به نقل از «آفتاب»

شناسایی سرطان‌های غیر قابل تشخیص با استفاده از یادگیری ماشینی

تاریخ انتشار: ۱۹ شهریور ۱۴۰۱ | کد خبر: ۳۵۹۷۷۹۶۸

آفتاب‌‌نیوز :

اولین قدم در انتخاب درمان مناسب برای یک بیمار سرطانی، شناسایی نوع خاص سرطان اوست، از جمله تعیین محل اولیه اندام یا بخشی از بدن که در آن سرطان شروع می‌شود.

در موارد نادر، حتی با انجام آزمایشات گسترده نمی‌توان منشاء سرطان را تعیین کرد. اگرچه سرطان‌های اولیه ناشناخته تهاجمی هستند، متخصصان سرطان باید آن‌ها را با درمان‌های غیر هدفمند درمان کنند که اغلب سمیت‌های شدیدی داشته و منجر به نرخ پایین بقا می‌شوند.

بیشتر بخوانید: اخباری که در وبسایت منتشر نمی‌شوند!

یک رویکرد یادگیری عمیق جدید که توسط محققان موسسه کُخ برای تحقیقات سرطان یکپارچه در MIT و بیمارستان عمومی ماساچوست (MGH) ایجاد شده است، ممکن است با نگاهی دقیق‌تر به برنامه‌های بیان ژن مربوط به رشد و تمایز سلولی اولیه، به طبقه‌بندی سرطان‌های اولیه ناشناخته کمک کند.

سالیل گارگ، محقق بالینی چارلز دبلیو (۱۹۵۵) و جنیفر سی جانسون، محقق بالینی در انستیتوی کخ و پاتولوژیست در موسسه کخ، می‌گوید: «گاهی اوقات می‌توانید تمام ابزار‌هایی را که پاتولوژیست‌ها ارائه می‌دهند، به کار ببرید و همچنان بدون پاسخ بمانید. ابزار‌های یادگیری ماشینی مانند این می‌توانند انکولوژیست‌ها را برای انتخاب درمان‌های موثرتر و راهنمایی‌های بیشتر به بیمارانشان توانمند کنند.»

گارگ نویسنده ارشد یک مطالعه جدید در این باره می‌گوید: ابزار هوش مصنوعی قادر است انواع سرطان را با حساسیت و دقت بالایی شناسایی کند.

یادگیری ماشین در توسعه

تجزیه تفاوت در بیان ژن در میان انواع مختلف تومور‌های اولیه ناشناخته یک مشکل ایده‌آل برای حل یادگیری ماشینی است. سلول‌های سرطانی کاملا متفاوت از سلول‌های طبیعی به نظر رسیده و رفتار می‌کنند که تا حدی به دلیل تغییرات گسترده در نحوه بیان ژن‌هایشان است. به لطف پیشرفت‌ها در پروفایل‌سازی تک سلولی و تلاش‌ها برای فهرست‌بندی الگو‌های بیان سلولی مختلف در اطلس‌های سلولی، داده‌های فراوانی وجود دارد که حاوی سرنخ‌هایی درباره منشاء سرطان‌های مختلف است.

با این حال ساختن یک مدل یادگیری ماشینی که از تفاوت‌های بین سلول‌های سالم و طبیعی و در میان انواع مختلف سرطان، به عنوان ابزار تشخیصی استفاده می‌کند، یک اقدام متعادل کننده است. اگر یک مدل خیلی پیچیده باشد و ویژگی‌های بیش از حد بیان ژن سرطان را به همراه داشته باشد، ممکن است به نظر برسد که مدل داده‌های آموزشی را به خوبی یاد می‌گیرد، اما زمانی که با داده‌های جدید مواجه می‌شود دچار تزلزل می‌شود. با این حال با ساده‌سازی مدل از طریق محدود کردن تعداد ویژگی‌ها، مدل ممکن است انواع اطلاعاتی را که منجر به طبقه‌بندی دقیق سرطان مختلف می‌شود، از دست بدهد.

به منظور ایجاد تعادل بین کاهش تعداد ویژگی‌ها و در عین حال استخراج مرتبط‌ترین اطلاعات، تیم این مدل را بر روی علائم مسیر‌های رشد تغییر یافته در سلول‌های سرطانی متمرکز کرد. همانطور که یک جنین رشد می‌کند و سلول‌های تمایز نیافته در اندام‌های مختلف تخصص می‌یابند، مسیر‌های زیادی نحوه تقسیم، رشد، تغییر شکل و مهاجرت سلول‌ها را هدایت می‌کنند. با رشد تومور، سلول‌های سرطانی بسیاری از ویژگی‌های تخصصی یک سلول بالغ را از دست می‌دهند. در همان زمان، آن‌ها شروع به شبیه شدن به سلول‌های جنینی می‌کنند، زیرا توانایی تکثیر، تبدیل و متاستاز به بافت‌های جدید را به دست می‌آورند. بسیاری از برنامه‌های بیان ژنی که جنین‌زایی را هدایت می‌کنند، شناخته شده‌اند که در سلول‌های سرطانی مجددا فعال شده یا تنظیم نمی‌شوند.

محققان دو اطلس سلولی بزرگ را با هم مقایسه کردند و ارتباط بین تومور و سلول‌های جنینی را شناسایی کردند: اطلس ژنوم سرطان (TCGA) که حاوی داده‌های بیان ژن برای ۳۳ نوع تومور است و اطلس سلولی ارگانوژنز موش (MOCA) که ۵۶ مسیر مجزا از تومور را نشان می‌دهد.

مویسو توضیح می‌دهد: ابزار‌های تفکیک سلولی به طرز چشمگیری نحوه مطالعه ما در مورد بیولوژی سرطان را تغییر داده‌اند، اما اینکه چگونه این انقلاب را برای بیماران تاثیرگذار کنیم سوال دیگری است. با ظهور اطلس‌های سلولی تکاملی، به ویژه آن‌هایی که بر مراحل اولیه اندام زایی مانند MOCA تمرکز می‌کنند، می‌توانیم ابزار‌های خود را فراتر از اطلاعات بافت شناسی و ژنومی گسترش دهیم و در‌ها را به روی روش‌های جدید پروفایل و شناسایی تومور‌ها و توسعه درمان‌های جدید باز کنیم.

محققان بیان ژن نمونه‌های تومور از TCGA را به اجزای جداگانه‌ای که مربوط به یک نقطه زمانی خاص در مسیر رشد است؛ آن‌ها سپس یک مدل یادگیری ماشینی به نام پرسپترون چند لایه توسعه‌ای (D-MLP) ساختند که یک تومور را برای اجزای رشدی آن نمره بندی کرده و سپس منشاء آن را پیش بینی می‌کند.

منبع: باشگاه خبرنگاران جوان

منبع: آفتاب

کلیدواژه: سرطان سرطان بدخیم سلول های سرطانی یادگیری ماشینی ویژگی ها سلول ها

درخواست حذف خبر:

«خبربان» یک خبرخوان هوشمند و خودکار است و این خبر را به‌طور اتوماتیک از وبسایت aftabnews.ir دریافت کرده‌است، لذا منبع این خبر، وبسایت «آفتاب» بوده و سایت «خبربان» مسئولیتی در قبال محتوای آن ندارد. چنانچه درخواست حذف این خبر را دارید، کد ۳۵۹۷۷۹۶۸ را به همراه موضوع به شماره ۱۰۰۰۱۵۷۰ پیامک فرمایید. لطفاً در صورتی‌که در مورد این خبر، نظر یا سئوالی دارید، با منبع خبر (اینجا) ارتباط برقرار نمایید.

با استناد به ماده ۷۴ قانون تجارت الکترونیک مصوب ۱۳۸۲/۱۰/۱۷ مجلس شورای اسلامی و با عنایت به اینکه سایت «خبربان» مصداق بستر مبادلات الکترونیکی متنی، صوتی و تصویر است، مسئولیت نقض حقوق تصریح شده مولفان در قانون فوق از قبیل تکثیر، اجرا و توزیع و یا هر گونه محتوی خلاف قوانین کشور ایران بر عهده منبع خبر و کاربران است.

خبر بعدی:

تولید دارویی که از دیابت جلوگیری می‌کند

به گزارش خبرگزاری مهر به نقل از نیواطلس، این آنتی بادی مونوکلونال آزمایشی مانند یک سپر از آسیب به سلول های تولید کننده انسولین محافظت می کند و حتی در برخی موارد طول عمر این سلول ها را افزایش می دهد.

دیابت نوع یک زمانی روی می دهد که سیستم ایمنی بدن بیمار به سلول های بتا در پانکراس حمله می کند. این سلول های مهم انسولین تولید می کنند و بدون این ماده فرد نمی تواند سطح گلوکز خون را مدیریت کند که این روند یه تزریق مادام العمر انسولین منجر می شود و پیامدهایی برای سلامت فرد دارد.

اما محققان دانشگاه جان هاپکینز در پژوهشی جدید راهی نوین برای جلوگیری از آغاز دیابت یا حتی معکوس کردن آن در مراحل اولیه ابتلا یافته اند. یک داروی جدید به نام mAb43 که در حقیقت یک درمان آزمایشی است، برای مقابله با طیفی از بیماری ها نوید بخش بوده است.

آنتی بادی ها در حقیقت پروتئین هایی هستند که سلول هایی خاص و معمول پاتوژن های خارجی رابه یکدیگر پیوند می دهند تا آنها را از بدن پاکسازی کنند. واکسن ها به پروتئین سیستم ایمنی بدن آموزش می دهد تا در مقابل هدف های خاصی آنتی بادی تولید کند. آنتی بادی های مونوکلونال طوری مهندسی شده اند تا با یک هدف خاص بجنگند و به طور یک جا به عنوان واکنشی سریع به یک بیماری خاص مانند عفونت، به بدن منتقل می شوند. این نوع درمان هادر مطالعات اخیر برای مقابله با بیماری هایی مانندمالاریا، کووید۱۹ و غیره کارآمد بوده است.

در این موارد آنتی بادی ها طوری طراحی شدندتا سلول ها را از سیستم ایمنی بدن مخفی کنند. اما mAb43آنها را به پروتئینی کوچک که روی سطح سلول های بتا قرار دارد، پیوند می زندو سپس به عنوان یک سپر یا پوشش عمل می کند تا آنها را در برابر حملات سلول های ایمنی مخفی کند. هنگامیکه این دارو به طور مرتب مصرف شود، سلول های بتا را محافظت می کند و در نتیجه توانایی بیمار برای تولید انسولین نیز حفظ می شود. حتی اگر آسیب هایی به سلول ها وارد شده باشد، این سپر به سلول ها بتا فرصت می دهد تا بازتولید شوند.

محققان این درمان را روی ۶۴ موش مبتلا به دیابت نوع یک آزمایش کردند. موش ها پس از رسیدن به سن ۱۰ هفتگی ،هر هفته دوزهایی از این آنتی بادی را دریافت کردند و پس از ۳۵ هفته بدن تمام آنها عاری از دیابت بود. نکته جالب آنکه یکی از موش ها به طور موقت و پس از نمایان شدن علایم اولیه و قبل از دریافت آنتی بادی به این بیماری مبتلا شد. اما این موش هم پس از دریافت دوزهایی از دارو به مدت ۳۵ هفته درمان شد. همین امر نشان می دهد داروی مذکور می تواند روند ابتلا به دیابت را در مراحل اولیه ابتلا معکوس کند.

تمام موش هایی که این درمان را دریافت کردند تا پایان آزمایش (۷۵ هفته) زنده ماندند که در حقیقت طول عمر بیشتر موش ها نیز همین اندازه است. تحقیق مذکور هم اکنون با استفاده از آنتی بادی موش ها روی همین حیوانات آزمایش شده است. اما پژوهشگران تصمیم دارند در مرحله بعد نسخه انسانی این آنتی بادی را قبل از آزمایش بالینی توسعه دهند. اما یک مانع اصلی هنوز وجود دارد. آنتی بادی های مونوکلونال ممکن است برای مصرف گسترده گرانقیمت باشند.محققان امیدوارند با تحقیقات بیشتر هزینه آنها را کاهش دهند.

این تحقیق در ژورنال دیابت منتشر شده است.

کد خبر 6095397 شیوا سعیدی قوی اندام