با تحلیل بیگ دیتا؛
محققان کشور موفق به شناسایی ژن ها و مسیرهای مولکولی سرطان شدند
به گزارش گروه هوش مصنوعی، محققان دانشگاه علوم پزشکی مشهد با تحلیل Big Data موفق به شناسایی ژن ها و مسیرهای مولکولی سرطان شدند.
به گزارش گروه هوش مصنوعی به نقل از دانشگاه علوم پزشکی مشهد، پژوهشگران مرکز تحقیقات سندرم متابولیک پژوهشکده علوم پایه دانشگاه علوم پزشکی مشهد به منظور شناسایی ژن ها و مسیرهای مولکولی مهم در سرطان های کولون، معده و پانکراس با استفاده از روش های یادگیری ماشین و تحلیل های RNA Sequencing گام برداشته اند و تا به امروز نتایج رضایت بخشی از این مطالعات حاصل شده است. دکتر الهام نظری، دانش آموخته دانشکده پزشکی دانشگاه علوم پزشکی مشهد یکی از محققان این پروژه اظهار داشت: امروزه ما شاهد تولید حجم عظیمی از داده ها در قسمت های مختلف مراقبت سلامت هستیم و تحلیل و بررسی صحیح این داده ها می تواند در پیشگیری، تشخیص زودهنگام، انتخاب درمان مناسب، بهبود کیفیت زندگی بیماران و کاهش هزینه ها نقش بسزایی داشته باشد و به کارگیری تحلیل های Big Data در حوزه مراقبت سلامت در این حوزه از اهمیت بالایی برخوردار می باشد. وی ضمن اشاره به این که این نوع داده ها با دارا بودن خصوصیت هایی همچون ساختارپیچیده، تنوع و حجم بالا منجر به ایجاد مشکل در مدیریت، اشتراک، آنالیز، بصری سازی، عرضه نتایج با صحت بالا و همینطور عدم کشف و شناسایی الگوهای داده ای مهم خواهند شد، تصریح کرد: بر این اساس بکارگیری روشهای فنی پیشرفته یادگیری ماشین از قبیل Deep Learning که در سالهای اخیر بسیار مورد توجه قرار گرفته است امری ضروری می باشد. نظری با اشاره به اینکه امروزه سرطان ها بعنوان یکی از عاملهای مهم مرگ و میر در جهان شناخته شده است، خاطرنشان کرد: توجه بیشتر از پیش بکارگیری بیوانفورماتیک در تشخیص و شناسایی مسیرهای کلیدی در درمان سرطان امری مهم به حساب می آید. وی ضمن اشاره به این که تشخیص زودهنگام سرطان یکی از مؤثرترین راه های کاهش میزان مرگ و میر ناشی از آن است و از سویی سرطان با تغییرات ژنتیکی ارتباط تنگاتنگی دارد اظهار داشت: بر این اساس، شناسایی تغییرات ژنتیکی در تشخیص زودهنگام سرطان از اهمیت ویژه ای بر خوردار است و به کار گیری تحلیل های مناسب بر داده های بیان ژنی در تشخیص مراحل ابتدایی انواع سرطان ها زمینه ساز انتخاب درمانی موثر خواهد شد. این محقق خاطرنشان کرد: به منظور شناسایی بیومارکرهای مهم و استخراج اطلاعات پرارزش سرطان ها در سالهای اخیر RNA-Sequencing، DNA-Sequencing و پیشبینی دارو مورد توجه پژوهشگران قرار گرفته است. به این دلیل ضرورت بکارگیری آنالیزهای Big Data غیرقابل انکار است. وی که هم اکنون در دوره پسادکتری بیوانفورماتیک در پژوهشکده علوم پایه درحال تحصیل است، اعتقاد دارد که پروژه توالی ژنومی و تکنولوژی های high throughput مانند whole genome sequencing و Proteomics منجر به تولید حجم زیادی از اطلاعات می شوند. این داده های پرارزش با شناسایی ژن ها و مسیرهای مولکولی اثرگذار بر بیماری، امکان درمان های نوین را فراهم می کنند. نظری تصریح کرد: پیشبینی ساختار سه بعدی پروتئین، طراحی داروها، پیشبینی تداخلات دارویی، پیشبینی target های احتمالی برای داروی جدید از کاربردهای دیگر تحلیل های Big Data است. در نتیجه، علوم مدیریت داده و آنالیزهای Big Data درحال پیشرفت هستند تا منابع عظیم داده ای را به اطلاعات و دانش تبدیل کنند و در تحقق اهداف و دریافت تصمیم گیری بهتر به کار روند. در مطالعات نوین تلاش بر آن است با بهره مندی از تحلیل های Big Data، یادگیری ماشین، بیوانفورماتیک و ژنومیکس گامی جدید در تشخیص و درمان سرطان برداشته شود. وی اظهار داشت: ازاین رو این رویکرد می تواند چشم اندازی امیدوارکننده در حیطه ژنتیک و گامی موثر به سمت Personalized medicine باشد. دکتر الهام نظری، دانش آموخته دانشکده پزشکی دانشگاه علوم پزشکی مشهد (دارنده عنوان رساله برتر/ پژوهشگر برتر و دانشجوی برتر در جشنواره پروفسور حسابی سال ۱۳۹۸) تصریح کرد: این پژوهش تحت نظارت و راهنمایی دکتر امیر آوان عضو هیات علمی دانشگاه علوم پزشکی مشهد اجرا شده است.
منبع: iagrp.ir
مطلب را می پسندید؟
(1)
(0)
تازه ترین مطالب مرتبط
نظرات بینندگان در مورد این مطلب