به گزارش سیناپرس همدان، ممکن است پاتوژنهای «قوی سیاه» در حال آماده شدن برای شروع فعالیت خود از یخهای باستانی باشند. دانشمندان ویروس های باستانی را شبیه سازی کردند تا ببینند چه تاثیری بر محیط زیست خواهند داشت. این شبیه سازی نشان داد که اکثر آنها خطر کمی داشتند، و تنها 1٪ از آن ها قادر به کشتن میزبان خود و اختلال در اکوسیستم بودند.
یک مطالعه نشان میدهد که پاتوژنهای باستانی که صدها هزار سال محبوس بودهاند، با فراگیر شدن تغییرات آبوهوایی، شروع به ظهور از یخچال های دائمی میکنند، و حدود 1 درصد از آنها میتوانند خطر قابلتوجهی برای اکوسیستمهای مدرن داشته باشند.
جووانی استرونا، استاد علوم داده های زیست محیطی در دانشگاه هلسینکی و یکی از نویسندگان این مطالعه، گفت: این اولین تلاش برای مدلسازی اثر بالقوه اکولوژیکی این نوع مهاجمان در سفر در زمان از دیدگاه کمی است.
یخچال های دائمی مخلوطی از خاک، شن و ماسه است که توسط یخ به هم متصل شده اند. در مناطقی از قطب شمال یا در زیر سطح زمین، از جمله بخش هایی از آلاسکا، گرینلند، روسیه، چین و شمال و شرق اروپا یافت می شود. هنگامی که یخچال های دائمی تشکیل می شود، میکروب هایی مانند باکتری ها و ویروس ها می توانند در داخل آن به دام بیفتند و می توانند در حالت تعلیق برای هزاران یا حتی میلیون ها سال زنده بمانند. دورههای گرمتر میتواند فرآیندهای متابولیکی آن ها را آغاز کند که به این میکروبهای خفته اجازه میدهد دوباره فعال شوند و تولید مثل کنند.
در میان گرم شدن کره زمین، برخی از این میکروبها، از جمله میکروبهایی که پتانسیل ایجاد بیماری را دارند، با ذوب شدن یخهای دائمی منتشر میشوند. در سال 2016، شیوع سیاه زخم در سیبری هزاران گوزن شمالی را کشت و ده ها نفر را تحت تاثیر قرار داد که دانشمندان آن را به ذوب شدن یخ های دائمی نسبت دادند.
این پاتوژنها خطر بالقوهای دارند زیرا انسانها و سایر موجودات زنده امروزی برای مدت طولانی در معرض آنها قرار نداشتهاند، به این معنی که اکوسیستمهای مدرن ممکن است قدرت دفاع کمی در برابر آنها داشته باشند.
استرونا گفت: اگر پاتوژن ها برای مدت طولانی در کنار جوامع باکتریایی، انسانی یا حیوانی زندگی کنند، می توان انتظار تکامل مشترک بین پاتوژن ها و جامعه محلی را داشت که خطری را که پاتوژن ها برای اکوسیستم ها ایجاد می کنند کاهش می دهد. اما هنگامی که شما یک مهاجم از دوران گذشته دارید، به وضوح با خود عناصر جدیدی از خطر را معرفی می کند.
استرونا و تیمش برای تخمین اینکه چگونه پاتوژنهای بازپدید، ممکن است بر اکوسیستمهای مدرن تأثیر بگذارند، تکامل پاتوژنهای ویروسمانند را بهصورت دیجیتالی شبیهسازی کردند که قادر به آلوده کردن و ایجاد بیماری در میزبانهایی شبیه باکتری ها بودند.
در این شبیهسازی، میکروبهای دیجیتال باید برای منابع با تقلید از آنچه در دنیای واقعی اتفاق میافتد، رقابت میکردند. برخی از ویروسها بخشی از میزبانهای باکتریمانند را آلوده کرده و از بین بردند، در حالی که سایر میزبانهای باکتریایی در برابر پاتوژنهای در حال تکامل ایمنی ایجاد کردند.
این تیم با آلود کردن 5 درصد از میزبانهای باکتریمانند مدرن، که در نسلهای اخیر تکامل یافتهاند، با پاتوژنهای ویروسمانند باستانی از نسلهای بسیار قدیمیتر، دریافتند که 1 درصد از پاتوژنهای ویروسی میتوانند به طور قابلتوجهی جوامع باکتریایی اخیراً تکامل یافته را مختل کنند.
برخی از مهاجمان ویروسی باعث شدند 32 درصد از گونه های باکتری مانند از بین بروند، در حالی که برخی دیگر باعث شدند تنوع گونه های باکتری مانند تا 12 درصد افزایش یابد.
این تیم 1 درصد عوامل بیماری زا را “قوهای سیاه” نامیدند، که به یک رویداد نادر و بعید، اما بسیار تاثیرگذار اشاره دارد. آنها استدلال کردند که اگرچه احتمال ظهور و ایجاد ویرانی آنها کم است، تأثیر آنها فاجعه بار خواهد بود، بنابراین باید در سناریوهای اقلیمی آینده در نظر گرفته شوند.
کوری برادشاو از دانشگاه فلیندرز استرالیا در بیانیه ای گفت: به عنوان یک جامعه، ما باید خطر بالقوه ناشی از این میکروب های باستانی را درک کنیم تا بتوانیم برای هرگونه عواقب ناخواسته انتشار آنها در دنیای مدرن آماده شویم. نتایج به ما می گوید که این خطر دیگر صرفاً یک خیال نیست که از آن غافل باشیم.
استرونا گفت که تأثیر این عوامل بیماری زا حتی می تواند به جمعیت انسانی نیز برسد. او گفت که این ممکن است زمانی اتفاق بیفتد که انسان با پاتوژنهای محبوس در یخ ها تماس مستقیم داشته باشد، یا زمانی که مردم از حیوانات آلوده به پاتوژنهای باستانی، به بیماری مبتلا میشوند.
با این حال، او اضافه کرد که این مطالعه کاملاً مبتنی بر شبیهسازیهای رایانهای است که مدلسازی نحوه آلوده کردن باکتریها توسط ویروسها است، بنابراین تحقیقات بیشتری برای روشن شدن خطرات واقعی موجود در دنیای واقعی برای حیوانات و انسانها مورد نیاز است.
این یافته ها در مجله PLOS Computational Biology منتشر شد.
مترجم: کیانوش کرمی