شخصی سازی درمان بیماران سرطانی با استفاده از هوش مصنوعی

به گزارش سیناپرس همدان، محققان دانشگاه ساسکس از فناوری هوش مصنوعی (AI) برای تجزیه و تحلیل انواع مختلف سلول‌های سرطانی برای درک وابستگی‌های مختلف ژنی و شناسایی ژن‌هایی که برای بقای سلول حیاتی هستند، استفاده می‌کنند. محققان ساسکس این کار را با توسعه یک الگوریتم پیش‌بینی انجام داده‌اند که با تجزیه و تحلیل تغییرات ژنتیکی در تومور، مشخص می‌کند کدام ژن‌ها در سلول ضروری هستند. این می تواند برای شناسایی اهداف قابل اجرا استفاده شود که به مرور زمان می تواند انکولوژیست ها را برای شخصی سازی درمان بیماران سرطانی راهنمایی کند.

دکتر فرانسیس پرل، مدرس ارشد بیوانفورماتیک در دانشکده علوم زیستی در دانشگاه ساسکس می گوید: چشم انداز ما این است که از هزینه های رو به کاهش توالی یابی DNA استفاده کنیم و از قدرت هوش مصنوعی برای درک تفاوت های سلول های سرطانی و معنای آنها برای درمان هر بیمار سود ببریم. از طریق تحقیقات خود، ما قادر به شناسایی وابستگی‌های ژنی سلولی تنها با استفاده از توالی DNA و سطوح RNA در آن سلول بودیم که به راحتی و ارزان تر از نمونه‌های بیوپسی تومور قابل دستیابی هستند.

این یک گام فوق‌العاده هیجان‌انگیز در تحقیقات ما است، به این معنی که اکنون می‌توانیم برای بهبود این فناوری تلاش کنیم تا بتوان آن را به متخصصان سرطان ارائه کرد و در مسیرهای درمانی برای بیمارانشان کمک کرد.

درمان‌های سرطان عمدتاً بر اساس محل و نوع سرطان تجویز می‌شوند. تفاوت های ژنتیکی در تومورها می تواند درمان های استاندارد سرطان را بی اثر کند. استفاده از یک رویکرد شخصی برای هدایت درمان می تواند امید به زندگی و کیفیت زندگی را بهبود بخشد و عوارض جانبی غیرضروری بیماران سرطانی را کاهش دهد.

در هر سلول، حدود 20000 ژن وجود دارد که حاوی اطلاعات مورد نیاز برای ساخت پروتئین است. حدود 1000 عدد از این ژن ها ضروری هستند، به این معنی که برای بقای سلول مورد نیاز هستند. وقتی سلول‌های طبیعی به سلول‌های سرطانی تبدیل می‌شوند، انکوژن‌ها (یعنی آن ژن‌هایی که پتانسیل ایجاد سرطان را دارند) فعال می‌شوند و ژن‌های سرکوب‌کننده تومور غیرفعال می‌شوند و باعث برنامه ریزی مجدد سلول می‌شوند. این باعث می شود که سلول برای زنده ماندن به مجموعه جدیدی از ژن ها وابسته شود و سپس می توان از همان ژن ها برای کشتن سلول های سرطانی استفاده کرد.

با استفاده از این فناوری جدید برای هدف قرار دادن محصولات پروتئینی ژن‌های وابسته به تومور، می‌توان سلول‌های سرطانی را از بین برد و سلول‌های طبیعی را که به این ژن‌ها وابسته نیستند نسبتاً بی‌آسیب باقی گذاشت. اگرچه وابستگی ها را می توان با استفاده از تکنیک های آزمایشگاهی فشرده تعیین کرد، اما پرهزینه و زمان بر است و تجزیه و تحلیل تمام نمونه های تومور به این روش امکان پذیر نیست.

این کار در مجله Bioinformatics Advances منتشر شده است.

منبع: medicalxpress

مترجم: سید سپهر ارومیهء