Israelische onderzoekers hebben een algoritme ontwikkeld om het begin van infectie ziekten te kunnen voorspellen

Israelische onderzoekers van het Weizmann instituut in Rechovot hebben een algoritme ontwikkeld om het begin van infectie zeikten, waaronder tuberculose, te kunnen voorspellen, aldus meldt de Jerusalem Post.

Hoewel in bepaalde gevallen het immuunsysteem bacteriën kan doden en, in andere gevallen, bacteriën de immuunafweer kunnen overwinnen, zijn er ook ziekten zoals tuberculose waarbij de bacterie jarenlang inactief kan blijven, soms in een later stadium ziekte veroorzaken en soms in winterslaap blijven.

Binnen de eerste 24-48 uur na infectie wordt een hypothese getest over de vraag of de toekomstige ontwikkeling van ziekten wordt vastgesteld. Wetenschappers onder leiding van Dr. Roi Avraham van de afdeling Biologische regelgeving van het Instituut hebben een methode gebruikt die in het instituut is ontwikkeld om de gen-activiteit te volgen  in echte ontmoetingen tussen duizenden immuuncellen en Salmonella-bacterie.

Voortbouwend op hun single-cell-volgorde voor Salmonella-infectie, ontwikkelden de onderzoekers een algoritme – gebaseerd op een methode die bekend staat als deconvolutie, om vergelijkbare informatie van individuele cel eigenschappen van standaard bloedtest data te verzamelen.

“Het algoritme dat we hebben ontwikkeld, kan niet alleen het geheel van immuuncellen definiëren dat deelneemt aan de respons, het kan ook hun activiteitsniveaus en daarmee de potentiële sterkte van de immuun respons onthullen,” zegtt Dr. Noa Bossel Ben Moshe, die samen met Dr. Shelly Hen-Avivi mede het onderzoek leidde.

Het algoritme werd eerst getest in bloedmonsters van gezonde mensen uit Nederland. Sommige monsters werden geïnfecteerd met Salmonella-bacteriën en de immuunrespons werd genoteerd. Hoewel bestaande genomische analysemethoden de verschillen tussen groepen niet ontdekten, onthulde het algoritme significante verschillen die verband hielden met daaropvolgende variaties in de bacterie dodende vermogens.

De onderzoekers richtten vervolgens hun aandacht op het diagnosticeren van het begin van tuberculose, veroorzaakt door bacteriën die zich jarenlang in het lichaam konden nestelen.

Gebruikmakend van een Britse bloedtest database werden patiënten en dragers gedurende een periode van twee jaar gevolgd, waardoor de toepassing van het algoritme op beide groepen en de deelverzameling die in die periode verschoven waren van drager naar het begin van de ziekte, vonden de onderzoekers dat de activiteitsniveaus van immuuncellen genaamd monocyten het begin of het toekomstige verloop van de ziekte zouden kunnen voorspellen.

“Het algoritme is gebaseerd op de ‘eerste indrukken’ van immuuncellen en Salmonella, die een heel ander soort ziekte veroorzaken dan mycobacterium tuberculosis, ‘zegt Hen-Avivi. “Toch konden we al vroeg voorspellen welke van de dragers de actieve vorm van de ziekte zou ontwikkelen.”

Terwijl resistentie tegen antibiotica tegenwoordig een grote uitdaging vormt voor de behandeling van tuberculose, geloven de onderzoekers dat hun algoritme het succes van de behandeling kan vergroten. “Als degenen met een risico op actieve ziekte kunnen worden geïdentificeerd wanneer de bacteriële belasting kleiner is, is hun kans op herstel beter,”

Lees hier het hele artikel.