با تلاش پژوهشگران آمریكایی صورت می گیرد
رمز گشایی سرطان با كمك یادگیری ماشینی
كوتاه كننده لینك: پژوهشگران آمریكایی قصد دارند با كمك یادگیری ماشینی، بینش جدیدی در مورد بیماری های خاص مانند سرطان عرضه كنند.
به گزارش كوتاه كننده لینك به نقل از ایسنا و به نقل از فیز، پژوهشگران "دانشگاه پرینستون" (Princeton University) آمریكا اهتمام دارند با تحلیل الگوهای مولكولی صدها بیماری به كمك یادگیری ماشینی، به بینش های جدیدی در مورد دلیلهای بروز و خاصیت های بیماری ها دست یابند. آنها قصد دارند در بررسی خود، از سیستم جدیدی استفاده كنند كه هم اكنون در سرتاسر جهان در دسترس می باشد.
در حالیكه تمركز روش های قدیمی، بر ژن های در رابطه با بیماری های خاصی بود، این روش جدید از یادگیری ماشینی برای یافتن الگوهای منحصربه فرد فعالیت ژن استفاده می نماید. پژوهشگران در این روش، بیشتر از ۳۰۰ نوع بیماری متفاوت همچون انواع سرطان، بیماری قلبی، اختلالات متابولیك و بیماری های دیگر را به صورت همزمان تحت بررسی قرار دادند.
پژوهشگران باور دارند كه این سیستم با پیشرفت بیشتر می تواند به پزشكان در تشخیص بهتر بیماری، تنظیم و دنبال كردن اثر درمان ها و یافتن روش های درمانی جدید كمك نماید.
پژوهشگران قصد دارند این سیستم موسوم به "URSA"، را برای دریافت اطلاعاتی درباره فعالیت ژن های موجود در بافت های سالم و بیمار به كار بگیرند. آنها برای این كار، هشت هزار نمونه گوناگون به ست آمده طی فرآیند بافت برداری را مور بررسی قرار خواهند داد. امكان دارد پژوهشگران با استفاده از این سیستم، بتوانند نمونه های جدیدی را به ثبت برسانند و تحلیلی مرتبط به بیماری ها و بافت های متفاوت دریافت نمایند. آنها برای تأیید یافته های به دست آمده، آزمایش هایی روی سلول های انسان انجام دادند و فعالیت ژن ها و اثر آنها را بر فرآیندهای مربوط به سرطان بررسی كردند.
"چاندرا تیسفلد" (Chandra Theesfeld)، سرپرست این پروژه اظهار داشت: نوآوری واقعی، مقایسه نمونه ها با یكدیگر است. بررسی همه نمونه ها در كنار هم، می تواند راهی برای تشخیص جنبه های منحصربه فرد عرضه نماید. با این روش می توان به نكات جدیدی در مورد بیماری دست یافت و راه های جدیدی برای درمان آن كشف كرد.
وی ادامه داد: روش ما، مبتنی بر اطلاعاتی است كه از نمونه های بافت بیمار به دست آمده اند؛ در نتیجه بر طبق ژن هایی كه همیشه مورد بررسی بوده اند صورت نمی گیرد. ما با كمك این ابزار می توانیم الگوی تغییر داده ها را به سادگی ردیابی نماییم.
بگفته تیسفلد، ۹۰ درصد ژن های مورد بررسی، تنها ۱۰ درصد ژن های انسان را مطالعه كرده اند اما این ابزار جدید می تواند بقیه ژنوم های انسان را بررسی كند و یك مدل گسترده از بیماری را بر اساس ژنوم شكل دهد.
از این روش می توان جهت بررسی بیماری های نادر باز بهره برد و پژوهشگران در نظر دارند مدلی از نمونه های مورد نیاز ابداع كنند.
تیسفلد افزود: شاید یادگیری ماشینی بتواند امكان رمزگشایی بیماری های نادر و پیچیده ای مانند سرطان را برای پزشكان فراهم آورد.
این پژوهش، در مجله " Cell Systems" به چاپ رسید.
این مطلب را می پسندید؟
(1)
(0)
تازه ترین مطالب مرتبط
نظرات بینندگان gph در مورد این مطلب