به گزارش خبرگزاری صدا و سیما به نقل از دانشگاه علوم پزشکی مشهد، پژوهشگران مرکز تحقیقات سندرم متابولیک پژوهشکده علوم پایه دانشگاه علوم پزشکی مشهد به منظور شناسایی ژنها و مسیرهای مولکولی مهم در سرطانهای کولون، معده و پانکراس با استفاده از روشهای یادگیری ماشین و تحلیلهای RNA Sequencing گام برداشتهاند و تا امروز نتایج رضایت بخشی از این مطالعات حاصل شده است.
دکتر الهام نظری،یکی از محققان این طرح گفت: امروزه ما شاهد تولید مقدار زیادی از دادهها در بخشهای مختلف مراقبت سلامت هستیم و تجزیه و تحلیل صحیح این دادهها میتواند در پیشگیری، تشخیص زودهنگام، انتخاب درمان مناسب، بهبود کیفیت زندگی بیماران و کاهش هزینهها نقش بسزایی داشته باشد و بهکارگیری تحلیلهای Big Data در حوزه مراقبت سلامت در این زمینه اهمیت زیادی دارد.
وی با اشاره به اینکه این نوع دادهها با دارا بودن ویژگیهایی همچون ساختار پیچیده، تنوع و تعداد زیاد منجر به ایجاد مشکل در مدیریت، اشتراک، آنالیز، بصری سازی، ارائه نتایج با صحت بالا و همچنین کشف نشدن و شناسایی الگوهای دادهای مهم خواهند شد، خاطر نشان کرد: بر این اساس بکارگیری روش های پیشرفته یادگیری ماشین از قبیل Deep Learning که در سالهای اخیر بسیار مورد توجه قرار گرفته امری ضروری است.
نظری با بیان اینکه امروزه سرطانها به عنوان یکی از عوامل مهم مرگ و میر در جهان شناخته شده است، تصریح کرد: توجه بیش از پیش بکارگیری بیوانفورماتیک در تشخیص و شناسایی مسیرهای کلیدی در درمان سرطان امری مهم به شمار میرود.
وی با اشاره به اینکه تشخیص زودهنگام سرطان یکی از مؤثرترین راههای کاهش میزان مرگ و میر ناشی از آن است و از طرفی سرطان با تغییرات ژنتیکی ارتباط تنگاتنگی دارد، گفت: بر این اساس، شناسایی تغییرات ژنتیکی در تشخیص زودهنگام سرطان اهمیت ویژهای دارد و به کار گیری تحلیلهای مناسب بر دادههای بیان ژنی در تشخیص مراحل ابتدایی انواع سرطانها زمینه ساز انتخاب درمانی موثر خواهد شد.
این محقق که در دوره پسادکتری بیوانفورماتیک در پژوهشکده علوم پایه در حال تحصیل است، می گوید: طرح توالی ژنومی و فناوری های high throughput مانند whole genome sequencing و Proteomics منجر به تولید حجم زیادی از اطلاعات میشوند. این دادههای ارزشمند با شناسایی ژنها و مسیرهای مولکولی اثرگذار بر بیماری، امکان درمانهای نوین را فراهم میکنند.
خانم نظری تاکید کرد: پیش بینی ساختار سه بعدی پروتئین، طراحی داروها، پیش بینی تداخلات دارویی، اهداف احتمالی برای داروی جدید از کاربردهای دیگر تحلیلهای Big Data است. در نتیجه، علوم مدیریت داده و آنالیزهای Big Data در حال پیشرفت هستند تا منابع عظیم دادهای را به اطلاعات و دانش تبدیل کنند و در تحقق اهداف و اخذ تصمیم گیری بهتر به کار روند. در مطالعات نوین سعی بر آن است با بهرهمندی از تحلیلهای Big Data، یادگیری ماشین، بیوانفورماتیک و ژنومیکس گامی جدید در تشخیص و درمان سرطان برداشته شود.
وی گفت: این رویکرد میتواند چشم اندازی امیدوارکننده در حیطه ژنتیک و گامی موثر به سوی Personalized medicine باشد.
دکتر الهام نظری، دانش آموخته دانشکده پزشکی دانشگاه علوم پزشکی مشهد (دارنده عنوان پایان نامه برتر/ پژوهشگر برتر و دانشجوی برتر در جشنواره پروفسور حسابی سال ۱۳۹۸) خاطرنشان کرد: این پژوهش با نظارت و راهنمایی دکتر امیر آوان عضو هیات علمی دانشگاه علوم پزشکی مشهد اجرا شده است.
