במחקר הנוכחי, שביצעו תלמיד המחקר ד"ר זיו שולמן והחוקר הבתר-דוקטוריאלי ד"ר שמואל כהן, התגלה כי חלק מהכימוקינים הנוצרים בתאי האנדותל אינם מוצגים על פניהם. המדענים עקבו אחר הגיוס של קבוצה מסוימת של תאי חיסון הקרויה "תאים אפקטורים". זוהי אחת ה"יחידות המיוחדות" של מערכת החיסון: את הכשרתה היא מקבלת בבלוטות הלימפה, שם היא לומדת לזהות מחוללי מחלות (פתוגנים), ולאחר מכן היא חוזרת לזרם הדם כדי למצוא פתוגנים אלה, ולהשמיד אותם. כמו כל תאי הדם הלבנים, גם התאים האפקטורים זחלו באמצעות רגליים קטנות על דופן כלי דם באיזור חדירת פתוגן, אבל במקום לחוש בכימוקינים על פני השטח, הם השחילו את הרגליים אל תוך תאי האנדותל, כדי לחפש ולמצוא את הכימוקינים בתוכם. הכימוקינים הפנימיים מוחזקים בתוך שלפוחיות זעירות בתוך קירות תאי האנדותל המודלקים. התאים האפקטורים נעצרו בנקודות חיבור בין התאים, והחדירו את רגליהם דרך הקירות של מספר תאי אנדותל בעת ובעונה אחת, כדי ללכוד את הכימוקינים ברגע ששוחררו מהשלפוחיות ליד קרומי התאים. ברגע שקיבלו את המסרים הכימוקיניים הנכונים, הצליחו תאי החיסון לחצות את דופן כלי הדם לכיוון היעד הסופי שלהם ברקמה המודלקת.

 

 

 

 

 

מחקר חדש של מדעני מכון ויצמן, שהתפרסם באחרונה בכתב-העת Science, עשוי לספק את התשובה. את המחקר ערכו במעבדתה של פרופ' נעמה ברקאי, מהמחלקה לגנטיקה מולקולרית, החוקר הבתר- דוקטוריאלי ד"ר שגיא לוי, תלמיד המחקר משה כפרי, וטכנאית המעבדה מירי כרמי.

 

זה זמן רב ידוע, שכאשר רמת האבץ או תרכובות הזרחן בסביבתו של תא שמרים יורדת, מספר המשאבות של "הזמנים הרעים" על פני השטח של התא גדל פי 100. כאשר ריכוז החומרים עולה בחזרה, משאבות ה"זמנים הרעים" נסוגות, ובמקומן חוזרות לפני השטח של התא משאבות רבות מסוג "הזמנים הטובים".

 

המחקר החדש גילה, כי תאי שמרים שהכילו את משאבות "הזמנים הטובים" התכוננו טוב יותר למצב של רעב, וחזרו לעצמם בהצלחה רבה יותר לאחר שהרעב חלף, בהשוואה לתאים שבהם התקינו המדענים, באמצעות הנדסה גנטית, סוג אחד בלבד של משאבות, מסוג "הזמנים הרעים". מסקנת החוקרים הייתה, כי משאבות "הזמנים הטובים" פועלות כנראה כמנגנון איתות, אשר מזהיר את תא השמרים מפני הרעב המתקרב. התא, שמקבל התראה מראש, יכול לאגור את החומר החסר. ההכנה הזאת מסייעת לו גם לחזור לצמוח מחדש מהר יותר, עם תום תקופת הרעב.

 

מנגנון כפול זה, ובו שני סוגי משאבות, הוא ככל הנראה חלק ממנגנון בקרה רחב יותר, המאפשר לתא להתמודד עם תנודות באספקת חומרים מזינים. המנגנון החכם מעניק לתא יתרון הישרדותי, שסוג אחד בלבד של משאבה אינו מסוגל לאפשר לו.

 

אם מחקרים עתידיים יראו שהעיקרון תקף גם לגבי תאי אדם, ממצאים אלה עשויים להסביר כיצד שומר הגוף שלנו על רמות נכונות של חומרים מזינים ברקמות ובאיברים שונים. בנוסף, ייתכן כי פגמים במנגנון עשויים להיות מעורבים במחלות מטבוליות שונות, ולכן הבנה של הבקרה הכפולה עשויה להיות חיונית גם לחקר מחלות כאלה.

תיפקוד תאי גזע תלוי בקיומה של סביבה תומכת, הקרויה "נישה", אשר צמודה לתא הגזע ומשמשת לו כבסיס. הנישה מגינה על תא הגזע, ומבקרת את התפתחותו ואת קצב החלוקה שלו. היא גם מפקחת על כך שיתמיין לסוג תא מסוים אך ורק בזמן המתאים. למעשה, מתפקדים הנישה ותא הגזע כיחידה אחת. במחקר חדש, שהתפרסם בכתב-העת PLoS Biology, הראו מדעני מכון ויצמן איך נוצרות יחידות אלה בזחלים של זבוב פירות. את המחקר ביצעו במעבדתה של ד"ר לילך גלבוע, מהמחלקה לבקרה ביולוגית, החוקרת הבתר-דוקטוריאלית ד"ר דנה גנץ ותלמידת המחקר תמר לנגיל.

 

בעובר המתפתח יש לתאם את היווצרותם של תאי הגזע ושל הנישות, כך שלכל תא תהיה נישה משלו. אך איך נעשה התיאום? המדעניות חקרו שחלות של זחלי זבוב פירות, וגילו דרך חכמה בה שומר הטבע על האיזון ביצירת היחידות: ההיווצרות של תאי הגזע וגם של הנישות נשלטת על-ידי אות ביוכימי יחיד. המדעניות הראו גם, שהאות עובר במסלול הורמונלי הדומה לזה השולט בביוץ אצל נשים: הוא יוצא מהמוח אל בלוטה המפרישה הורמונים, ומשם מגיע לשחלות.

 

השימוש באות הורמונלי יחיד עוזר להבטיח שכל התהליך יתוזמן בדייקנות מפליאה. בשחלה של זחל זבוב הפירות ישנן שתי קבוצות של תאים עובריים; האחת מיועדת להתפתח לנישות, והשנייה – לתאי גזע של רבייה, אשר בנקבה הבוגרת יספקו מאגר שוטף של ביצים. שתי קבוצות אלה של תאים עובריים ממשיכות להתרבות, עד להגעתו של אות הורמונלי המעודד את בניית הנישות בשחלות. בשלב הבא מגיע לשחלה גל נוסף של ההורמון, אך הפעם הוא גורם לתאים הקבוצה השנייה להפוך לתאי הגזע של השחלות. במילים אחרות, אותו אות מייצר קודם את ה"בית" לתא הגזע, ולאחר מכן את התא "המתגורר בו".

 

למעשה, יצירת הנישות לפני יצירת תאי הגזע היא חיונית ביותר. הנישות מתחזקות את תאי הגזע, וכך מסוגלת נקבת הזבוב הבוגרת, שבשחלותיה מצויות כעשרים יחידות תאי של גזע, לייצר עשרות ביצים מדי יום, במשך למעלה מחודש.

 

ממצאים אלה מספקים תובנות חשובות בנוגע ליחס בין תאי הגזע לבין הנישות שלהם. הבנה טובה יותר של האותות המולקולריים השולטים בהיווצרותם של יחידות תאי גזע עשויה לקדם שימוש עתידי בתאי גזע לחידוש איברי גוף פגועים.

 

 

 

קשרים הם עניין מסובך, אך למזלו של יקיר רשף, נראה כי גילוי קשרים משמעותיים הוא דווקא הצד החזק שלו. יקיר, שנולד בישראל בשנת 1987 וגדל בארה"ב, הכיר את הילרי פינוקן בחטיבת הביניים, ומאז ועד היום הקשר ביניהם הולך ומתהדק: שניהם למדו במחלקה למתמטיקה באוניברסיטת הרווארד, ושניהם נמצאים כיום בפקולטה למתמטיקה ומדעי המחשב במכון ויצמן למדע. יקיר הוא חוקר הנתמך במלגת פולברייט, כסטודנט אורח בקבוצתו של פרופ' מוני נאור, והילרי לומדת לתואר שלישי בקבוצתו של פרופ' איתי בנימיני.

 

לאור כל זאת לא צריכה להפתיע העובדה, כי שני בני הזוג חתומים במשותף על מאמר שהתפרסם באחרונה בכתב העת Science, אשר עוסק בקשרים. מה שעשוי להפתיע בכל זאת הוא, ששותף נוסף במאמר הוא אחיו של יקיר, ד"ר דוד רשף, מדען בתחום מדעי המחשב במכון ברוד שליד המכון הטכנולוגי של מסצ'וסטס ואוניברסיטת הרווארד (Broad Institute of MIT and Harvard). המאמר מציג שיטה חדשה לעיבוד מידע, אשר מסוגלת לסרוק מערכים מורכבים של נתונים, ולאתר קשרים ומגמות מעניינים – שאין אפשרות לזהותם באמצעים אחרים לניתוח סטטיסטי.

 

"כאשר הייתי סטודנט בהרווארד, אחי ביקש ממני לעזור לו ליצור תוכנית מחשב שתבצע ויזואליזציה וניתוח של מערכי מידע גדולים בתחום בריאות הציבור. כשהתחלנו לעבוד, גילינו שכדי לעשות זאת, עליך קודם כל להחליט אילו קשרים להביא בחשבון", מסביר יקיר. תנאי זה, שעשוי להישמע פשוט, הולך ומסתבך ככל שמערכי הנתונים גדלים. כך, לדוגמה, מיקרוביולוגים אשר מעוניינים לנתח קשרים בין אוכלוסיות חיידקים השוכנים במעי של בני אדם ושל יונקים אחרים, מתמודדים עם טריליוני חיידקים. גם אם נצמצם את מערך הנתונים כך שיכיל רק 7,000 חיידקים, הרי שעדיין נקבל מעל 22 מיליון קשרים אפשריים בין זוגות חיידקים. מדובר באוקיינוס עצום של מידע, כל עוד איננו יודעים אילו סוגי תבניות לחפש. אתגרים מסוג זה, הכוללים מערכי מידע אשר מבוססים על אלפי משתנים, הולכים ונעשים נפוצים בתחומים שונים כמו גנומיקה, פיסיקה, מדעי המדינה, כלכלה ועוד, והביקוש לכלים יעילים לעיבוד המידע הולך וגדל.

 

המדענים הבינו שהם זקוקים לאלגוריתם שיוכל לגלות קשרים חדשים וחשובים, אך גם בלתי-צפויים – כאלה שעלולים היו לחמוק מן העין. השיטה שפיתחו – בהדרכת פרופ' מייקל מיצנמאכר מבית הספר להנדסה ולמדעים יישומיים בהרווארד, ופרופ' פרדיס סבטי ממכון ברוד – קרויה "מקדם מידע מרבי" (MIC - maximal information coefficient). היא מבוססת על הרעיון, שאם קיים קשר בין שני משתנים, אפשר לקבוע סרגלי ערכים עבור כל אחד מהם – שייצרו ביחד סריג משותף – אשר יבליטו את הקשר. האלגוריתם שמחשב את מקדם המידע המרבי סורק את הסריגים הרבים שאפשר ליצור באופן זה, בוחר בטוב שביניהם, ומכמת על פיו את חוזקו של הקשר. אפשר לחשב את מקדם המידע המרבי עבור כל צמד משתנים במערך הנתונים, לדרג את הצמדים על-פי הניקוד שקיבלו (ככל שהניקוד גבוה יותר, כך הקשר חזק יותר), ולאחר מכן לבחון את הצמדים שקיבלו את הניקוד הגבוה ביותר – כלומר, המשתנים בעלי ההשפעה החזקה ביותר זה על זה.

 

כדי לבחון את השיטה החדשה, הפעילו אותה המדענים על מספר מערכי נתונים, בתחומים כמו בריאות הציבור, ביטוי גנים, אוכלוסיות חיידקים במעי, וליגות בייסבול, והישוו את תוצאות האלגוריתם החדש לתוצאות המתקבלות בשיטות אחרות.

 

בניתוח נתוני חיידקי המעי הצליח האלגוריתם לצמצם את 22 מיליון זוגות המשתנים למאות אחדות של קשרים מעניינים, שרבים מהם לא התגלו באמצעות שיטות אחרות. כך, לדוגמה, התגלו מצבים של "אי-קיום במקביל", כלומר, כאשר סוג אחד של חיידק נפוץ מאוד, סוג אחר איננו נפוץ. כמה מאותם מצבי "אי-קיום במקביל" הם מקרים מוכרים, וידוע כי הם נגרמים עקב המזון שצורך בעל החיים שבו שוכנים החיידקים, ואילו מצבים אחרים היו ייחודיים, ורמזו על האפשרות כי קיים גורם נוסף, פרט לסוג המזון, אשר משפיע על מצב זה.

 

 

בדוגמה אחרת בדק צוות המדענים מאגר נתונים של ארגון הבריאות העולמי, אשר כולל 357 משתנים ב-200 מדינות. אחד הקשרים המעניינים, שנמצאו באיי האוקיינוס השקט, היה יחס ישר בין השמנה בקרב נשים לבין רמת ההכנסה למשק הבית – בניגוד למתרחש בארצות אחרות, בהן ההשמנה קודם עולה ואחר כך יורדת. הסבר אפשרי לממצאים החריגים הוא, שבאיים אלה נחשבת השמנה לסמל סטטוס. הרבה שיטות מקובלות יגדירו מגמה חריגה כזו כ"רעש רקע", אולם האלגוריתם החדש מסוגל לזהות את קיומם של קשרים גם כאשר מדובר במגמות שונות – ואף מנוגדות.

 

ניתוח נתוני הבייסבול באמצעות האלגוריתם הראה, כי מספר החבטות, מספר הבסיסים, ומספר ההקפות שמייצר השחקן עבור הקבוצה הם הגורמים העיקריים הקובעים את משכורתו, בעוד ששיטות סטטיסטיות אחרות מיקמו בראש הרשימה שלושה גורמים אחרים. מי צודק? החוקרים מתכוונים להניח לאוהדי בייסבול להכריע בשאלה אילו גורמים משפיעים – או צריכים להשפיע – על משכורתם של השחקנים.

 

"שלא כמו שיטות אחרות, השיטה שלנו מעניקה ניקוד גבוה לטווח רחב של סוגי קשרים המסתתרים במאגרי נתונים גדולים, אך היא מסוגלת לתת ניקוד זהה גם לקשרים המוסתרים על-ידי רעשי רקע", אומרת הילרי פינוקן. ומשלים יקיר רשף: "במילים אחרות, היא מסוגלת למצוא דברים מעניינים שלא ציפית למצוא, וקשה לגלות אותם עם שיטות ניתוח אחרות".

 

ובנוגע להילרי וליקיר, נראה כי העבודה המשותפת על האלגוריתם עזרה להם להגדיר את סוג הקשר בעל הניקוד הגבוה ביותר עבורם – נישואין. "זה באמת נפלא עבורנו ששנינו חולקים את האהבה למתמטיקה", אומרים בני הזוג, שחולקים עוד אהבות משותפות – לנגינה בפסנתר, לריצה ולבישול.