I ricercatori hanno sviluppato nanoparticelle in grado di penetrare nella retina neurale e fornire mRNA alle cellule dei fotorecettori il cui corretto funzionamento rende possibile la visione.

Gli scienziati dell’Oregon State University College of Pharmacy hanno dimostrato in modelli animali la possibilità di utilizzare nanoparticelle lipidiche e RNA messaggero, la tecnologia alla base dei vaccini COVID-19, per trattare la cecità associata a una rara condizione genetica.

Lo studio è stato pubblicato oggi (11 gennaio 2023) sulla rivista I progressi della scienza. È stato guidato dal professore associato di scienze farmaceutiche dell’OSU Gaurav Sahay, dallo studente di dottorato dell’Oregon State Marco Herrera-Barrera e dall’assistente professore di oftalmologia dell’Oregon Health & Science University Renee Ryals.

Gli scienziati hanno superato quella che era stata la principale limitazione dell’utilizzo di nanoparticelle lipidiche, o LNP, per trasportare materiale genetico ai fini della terapia della vista, facendole raggiungere la parte posteriore dell’occhio, dove si trova la retina.

I lipidi sono acidi grassi e composti organici simili tra cui molti oli e cere naturali. Le nanoparticelle sono minuscoli pezzi di materiale di dimensioni variabili da uno a 100 miliardesimi di metro. L’RNA messaggero fornisce istruzioni alle cellule per produrre una particolare proteina.

Con i vaccini contro il coronavirus, l’mRNA trasportato dagli LNP istruisce le cellule a creare un pezzo innocuo della proteina spike del virus, che innesca una risposta immunitaria dal corpo. Come terapia per la compromissione della vista derivante dalla degenerazione retinica ereditaria, o IRD, l’mRNA istruirebbe le cellule dei fotorecettori – difettose a causa di una mutazione genetica – a produrre le proteine ​​necessarie per la vista.

L’IRD comprende un gruppo di disturbi di varia gravità e prevalenza che colpiscono una persona su poche migliaia in tutto il mondo.

Gli scienziati hanno dimostrato, in una ricerca che ha coinvolto topi e primati non umani, che gli LNP dotati di peptidi erano in grado di passare attraverso le barriere negli occhi e raggiungere la retina neurale, dove la luce viene trasformata in segnali elettrici che il cervello converte in immagini.

“Abbiamo identificato un nuovo set di peptidi che possono raggiungere la parte posteriore dell’occhio”, ha detto Sahay. “Abbiamo usato questi peptidi per agire come codici postali per consegnare nanoparticelle che trasportano materiali genetici all’indirizzo previsto all’interno dell’occhio”.

“I peptidi che abbiamo scoperto possono essere usati come ligandi mirati direttamente coniugati a RNA silenzianti, piccole molecole per terapie o come sonde di imaging”, ha aggiunto Herrera-Barrera.

Sahay e Ryals hanno ricevuto una sovvenzione di 3,2 milioni di dollari dal National Eye Institute per continuare a studiare la promessa delle nanoparticelle lipidiche nel trattamento della cecità ereditaria. Condurranno la ricerca sull’uso degli LNP per fornire uno strumento di editing genetico che potrebbe eliminare i geni cattivi nelle cellule dei fotorecettori e sostituirli con geni correttamente funzionanti.

La ricerca mira a sviluppare soluzioni per le limitazioni associate all’attuale principale mezzo di consegna per l’editing genetico: un tipo di virus noto come virus adeno-associato o AAV.

“L’AAV ha una capacità di confezionamento limitata rispetto agli LNP e può provocare una risposta del sistema immunitario”, ha affermato Sahay. “Inoltre, non funziona in modo fantastico nel continuare a esprimere gli enzimi che lo strumento di modifica utilizza come forbici molecolari per eseguire tagli nel DNA da modificare. Speriamo di utilizzare ciò che abbiamo appreso finora sugli LNP per sviluppare un sistema di consegna dell’editor di geni migliorato”.

Riferimento: “Le nanoparticelle lipidiche guidate da peptidi forniscono mRNA alla retina neurale di roditori e primati non umani” 11 gennaio 2023, I progressi della scienza.
DOI: 10.1126/sciadv.add4623

Lo studio LNP guidato dai peptidi è stato finanziato dal National Institutes of Health. Hanno partecipato alla ricerca per l’Oregon State anche i docenti del College of Pharmacy Oleh Taratula e Conroy Sun, i ricercatori post-dottorato Milan Gautam e Mohit Gupta, gli studenti di dottorato Antony Jozic e Madeleine Landry, l’assistente di ricerca Chris Acosta e lo studente universitario Nick Jacomino, uno studente di bioingegneria al College di Ingegneria che si è laureata nel 2020.

Da un’altra testata giornalistica news de www.europeantimes.news

13.1 C
Rome
venerdì, Aprile 4, 2025
- Pubblicità -
Scienze & AmbienteLa mappatura delle pose valuta in remoto i pazienti con paralisi cerebrale

La mappatura delle pose valuta in remoto i pazienti con paralisi cerebrale

INFORMATIVA: Alcuni degli articoli che pubblichiamo provengono da fonti non in lingua italiana e vengono tradotti automaticamente per facilitarne la lettura. Se vedete che non corrispondono o non sono scritti bene, potete sempre fare riferimento all'articolo originale, il cui link è solitamente in fondo all'articolo. Grazie per la vostra comprensione.


Il metodo di apprendimento automatico della mappatura delle pose funziona sulla maggior parte dei dispositivi mobili e potrebbe essere ampliato per valutare altri disturbi motori al di fuori dello studio medico.

Può essere una seccatura raggiungere lo studio del medico. Il compito può essere particolarmente impegnativo per i genitori di bambini con disturbi motori come la paralisi cerebrale, poiché un medico deve valutare regolarmente il bambino di persona, spesso per un’ora alla volta. Arrivare a queste frequenti valutazioni può essere costoso, dispendioso in termini di tempo ed emotivamente faticoso.

Mappatura delle pose: gli ingegneri del MIT hanno sviluppato un sistema di apprendimento automatico che analizza a distanza video di persone con disturbi motori o neurologici e valuta i loro movimenti in tempo reale.  Il gruppo di Stanford ha eseguito i video attraverso un algoritmo di stima della posa per generare dati sulla posa dello scheletro, come mostrato qui, che il gruppo del MIT ha poi utilizzato come punto di partenza per il proprio studio.

Mappatura delle pose: gli ingegneri del MIT hanno sviluppato un sistema di apprendimento automatico che analizza a distanza video di persone con disturbi motori o neurologici e valuta i loro movimenti in tempo reale. Il gruppo di Stanford ha eseguito i video attraverso un algoritmo di stima della posa per generare dati sulla posa dello scheletro, come mostrato qui, che il gruppo del MIT ha poi utilizzato come punto di partenza per il proprio studio. Credito immagine: MIT News, dati per gentile concessione dei ricercatori

Gli ingegneri del MIT sperano di alleviare parte di questo stress con un nuovo metodo che valuta a distanza la funzione motoria dei pazienti.

Combinando tecniche di visione artificiale e di apprendimento automatico, il metodo di mappatura delle pose analizza i video dei pazienti in tempo reale e calcola un punteggio clinico della funzione motoria sulla base di determinati modelli di pose rilevati nei fotogrammi video.

I ricercatori hanno testato il metodo sui video di oltre 1.000 bambini affetti da paralisi cerebrale. Hanno scoperto che il metodo poteva elaborare ciascun video e assegnare un punteggio clinico che corrispondeva con una precisione superiore al 70% a ciò che un medico aveva precedentemente determinato durante una visita di persona.

L’analisi video può essere eseguita su una vasta gamma di dispositivi mobili. Il team prevede che i pazienti vengano valutati in base ai loro progressi semplicemente configurando il proprio telefono o tablet per registrare un video mentre si spostano per la propria casa.

Potrebbero quindi caricare il video in un programma che analizzerebbe rapidamente i fotogrammi video e assegnerebbe un punteggio clinico o livello di progresso. Il video e la colonna sonora potrebbero quindi essere inviati a un medico per la revisione.

Il team sta adattando l’approccio di mappatura delle pose per valutare i bambini affetti da leucodistrofia metacromatica, una rara malattia genetica che colpisce il sistema nervoso centrale e periferico. Sperano anche di adattare il metodo per valutare i pazienti che hanno avuto un ictus.

“Vogliamo ridurre un po’ lo stress dei pazienti non dovendo andare in ospedale per ogni valutazione”, afferma Hermano Krebs, principale ricercatore presso il Dipartimento di Ingegneria Meccanica del MIT. “Riteniamo che questa tecnologia potrebbe essere potenzialmente utilizzata per valutare qualsiasi condizione che influenzi il comportamento motorio da remoto”.

A ottobre, Krebs e i suoi colleghi presenteranno il loro nuovo approccio alla conferenza IEEE sulle reti di sensori corporei. Gli autori dello studio del MIT sono il primo autore Peijun Zhao, il ricercatore co-principale Moises Alencastre-Miranda, Zhan Shen e Ciaran O’Neill, insieme a David Whiteman e Javier Gervas-Arruga del Takeda Development Center Americas, Inc.

Formazione sulla rete di mappatura delle pose

Al MIT, Krebs sviluppa sistemi robotici che lavorano fisicamente con i pazienti per aiutarli a ritrovare o rafforzare la funzione motoria. Ha inoltre adattato i sistemi per valutare i progressi dei pazienti e prevedere le migliori terapie per loro.

Sebbene queste tecnologie abbiano funzionato bene, sono significativamente limitate nella loro accessibilità: i pazienti devono recarsi in un ospedale o in una struttura in cui sono presenti i robot.

“Come potremmo estendere i buoni risultati ottenuti con i robot per la riabilitazione a un dispositivo onnipresente?” Krebs ricorda. “Poiché gli smartphone sono ovunque, il nostro obiettivo era sfruttare le loro capacità per valutare a distanza le persone con disabilità motorie, in modo che potessero essere valutate ovunque”.

Un nuovo metodo del MIT incorpora dati sulla posa dello scheletro in tempo reale come quello nella foto, per analizzare a distanza i video di bambini con paralisi cerebrale e assegnare automaticamente un livello clinico di funzione motoria.

Un nuovo metodo del MIT incorpora dati sulla posa dello scheletro in tempo reale come quello nella foto, per analizzare a distanza i video di bambini con paralisi cerebrale e assegnare automaticamente un livello clinico di funzione motoria. Credito immagine: set di dati creato dal laboratorio di biomeccanica neuromuscolare di Stanford in collaborazione con Gillette Children’s Specialty Healthcare

I ricercatori hanno esaminato innanzitutto la visione artificiale e gli algoritmi che stimano i movimenti umani. Negli ultimi anni, gli scienziati hanno sviluppato algoritmi di stima delle pose progettati per riprendere un video – ad esempio, di una ragazza che calcia un pallone da calcio – e tradurre i suoi movimenti in una serie corrispondente di pose scheletriche, in tempo reale.

La sequenza risultante di linee e punti può essere mappata su coordinate che gli scienziati possono analizzare ulteriormente.

Krebs e i suoi colleghi miravano a sviluppare un metodo per analizzare i dati della posa dello scheletro di pazienti con paralisi cerebrale, un disturbo che è stato tradizionalmente valutato lungo il Gross Motor Function Classification System (GMFCS), una scala a cinque livelli che rappresenta la funzione motoria generale di un bambino. . (Più basso è il numero, maggiore è la mobilità del bambino.)

Il team ha lavorato con una serie di dati di posa dello scheletro disponibili al pubblico, prodotti dal Laboratorio di biomeccanica neuromuscolare dell’Università di Stanford. Questo set di dati comprendeva video di oltre 1.000 bambini affetti da paralisi cerebrale.

Ogni video mostrava un bambino che eseguiva una serie di esercizi in un ambiente clinico e ogni video era contrassegnato con un punteggio GMFCS che un medico assegnava al bambino dopo la valutazione di persona. Il gruppo di Stanford ha eseguito i video attraverso un algoritmo di stima della posa per generare dati sulla posa dello scheletro, che il gruppo del MIT ha poi utilizzato come punto di partenza per il loro studio.

I ricercatori hanno quindi cercato modi per decifrare automaticamente i modelli di dati sulla paralisi cerebrale caratteristici di ciascun livello di funzione motoria clinica.

Hanno iniziato con una rete neurale convoluzionale con grafico spazio-temporale, un processo di apprendimento automatico che addestra un computer a elaborare dati spaziali che cambiano nel tempo, come una sequenza di pose dello scheletro, e ad assegnare una classificazione.

Prima di applicare la rete neurale alla mappatura delle pose della paralisi cerebrale, il team ha utilizzato un modello preaddestrato su un set di dati più generale, che conteneva video di adulti sani che eseguivano varie attività quotidiane come camminare, correre, sedersi e stringere la mano.

Hanno preso la struttura portante di questo modello pre-addestrato e vi hanno aggiunto un nuovo livello di classificazione, specifico per i punteggi clinici relativi alla paralisi cerebrale. Hanno messo a punto la rete per riconoscere modelli distintivi all’interno dei movimenti dei bambini con paralisi cerebrale e classificarli accuratamente all’interno dei principali livelli di valutazione clinica.

Hanno scoperto che la rete preaddestrata ha imparato a classificare correttamente i livelli di mobilità dei bambini, e lo ha fatto in modo più accurato che se fosse stata addestrata solo sui dati della paralisi cerebrale.

“Poiché la rete è addestrata su un set di dati molto ampio di movimenti più generali, ha alcune idee su come estrarre caratteristiche da una sequenza di pose umane”, spiega Zhao. “Sebbene i dati più ampi e quelli sulla paralisi cerebrale possano essere diversi, condividono alcuni modelli comuni di azioni umane e il modo in cui tali azioni possono essere codificate”.

Il team ha testato il metodo di mappatura delle pose su una serie di dispositivi mobili, inclusi vari smartphone, tablet e laptop, e ha scoperto che la maggior parte dei dispositivi poteva eseguire con successo il programma e generare un punteggio clinico dai video, quasi in tempo reale.

I ricercatori stanno ora sviluppando un’app che, secondo loro, genitori e pazienti potrebbero un giorno utilizzare per analizzare automaticamente i video dei pazienti, ripresi nel comfort del proprio ambiente. I risultati potrebbero quindi essere inviati a un medico per un’ulteriore valutazione. Il team prevede inoltre di adattare il metodo per valutare altri disturbi neurologici basati sulla mappatura delle pose.

“Questo approccio potrebbe essere facilmente espandibile ad altre disabilità come l’ictus o il morbo di Parkinson una volta testato su quella popolazione utilizzando parametri appropriati per gli adulti”, afferma Alberto Esquenazi, direttore medico del Moss Rehabilitation Hospital di Filadelfia, che non è stato coinvolto nello studio. studio.

“Potrebbe migliorare l’assistenza e ridurre il costo complessivo dell’assistenza sanitaria e la necessità per le famiglie di perdere tempo di lavoro produttivo, ed è mia speranza [that it could] aumentare la conformità.”

“In futuro, questo potrebbe anche aiutarci a prevedere come i pazienti risponderebbero più rapidamente agli interventi”, afferma Krebs. “Perché potremmo valutarli più spesso, per vedere se un intervento sta avendo un impatto”.

Scritto da Jennifer Chu

Fonte: Istituto di Tecnologia del Massachussetts



Da un’altra testata giornalistica. news de www.technology.org

- Pubblicità -
- Pubblicità -Newspaper WordPress Theme

Contenuti esclusivi

Iscriviti oggi

OTTENERE L'ACCESSO ESCLUSIVO E COMPLETO AI CONTENUTI PREMIUM

SOSTENERE IL GIORNALISMO NON PROFIT

Get unlimited access to our EXCLUSIVE Content and our archive of subscriber stories.

- Pubblicità -Newspaper WordPress Theme

Articoli più recenti

Altri articoli

- Pubblicità -Newspaper WordPress Theme

INFORMATIVA: Alcuni degli articoli che pubblichiamo provengono da fonti non in lingua italiana e vengono tradotti automaticamente per facilitarne la lettura. Se vedete che non corrispondono o non sono scritti bene, potete sempre fare riferimento all'articolo originale, il cui link è solitamente in fondo all'articolo. Grazie per la vostra comprensione.