پیش بینی سقط جنین با تحلیل و بررسی ژنوم
گروه هوش مصنوعی: پژوهشگران آمریکایی در مطالعه اخیرشان اظهار کرده اند تحلیل و بررسی ژنوم به آنها اجازه می دهد تا بتوانند خطر سقط خودبه خودی فرد در آینده را پیش بینی کنند.
به گزارش گروه هوش مصنوعی به نقل از ایسنا و به نقل از اس تی دی، سقط خودبه خودی، به از دست رفتن طبیعی محصول لقاح طی سه ماهه اول حاملگی گویند. بتازگی پژوهشگران دانشگاه راتگرز بمنظور روشن کردن علت ژنتیکی ناباروری زنان، پروسه توالی یابی ژنومی را با روش های یادگیری ماشین ترکیب کرده اند.
بر طبق تحقیقات دانشگاه راتگرز، تحلیل و بررسی تخصصی ژنوم یک زن ممکنست برای پیش بینی احتمال تجربه یکی از رایج ترین اشکال سقط جنین در او مورد استفاده قرار گیرد.
بگفته دانشمندان، این دانش می تواند به بیماران و پزشکان کمک نماید تا در مورد گزینه های باروری و استراتژی های درمان ناباروری خود بررسی دقیق تری داشته باشند.
پژوهشگران آمریکایی در این مطالعه از تکنیکی صحبت کردند که توالی یابی ژنومی را با روش های یادگیری ماشینی ترکیب می کند تا احتمال سقط جنین یک زن به سبب آنئوپلوئیدی تخمک (egganeuploidy) را پیش بینی نماید.
در زیست شناسی، ژن شناسی و زیست فناوری به اندامگان یا یاخته ای که یک یا چند کروموزوم کمتر یا بیش از تعداد معمول کروموزوم های گونه مربوط داشته باشد آنیوپلوئید یا آنوپلوئید (aneuploid) می گویند.
ناباروری یک وضعیت جدی سلامت باروری است که حدود ۱۲ درصد از زنان در سنین باروری را در ایالات متحده تحت تاثیر قرار می دهد. آنیوپلوئیدی در تخمک های انسان موجب سقط خود به خودی زودرس و شکست لقاح مصنوعی(IVF) می شود و درصد عمده ای از علت ناباروری را تشکیل می دهد.
تحقیقات اخیر نشان داده است که تعدادی از ژن ها، زنان را مستعد مبتلاشدن به آنیوپلوئیدی می کنند، بااینکه منشا ژنتیکی دقیق تولید تخمک آنیوپلوئید ناشناخته است اما پژوهش پژوهشگران دانشگاه راتگرز نخستین تحقیقی است که ارزیابی می نماید که چگونه انواع ژنتیکی خاص در ژنوم مادر، خطر ناباروری زنان را پیش بینی می کند.
"جین چوان زینگ"(Jinchuan Xing) نویسنده این مطالعه و دانشیار بخش ژنتیک این دانشگاه اظهار داشت: هدف پروژه ما درک علت ژنتیکی ناباروری زنان و ایجاد روشی برای بهبود پیش آگهی بالینی خطر آنیوپلوئیدی بیماران بود. ما در این مطالعه نشان دادیم که خطر آنوپلوئیدی جنینی در بیماران زنی که لقاح مصنوعی نجام داده اند را می توان با دقت بالا با داده های ژنومی بیماران پیش بینی نمود. ما همین طور چندین ژن بالقوه که خطر آنیوپلوئیدی را می افزایند، شناسایی کرده ایم.
دانشمندان طی این مطالعه توانستند نمونه های ژنتیکی بیماران را با بهره گیری از تکنیکی به نام "توالی یابی کلی اگزوم"(whole exome sequencing) مورد بررسی قرار دهند. از ژنوم وسیع انسان سپس آنها نرم افزاری را با بهره گیری از یادگیری ماشین ایجاد کردند تا عملیات پیش بینی را انجام دهند. در نتیجه، دانشمندان توانستند سه ژن MCM۵، FGGY و DDX۶۰L را شناسایی کنند. بگفته پژوهشگران این سه ژن در صورت جهش، با خطر تولید تخمک های همراه با آنیوپلوئیدی مرتبط هستند.
منبع: iagrp.ir
مطلب را می پسندید؟
(1)
(0)
تازه ترین مطالب مرتبط
نظرات بینندگان در مورد این مطلب