محققان دانشگاه مک‌گیل یک ابزار هوش مصنوعی ساخته‌اند که قادر است نشانگرهای بیماری را که قبلاً در داخل سلول‌های منفرد پنهان بودند، آشکار کند.
این مطالعه که در مجلهٔ Nature Communications منتشر شده است، توضیح می‌دهد که چگونه این سیستم جدید به نام DOLPHIN می‌تواند در نهایت به پزشکان کمک کند تا بیماری‌ها را در مراحل اولیه تشخیص دهند و تصمیمات آگاهانه‌تری در مورد استراتژی‌های درمانی بگیرند.
جون دینگ، نویسنده ارشد، استادیار دپارتمان پزشکی مک‌گیل و دانشمند جوان در انستیتوی تحقیقات مرکز بهداشت دانشگاه مک‌گیل، می‌گوید:
این ابزار پتانسیل کمک به پزشکان را دارد تا بیمارانی را با درمان‌هایی منطبق کنند که به احتمال زیاد برای آن‌ها مؤثر خواهد بود و بدین ترتیب، آزمون و خطا در درمان کاهش می‌یابد.
زوم کردن بر روی بلوک‌های سازنده ژنتیکی
به گفتهٔ این تیم، نشانگرهای بیماری اغلب به صورت تغییرات ظریفی در بیان RNA ظاهر می‌شوند و سرنخ‌هایی در مورد وجود بیماری، احتمال جدی شدن آن، یا نحوهٔ واکنش آن به درمان‌های خاص ارائه می‌دهند.
روش‌های سنتی تحلیل در سطح ژن تمایل دارند این سیگنال‌ها را در یک عدد واحد برای هر ژن ترکیب کنند، که این کار می‌تواند تغییرات مهم را پنهان کرده و تنها یک دیدگاه محدود از آنچه درون سلول می‌گذرد، ارائه دهد.
اکنون، پیشرفت‌ها در هوش مصنوعی این امکان را فراهم کرده است که پیچیدگی‌های دقیق داده‌های تک‌سلولی ثبت شوند. DOLPHIN فراتر از سطح ژن حرکت می‌کند و با زوم کردن، نحوهٔ به‌هم پیوستن ژن‌ها از قطعات کوچک‌تر به نام اگزون‌ها را مشاهده می‌کند تا دیدگاه واضح‌تری از وضعیت سلول‌ها ارائه دهد.
کایلو سونگ، نویسنده اول و دانشجوی دکتری در برنامهٔ علوم زیستی کمی دانشگاه مک‌گیل، می‌گوید:
ژن‌ها فقط یک بلوک نیستند، آن‌ها مانند مجموعه‌های لگو هستند که از قطعات کوچک‌تر بسیاری ساخته شده‌اند. با بررسی نحوه اتصال این قطعات، ابزار ما نشانگرهای مهم بیماری را آشکار می‌کند که مدت‌ها نادیده گرفته شده بودند.
در یک مورد آزمایشی، DOLPHIN داده‌های تک‌سلولی بیماران سرطان لوزالمعده را تجزیه و تحلیل کرد و بیش از ۸۰۰ نشانگر بیماری را که توسط ابزارهای مرسوم از دست رفته بودند، پیدا کرد. این ابزار توانست بیماران مبتلا به سرطان‌های تهاجمی و پرخطر را از موارد کم‌خطرتر متمایز کند؛ اطلاعاتی که به پزشکان در انتخاب مسیر درمانی صحیح کمک خواهد کرد.
گامی به سوی “سلول‌های مجازی”
در یک چشم‌انداز گسترده‌تر، این دستاورد، پایه‌ای برای دستیابی به هدف بلندمدت ساخت مدل‌های دیجیتال از سلول‌های انسان ایجاد می‌کند. DOLPHIN در مقایسه با روش‌های مرسوم، پروفایل‌های تک‌سلولی غنی‌تری تولید می‌کند که شبیه‌سازی‌های مجازی از نحوهٔ رفتار و پاسخ سلول‌ها به داروها را پیش از ورود به آزمایش‌های آزمایشگاهی یا بالینی امکان‌پذیر می‌سازد و در زمان و هزینه صرفه‌جویی می‌کند.
گام بعدی پژوهشگران، گسترش دامنهٔ کاربرد این ابزار از چند مجموعه داده به میلیون‌ها سلول خواهد بود و راه را برای مدل‌های سلولی مجازی دقیق‌تر در آینده هموار خواهد کرد.
منبع: Scitechdaily
