در یک تلاش پژوهشی نوآورانه، تیمی از دانشمندان تحت رهبری مؤسسه Wellcome Sanger از فناوری پیشرفته استفاده کردهاند تا یک مجموعه گسترده از هدفهای پتانسیل درمان با دارو برای انواع مختلف سرطان را شناسایی کنند. به جای اتکا به روشهای سنتی، پژوهشگران از الگوریتمهای یادگیری ماشین استفاده کردهاند تا به طور سیستماتیک سلولهای سرطانی را تجزیه و تحلیل کرده و دید جامعی از کاندیدهای دارویی پتانسیل را برقرار کنند.
با بهرهبرداری از قدرت یادگیری ماشین، تیم توانسته است از حجم زیادی از دادهها دریافت بردارد. الگوریتمها ۳۷۰ هدف اولویتبندی شده را در تمامی سرطانهای ۲۷ نوع، شامل سرطان سینه، سرطان ریه و سرطان تخمدان نشان دهند. این کشف قدرتمند برای توسعه درمانهای نوآورانه و شخصیسازی شده برای ویژگیهای منحصربهفرد هر نوع سرطان چشمگیر است.
هدف پژوهشگران ایجاد نقشه وابستگی سرطان است، یک راهنمای جامع که ضعفهای مختلف در انواع مختلف تومور را مشخص میکند. این نقشه به عنوان یک منبع ارزشمند برای شتاببخشی در توسعه درمانهای هدفمند و پیشرفت پزشکی دقیق عمل خواهد کرد. با شناسایی علامتهای زیستی و ویژگیهای ژنتیکی و مولکولی خاص، تیم قصد دارد بیماران را با گزینههای درمانی مناسبتری همراستا کند و اثرات جانبی را کمینه و کارایی را حداکثر کند.
برای جمعآوری دادههای لازم، دانشمندان از تجزیه و تحلیل جامعی از سلولهای سرطانی موجود در ۹۳۰ خط سلولی نماینده انواع مختلف تومور استفاده کردند. این خطوط سلولی به آزمایش CRISPR-Cas9 تحت گذاشته شدند تا درک کنید ژنهای در سلولهای سرطانی چگونه بر کارکرد آنها تأثیر میگذارند. با مطالعه تأثیر خارج شدن هر ژن بهطور جداگانه، تیم توانست هدفهایی را که میتوان برای غیرفعالسازی سلولهای سرطانی بهرهبرداری کرد، شناسایی کند.
آثار این تحقیق برای آینده درمان سرطان گسترده است. این موضوع نه تنها اهمیت مراقبت شخصی مبتنی بر ویژگیهای منحصربهفرد هر سرطان را بیان میکند، بلکه درک روشهای موجود برای درمان سرطان و همچنین مواردی که نیاز به توسعه رویکردهای جدید را دارند را روشنتر میکند.
چون حالا با ترکیب نوآورانه یادگیری ماشین و تجزیه و تحلیل سیستماتیک، دانشمندان با ابزارهای قدرتمندی برای شناسایی هدفهای دارویی امیدوارکننده تجهیز شدهاند. این یک قدم تازهای در مقابل سرطان است و امیدواری برای میلیونها نفر مبتلا به این بیماری در سراسر جهان را به وجود میآورد.
The source of the article is from the blog meltyfan.es