سلول‌های سرطانی چه تفاوتی با سلول‌های سالم دارند؟ به گزارش پایگاه اطلاع‌رسانی بنیان، تیمی‌ از دانشمندان بیوانفورماتیک موسسه  سیستم‌های پزشکی برلین و مرکز پزشکی مولکولی ماکس دلبروک-آلمان در مجله Genome Biology گزارش می‌دهند که یک برنامه کامپیوتری جدید به نام "ikarus" پاسخ این سوال را می‌داند. 

این برنامه، الگویی را در سلول‌های توموری پیدا کرده که در انواع مختلف سرطان‌ها مشترک و از ترکیب مشخصی از ژن‌ها تشکیل شده است. طبق مقاله این تیم، این الگوریتم همچنین ژن‌هایی را شناسایی کرده‌است که قبلاً هرگز به وضوح با سرطان مرتبط نبوده‌اند.

یک الگوریتم از داده‌های آموزشی استفاده می‌کند تا بیاموزد چگونه به سؤالات خاصی پاسخ دهد. این کار را با جستجوی الگوها در داده‌ها انجام می‌دهد، تا یک الگوی مشخص تکرارشونده را در بین همه داده‌ها شناسایی کند. پس از مرحله آموزش، سیستم می‌تواند آنچه که آموخته است را تعمیم دهد تا داده‌های ناشناخته را ارزیابی کند. 

داده‌های توالی‌یابی تک سلولی در مورد ویژگی‌های مولکولی سلول‌های منفرد اغلب خیلی دقیق نیست؛ شاید به این دلیل که تعداد متفاوتی از ژن‌ها در هر سلول شناسایی می‌شود یا به این دلیل که نمونه‌ها همیشه به طور یکسان پردازش نمی‌شوند. این تیم تحقیقاتی از داده‌های سلول‌های سرطانی ریه و کولورکتال برای آموزش به این الگوریتم، قبل از اعمال آن در مجموعه داده‌های انواع دیگر تومورها استفاده کردند.

نرخ موفقیت شگفت انگیز

در مرحله تمرین، ایکاروس باید فهرستی از ژن‌های مشخص را پیدا و سپس برای دسته‌بندی سلول‌ها از آن استفاده می‌کرد. ایکاروس باید در نهایت از دو فهرست استفاده می‌کرد: یکی برای ژن‌های سرطانی و دیگری برای ژن‌های سایر سلول‌ها. این الگوریتم توانست به طور قابل اعتمادی بین سلول‌های سالم و توموری در انواع سرطان‌ها، مانند نمونه‌های بافتی از بیماران سرطان کبد یا نوروبلاستوما، تمایز قائل شود. میزان موفقیت آن به طور خارق‌العاده‌ای بالا بود که حتی گروه تحقیقاتی را متعجب کرد. محقق اصلی این مطالعه می‌گوید: «انتظار نداشتیم وجه مشترکی بین سلول‌های توموری انواع مختلف سرطان وجود داشته باشد. برای تبدیل ایکاروس به ابزاری قابل اعتماد برای تشخیص سرطان، محققان اکنون می‌خواهند آن را بر روی انواع دیگری از تومورها آزمایش کنند.

هوش مصنوعی به عنوان یک ابزار تشخیصی کاملاً خودکار

هدف این پروژه فراتر از طبقه بندی سلول‌های "سالم" در مقابل "سرطانی" است. محقق اصلی این مطالعه می‌گوید: "ما می‌خواهیم این رویکرد را جامع‌تر کنیم و آن را بیشتر توسعه دهیم تا بتواند بین همه انواع سلول‌های ممکن در بیوپسی تمایز قائل شود."

در بیمارستان‌ها، پاتولوژیست‌ها تنها با بررسی نمونه‌های بافتی تومورها در زیر میکروسکوپ می‌توانند انواع مختلف سلول را شناسایی کنند؛ که کاری پرزحمت و وقت‌گیر است. با ikarus، این مرحله می‌تواند روزی به یک فرآیند کاملاً خودکار تبدیل شود. علاوه بر این، هوش مصنوعی ممکن است در توسعه داروهای جدید نیز مفید باشد.

پایان مطلب/

لینک منبع: 

DOI: 10.1186/s13059-022-02683-1