رمز گشایی سرطان با یاری یادگیری ماشینی - وبلاگ فلش و سلفی

به گزارش وبلاگ فلش و سلفی، پژوهشگران آمریکایی قصد دارند با یاری یادگیری ماشینی، بینش جدیدی در خصوص بیماری های خاص مانند سرطان ارائه دهند.

به گزارش وبلاگ فلش و سلفی و به نقل از فیز، پژوهشگران دانشگاه پرینستون (Princeton University) آمریکا سعی دارند با تحلیل الگوهای مولکولی صدها بیماری به یاری یادگیری ماشینی، به بینش های جدیدی در خصوص دلایل بروز و ویژگی های بیماری ها دست یابند. آنها قصد دارند در آنالیز خود، از سیستم جدیدی استفاده نمایند که در حال حاضر در سرتاسر دنیا در دسترس است.

در حالی که تمرکز روش های قدیمی، بر ژن های مرتبط 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، بیش از 300 نوع بیماری متفاوت از جمله انواع سرطان، بیماری قلبی، اختلالات متابولیک و بیماری های دیگر را به صورت همزمان تحت آنالیز قرار دادند.

پژوهشگران باور دارند که این سیستم با پیشرفت بیشتر می تواند به پزشکان در تشخیص بهتر بیماری، تنظیم و دنبال کردن اثر درمان ها و یافتن روش های درمانی جدید یاری کند.

پژوهشگران قصد دارند این سیستم موسوم به URSA، را برای دریافت اطلاعاتی درباره فعالیت ژن های موجود در بافت های سالم و بیمار به کار بگیرند. آنها برای این کار، هشت هزار نمونه گوناگون به ست آمده طی فرآیند بافت برداری را مور آنالیز قرار خواهند داد. ممکن است 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 آنالیز کردند.

چاندرا تیسفلد (Chandra Theesfeld)، سرپرست این پروژه گفت: نوآوری واقعی، مقایسه نمونه ها با یکدیگر است. آنالیز همه نمونه ها در کنار هم، می تواند راهی برای تشخیص جنبه های منحصربه فرد ارائه دهد. با این روش می توان به نکات جدیدی در خصوص بیماری دست یافت و راه های جدیدی برای درمان آن کشف کرد.

وی اضافه نمود: روش ما، مبتنی بر اطلاعاتی است که از نمونه های بافت بیمار به دست آمده اند؛ در نتیجه براساس ژن هایی که همواره مورد آنالیز بوده اند صورت نمی گیرد. ما با یاری این ابزار می توانیم الگوی تغییر داده ها را به سادگی ردیابی کنیم.

به گفته تیسفلد، 90 درصد ژن های مورد آنالیز، تنها 10 درصد ژن های انسان را مطالعه نموده اند اما این ابزار جدید می تواند بقیه ژنوم های انسان را آنالیز کند و یک مدل گسترده از بیماری را بر مبنای ژنوم شکل دهد.

از این روش می توان برای آنالیز بیماری های نادر نیز استفاده کرد و پژوهشگران در نظر دارند مدلی از نمونه های مورد احتیاج ابداع نمایند.

تیسفلد ادامه داد: شاید یادگیری ماشینی بتواند امکان رمزگشایی بیماری های نادر و پیچیده ای مانند سرطان را برای پزشکان فراهم کند.

این پژوهش، در مجله Cell Systems به چاپ رسید.