آنها روشی به نام wildDISCO ابداع کرده‌اند که از پادتن‌های(آنتی‌بادی‌ها) استاندارد برای نقشه برداری از بدن موش‌ها با استفاده از نشانگرهای فلورسنت استفاده می‌کند.

ارتورک پادتن‌های IgG را به موش‌های مرده و شفاف اضافه کرد تا قسمت‌های مختلف بدن آن برجسته شود. در نهایت، این پادتن‌ها به انواع مختلف بافت در موش‌ها چسبیدند و آنچه ارتورک به آن علاقه‌مند بود را برجسته کردند.

آیا این روش بهتر از روش‌های اسکن قبلی است؟

اگرچه روش‌های موسوم به CUBIC، PACT، PEGASOS و uDISCO وجود دارند که تصویربرداری از کل بدن را امکان‌پذیر می‌کنند، اما روش wildDISCO به غلبه بر محدودیت‌های فنی موجود ناشی از روش‌های قبلی کمک کرده است.

دانشمندان اغلب از موش‌ها برای مطالعه پیشرفت بیماری در بدن انسان استفاده می‌کنند. دانشمندان این مطالعه در پژوهش خود از موش‌ها برای تولید نقشه‌های سلولی و ساختار کل بدن بسیار شبیه به «اطلس مغز آلن»(Allen Brain Atlas) استفاده کردند که به آنها اجازه می‌دهد مناطقی در مغز را مشاهده کنند که امکان مشاهده اتصالات عصبی را فراهم می‌کند.

روش آنها قادر به تشخیص تومورهای سرطانی در مراحل اولیه شکل‌گیری بود.

ارتورک می‌گوید: اسکن‌های MRI و PET فقط تومورهای بزرگ را به شما نشان می‌دهند.

اطلس مغز موش و انسان آلن، پروژه‌هایی در موسسه علوم مغز آلن هستند که با ایجاد نقشه‌های بیان ژن برای مغز موش و انسان به دنبال ترکیب ژنومیک با نوروآناتومی هستند. این پروژه‌ها در سپتامبر ۲۰۰۳ با کمک ۱۰۰ میلیون دلاری «پل جی آلن» آغاز شدند و اولین اطلس در سپتامبر ۲۰۰۶ عرضه شد.

نقشه بدن موش

مشابه با نحوه مشاهده اطلس مغز آلن برای همه، دانشمندان این مطالعه وب‌سایتی را ایجاد کرده‌اند که به پژوهشگران اجازه می‌دهد مجموعه داده‌های مرجع خود را بررسی کنند و این داده‌ها را در اطلس‌های آنلاین در دسترس جامعه علمی قرار دهند.

این وب‌سایت حاوی تصاویر با وضوح بالا از کل سیستم‌های بدن موش، مانند سیستم عصبی، سیستم لنفاوی و سیستم عروقی است.

ارتورک چشم انداز این پروژه را در یک بیانیه مطبوعاتی این گونه توضیح داد: دانستن اینکه هر پروتئین در کجا بیان می‌شود، برای ایجاد درک جامع از نحوه عملکرد بدن و آنچه در بیماری‌های پیچیده اشتباه پیش می‌رود، ضروری است.

دانشمندان در مطالعه خود آورده‌اند که از طریق این وب‌سایت، یک ابزار آنلاین در نظر گرفته شده است که برای تحقیقات زیست پزشکی ارزشمند است و به دانشمندان اجازه می‌دهد این سیستم‌ها را در موش‌های کامل بدون نیاز به تکرار آزمایش‌های مشابه در آینده بررسی کنند.

پیوند دادن این مطالعه با هوش مصنوعی

دکتر هانگ‌چنگ مای و دکتر جی لو نویسندگان ارشد این مطالعه می‌گویند: اطلس‌های آنلاین ما قبلاً داده‌هایی را برای مقالات منتشر شده تولید کرده‌اند. دانشمندان دیگر داده‌های مهمی را از اطلس‌های ما به‌ دست آورده‌اند، در زمان و منابع صرفه‌جویی شده و استفاده از حیوانات را کاهش داده‌ است.

دانشمندان قصد دارند این روش را با هوش مصنوعی ادغام کنند تا بیماری‌ها را بهتر درک کنند.

ارتورک می‌گوید: حالا تصور کنید وقتی این نقشه‌ها را با قدرت یادگیری عمیق ترکیب کنیم، چه کارهایی می‌توانیم انجام دهیم.

این گروه می‌خواهد از قدرت یادگیری ماشینی برای شبیه‌سازی سیستم‌های پیچیده بیولوژیکی استفاده کند تا درمان‌های جدیدی را توسعه دهد.

این مطالعه در مجله Nature Biotechnology منتشر شده است.