معرفی نویسنده

سارا فیاض زاده

دانشجوی دکترا بیوفیزیک(دانشگاه تربیت مدرس)

مدل هوش مصنوعی جدید قادر به پیش‌بینی ترکیب‌های دارویی موثر برای از بین‌بردن سلول‌های سرطانی است

مدل هوش مصنوعی جدید قادر به پیش‌بینی ترکیب‌های دارویی موثر برای از بین‌بردن سلول‌های سرطانی است

پزشکان معمولا برای درمان بیماران مبتلا به مراحل پیشرفته‌ی سرطان، از ترکیبی از روش‌های درمانی استفاده می‌کنند. بیماران معمولا علاوه بر جراحی، به وسیله‌ی پرتودرمانی، دارو و یا هر دو تحت درمان قرار می‌گیرند. داروهایی با تاثیرات متفاوت روی سلول‌های سرطانی مختلف، می‌توانند ترکیب شوند. روش‌های درمانی مبتنی بر ترکیب کردن چند دارو، می‌تواند تاثیرگذاری درمان را افزایش داده و چنانچه این رویه موجب کاهش دوز مورد نیاز تک‌تک داروها شود، باعث کاهش عوارض جانبی مضر نیز می‌گردد. با این حال غربالگری برای ترکیب دارویی به روش تجربی، بسیار زمان‌بر و پرهزینه است و معمولا به شناخت تمامی مزایای درمان ترکیبی منجر نمی‌شود. اما به کمک روش یادگیری ماشین جدید، می‌توان بهترین ترکیب‌ها برای از بین‌بردن انتخابی سلول‌های سرطانی با آرایش ژنتیکی یا عملکردی خاص را شناسایی کرد.
پژوهشگران در دانشگاه‌های Aalto، Helsinki و Turku در فنلاند، مدل یادگیری ماشینی را توسعه داده‌اند که می‌تواند به صورت دقیق پیش‌بینی کند که چطور ترکیب‌های متفاوتی از داروهای سرطان، انواع مختلف سلول‌های سرطانی را از بین می‌برد. این مدل یادگیری ماشین که comboFM نام دارد، برای پیش‌بینی پاسخ به ترکیب‌های دارویی در آزمایش‌های پیش بالینی مثل آزمایش‌های برپایه‌ی کشت سلول یا سلول‌های گرفته شده از بیمار، طراحی شده است. مدل هوش مصنوعی جدید ذکر شده با مجموعه‌ی بزرگی از داده‌های حاصل از مطالعات انجام شده در رابطه با ارتباط داروها و سلول‌های سرطانی، آموزش داده شده‌است. به گفته‌ی پروفسور Rousu  از دانشگاه Aalto "مدل آموخته شده توسط ماشین در واقع همان تابع پلی‌نومیال آشنا برای ریاضی‌دان‌ها است اما از نوع پیچیده‌ی آن".
نتایج این پژوهش که در مجله‌ی Nature Communications به چاپ رسیده‌، نشان می‌دهد که این مدل، ارتباطاتی بین داروها و سلول‌های سرطانی پیدا کرده است که پیش از این مشاهده نشده بودند. پروفسورRousu  در این رابطه می‌گوید: "نتایج این مدل صحت بالایی داشتند. برای مثال مقادیر ضریب همبستگی در این آزمایش بیش از 0.9 بود که نشان می‌دهد بسیار قابل اعتماد است." در اندازه‌گیری‌های تجربی، ضریب همبستگی 0.8-0.9  قابل اعتماد محسوب می‌شوند.
این مدل قادر است با صحت بالایی پیش‌بینی کند ترکیب دارویی که پیش از این روی نوع خاصی از سرطان مورد آزمایش قرار نگرفته است، چگونه به صورت انتخابی موجب مهار سلول‌های آن سرطان می‌شود.
Aittokallio پژوهشگر انستیتو پزشکی مولکولی دانشگاه Helsinki، بیان می‌کند که این مدل به پژوهشگران حوزه‌ی سرطان کمک می‌کند که انتخاب ترکیب‌های دارویی برای انجام تحقیقات بعدی را از بین هزاران گزینه‌ای که در اختیار دارند اولویت‌بندی نمایند.
همین رویکرد یادگیری ماشین می‌تواند برای سایر بیماری‌هایی به غیر از سرطان هم مورد استفاده قرار گیرد. برای اینکار، مدل با داده‌های مرتبط با بیماری مورد نظر مجددا آموزش داده می‌شود. برای مثال، از این مدل می‌توان برای مطالعه‌ی تاثیر ترکیب آنتی‌بیوتیک‌های مختلف بر عفونت باکتریایی یا تاثیر ترکیب‌های دارویی متفاوت برای از بین بردن سلول‌های آلوده به ویروس کرونای جدید SARS-CoV-2 استفاده کرد

 

منبع:

https://scitechdaily.com/artificial-intelligence-predicts-drug-combinations-that-kill-cancer-cells-more-effectively/

کلید واژه ها: #machine-learning #cancer #drug-combination #bioinformatics #codecool

telegram