به نقل از «خبرگزاری برنا»

پشه‌ها برای نیش زدن «رادار» دارند!

تاریخ انتشار: ۲۳ شهریور ۱۴۰۲ | کد خبر: ۳۸۶۸۲۳۱۳

دانشمندان در پژوهش جدیدی که می‌تواند برای تولید مواد دافع حشرات مورد استفاده قرار گیرد، می‌گویند این رادار پشه‌ها است که به آنها می‌گوید چه کسی را نیش بزنند.

به گزارش برنا؛ هر کس که تا به حال توسط پشه گزیده شده باشد از خود پرسیده است که چرا این حشرات جذب من می‌شوند؟ طبق بیانیه مطبوعاتی منتشر شده دانشکده پزشکی جانز هاپکینز اکنون پژوهشگران ممکن است پاسخی برای این سوال داشته باشند.

بیشتر بخوانید: اخباری که در وبسایت منتشر نمی‌شوند!

آنها ادعا می‌کنند گیرنده‌های تخصصی روی سلول‌های عصبی حشرات را یافته‌اند که می‌توانند توانایی آنها را برای تشخیص بوی‌های خوشایند به ویژه در پوست انسان تنظیم کنند.

 دکتر کریستوفر پاتر دانشیار علوم اعصاب در دانشکده پزشکی دانشگاه جانز هاپکینز می‌گوید: درک زیست شناسی مولکولی حس بویایی پشه برای ایجاد راه‌های جدید برای جلوگیری از نیش زدن و بیماری‌های مهلکی که ایجاد می‌کنند، کلیدی است. این تحقیقات جدید بسیار مهم هستند، چرا که بیماری‌های منتقل شونده از طریق پشه مانند مالاریا، تب دنگی و ویروس نیل غربی تاکنون بیش از ۷۰۰ میلیون نفر را در سراسر جهان مبتلا کرده و سالانه ۷۵۰ هزار نفر را به کام مرگ می‌کشد.

اکنون امید این پژوهش جدید، یافتن مواد و روش‌های دافع بهتری است که بتوانند در جذب بوها توسط پشه‌ها اختلال ایجاد کنند. پاتر می‌گوید، حشرات از حواس چندگانه برای یافتن میزبان‌ها(بو، چشایی و یونوتروپیک) استفاده می‌کنند، اما تصور می‌شود گیرنده‌های بو به پشه‌ها کمک می‌کنند تا بین حیوانات و انسان‌ها تمایز قائل شوند، در حالی که گیرنده‌های چشایی کربن دی اکسید را تشخیص می‌دهند.

برای این پژوهش، پاتر، جاشوا راجی و جوانا کونوپکا بر روی گیرنده‌های یونوتروپیک تمرکز کردند، زیرا یونوتروپیک به توانایی هدایت پشه‌ها برای ترجیح دادن یک نوع پوست انسان بر نوع دیگر از طریق واکنش به اسیدها و آمین‌ها گفته می‌شود. در واقع پژوهشگران به دنبال رادار و آنتن روی شاخک‌های این حشرات گشتند.

مشخص کردن مواد ژنتیکی

پژوهشگران از تکنیکی به نام «هیبریداسیون درجای فلورسنت» استفاده کردند که نه خود گیرنده‌ها، بلکه ماده ژنتیکی به نام RNA که پسرعموی DNA است را مشخص می‌کند.

پژوهشگران ادعا کردند: یافتن RNA مرتبط با گیرنده‌های یونوتروپیک به این معنی است که نورون‌ها به احتمال زیاد چنین گیرنده‌هایی را تولید می‌کنند.

دانشمندان خاطرنشان کردند که اکثر گیرنده‌های یونوتروپیک را در قسمت انتهایی شاخک‌ها(دورترین قسمت از سر) یافتند و شاخک‌ها گیرنده‌های یونوتروپیک بیشتری در قسمت پروگزیمال(نزدیک سر) دارند.

نتایج این پژوهش نشان می‌دهد که شاخک‌های پشه‌ها پیچیده‌تر از آنچه قبلاً فرض می‌شد، هستند.

پاتر افزود: گیرنده‌های یونوتروپیک با گیرنده‌های «شریک» کار می‌کنند تا به بوها واکنش دهند.

این پژوهش همچنین در شناسایی جفت‌هایی از گیرنده‌ها که پیش‌بینی می‌شود گیرنده یونوتروپیک به اسیدها یا آمین‌ها پاسخ می‌دهد، موفقیت‌آمیز بود.

همه اینها به این معنی است که دانشمندان چند قدم به یافتن مواد دافع پشه‌ها که واقعاً عملی هستند، نزدیک‌تر شده‌اند. این پیشرفت، اگر موفقیت آمیز باشد، به انسان این امکان را می‌دهد که در برابر بسیاری از بیماری‌های منتقل شونده از حشرات محافظت شود.

این پژوهش در مجله Cell Reports منتشر شده است.

 

 

 

آیا این خبر مفید بود؟

نتیجه بر اساس رای موافق و رای مخالف

منبع: خبرگزاری برنا

کلیدواژه: پشه گیرنده های یونوتروپیک گیرنده ها شاخک ها پشه ها

درخواست حذف خبر:

«خبربان» یک خبرخوان هوشمند و خودکار است و این خبر را به‌طور اتوماتیک از وبسایت www.borna.news دریافت کرده‌است، لذا منبع این خبر، وبسایت «خبرگزاری برنا» بوده و سایت «خبربان» مسئولیتی در قبال محتوای آن ندارد. چنانچه درخواست حذف این خبر را دارید، کد ۳۸۶۸۲۳۱۳ را به همراه موضوع به شماره ۱۰۰۰۱۵۷۰ پیامک فرمایید. لطفاً در صورتی‌که در مورد این خبر، نظر یا سئوالی دارید، با منبع خبر (اینجا) ارتباط برقرار نمایید.

با استناد به ماده ۷۴ قانون تجارت الکترونیک مصوب ۱۳۸۲/۱۰/۱۷ مجلس شورای اسلامی و با عنایت به اینکه سایت «خبربان» مصداق بستر مبادلات الکترونیکی متنی، صوتی و تصویر است، مسئولیت نقض حقوق تصریح شده مولفان در قانون فوق از قبیل تکثیر، اجرا و توزیع و یا هر گونه محتوی خلاف قوانین کشور ایران بر عهده منبع خبر و کاربران است.

خبر بعدی:

استفاده از ChatGPT برای ارزیابی مشکل قلبی عاقلانه نیست!

پژوهشگران «دانشگاه ایالتی واشنگتن» در یک آزمایش جدید دریافتند که ChatGPT نمی‌تواند عملکرد خوبی را در ارزیابی مشکل قلبی داشته باشد.

به گزارش ایسنا، به رغم توانایی‌های گزارش‌ شده درباره ChatGPT برای قبول شدن در آزمون‌های پزشکی، یک پژوهش جدید نشان می‌دهد که اتکا به این فناوری برای برخی ارزیابی‌های سلامتی مانند بررسی نیاز بیمار مبتلا به درد قفسه سینه به بستری شدن در بیمارستان عاقلانه نیست.

به نقل از میراژ نیوز، در پژوهش جدیدی که شامل هزاران وضعیت شبیه‌سازی شده از بیماران مبتلا به درد قفسه سینه است، ChatGPT نتایج متناقضی را ارائه کرد و سطوح متفاوتی را از ارزیابی خطر مشکل قلبی در داده‌های به‌دست‌آمده از بیماران نشان داد. همچنین، این سیستم هوش مصنوعی مولد نتوانست با روش‌های سنتی مطابقت داشته باشد که پزشکان از آنها برای قضاوت درباره خطر مشکل قلبی بیمار استفاده می‌کنند.

دکتر «توماس هستون»(Thomas Heston) پژوهشگر دانشکده پزشکی «دانشگاه ایالتی واشنگتن»(WSU) گفت: ChatGPT به یک شیوه ثابت عمل نمی‌کرد. با توجه به داده‌های مشابه، ChatGPT رتبه خطر پایینی را ارائه می‌دهد. دفعه بعد یک رتبه متوسط را پیش‌بینی می‌کند و گهگاه تا افزایش خطر پیش می‌رود.

هستون گفت: پژوهشگران باور دارند این مشکل احتمالا به دلیل سطح تصادفی بودن نسخه کنونی نرم‌افزار ChatGPT۴ است که به آن کمک می‌کند تا پاسخ‌هایی را برای شبیه‌سازی زبان طبیعی ارائه دهد. با وجود این، همین تصادفی بودن باعث می‌شود نرم‌افزار برای کاربردهای حوزه سلامت که به یک پاسخ منسجم نیاز دارند، به خوبی کارآیی نداشته باشد.

هستون ادامه داد: ما متوجه شدیم که تنوع زیادی وجود دارد و این تنوع در رویکرد می‌تواند خطرناک باشد. این فناوری می‌تواند برنامه سودمندی باشد اما من معتقدم که فناوری بسیار سریع‌تر از درک ما پیش می‌رود. بنابراین، بسیار مهم است که پژوهش‌های بسیاری را به ‌ویژه در موقعیت‌های بالینی پرخطر انجام دهیم.

درد قفسه سینه، یکی از شکایت‌های رایج در اورژانس است که پزشکان را ملزم می‌کند تا فوریت وضعیت بیمار را مورد ارزیابی قرار دهند. هستون گفت: برخی از موارد بسیار جدی را به راحتی می‌توان با توجه به علائم آنها شناسایی کرد اما موارد کم‌خطر ممکن است پیچیده‌تر باشند؛ به ویژه هنگام تعیین اینکه آیا بیماری باید برای بررسی بیشتر در بیمارستان بستری شود یا به خانه برود و مراقبت‌های سرپایی را دریافت کند.

متخصصان پزشکی در حال حاضر اغلب از یکی از دو معیار موسوم به TIMI و HEART برای ارزیابی خطر مشکل قلبی استفاده می‌کنند. هستون این مقیاس‌ها را به ماشین‌حساب‌هایی تشبیه کرد که متغیرهای انگشت‌شمار را مانند علائم، سابقه سلامت و سن استفاده می‌کنند. در مقابل، یک شبکه عصبی هوش مصنوعی مانند ChatGPT می‌تواند میلیاردها متغیر را به سرعت ارزیابی کند. این بدان معناست که شاید ChatGPT بتواند یک موقعیت پیچیده را سریع‌تر و دقیق‌تر تحلیل کند.

برای این پژوهش، هستون و همکارش دکتر «لارنس لوئیس»(Lawrence Lewis) پژوهشگر «دانشگاه واشنگتن در سنت لوئیس»(WashU) ابتدا سه مجموعه داده را از ۱۰ هزار مورد تصادفی و شبیه‌سازی‌شده ایجاد کردند. یک مجموعه داده دارای هفت متغیر مقیاس TIMI، مجموعه دوم شامل پنج متغیر مقیاس HEART و مجموعه سوم دارای ۴۴ متغیر تصادفی سلامت بود. در دو مجموعه داده اول، ChatGPT ارزیابی خطر متفاوتی را در ۴۵ تا ۴۸ درصد مواقع نسبت به امتیاز ثابت TIMI یا HEART ارائه کرد. پژوهشگران برای آخرین مجموعه داده، موارد را چهار بار اجرا کردند و دریافتند که ChatGPT اغلب با خودش موافق نیست و در ۴۴ درصد مواقع، سطوح ارزیابی متفاوتی را برای موارد مشابه ارائه می‌دهد.

به رغم یافته‌های منفی این پژوهش، هستون پتانسیل زیادی را برای هوش مصنوعی مولد در مراقبت‌های بهداشتی پیش‌بینی می‌کند. به عنوان مثال، با فرض رعایت استانداردهای حفظ حریم خصوصی، کل سوابق پزشکی را می‌توان در برنامه بارگذاری کرد و در شرایط اضطراری، پزشک می‌تواند از ChatGPT بخواهد تا سریع‌ترین حقایق را درباره یک بیمار ارائه دهد. همچنین، پزشکان برای موارد دشوار و پیچیده می‌توانند از برنامه بخواهند تا چندین تشخیص احتمالی را ارائه دهد.

هستون گفت: ChatGPT می‌تواند در ارائه دادن تشخیص افتراقی عالی باشد و این احتمالا یکی از بزرگ‌ترین نقاط قوت آن است. اگر کاملا نمی‌دانید که درباره یک بیمار چه می‌گذرد، می‌توانید از ChatGPT بخواهید تا پنج تشخیص اصلی و استدلال خود را برای هر یک از آنها ارائه دهد. بنابراین، ChatGPT می‌تواند به شما کمک کند تا درباره یک مشکل فکر کنید اما در پاسخ دادن خوب نیست.

این پژوهش در مجله «PLOS ONE» به چاپ رسید.

انتهای پیام