlara dayalı olarak hastaya özgü antibiyotik uygulama planını sunan bir platformun oluşturulması amaçlanıyor.”
EKİPTE KİMLER VAR?
Öğretim üyesi Meltem Elitaş yürütücülüğündeki projede, doktora öğrencisi Sümeyra Vural Kaymaz mikrobiyoloji ve mikroakışkan cihazlarda bakteri deneylerini yaparken, bakterilerin davranışlarını modelleyen matematiksel modellerin oluşturulmasında Dr. Guleser Demir (Dokuz Eylül Üniversitesi), görüntü işleme ve derin öğrenme algoritmalarının geliştirilmesinde Dr. Giovanni Volpe (Gothenburg Üniversitesi, İsveç) projeye katkı sunmakta, antimikrobial direnç mekanizmalarının çalışılmasında ise Dr. Neeraj Dhar (EPFL, İsviçre – Vaccine and Infectious Disease Organization, Kanada) destek sağlıyor.