استفاده از کلان داده ها در شناسایی ژن‌ها و مسیر‌های مولکولی سرطان

 به گزارش خبرگزاری صداوسیما مرکز خراسان رضوی، پژوهشگران مرکز تحقیقات سندرم متابولیک پژوهشکده علوم پایه این دانشگاه 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 به امروز نتایج رضایت بخشی از این مطالعات حاصل شده است.

 محقق این طرح با اشاره به اینکه این پژوهش تحت نظارت و راهنمایی دکتر امیر آوان عضو هیات علمی دانشگاه علوم پزشکی مشهد اجرا شده است، گفت: تجزیه و تحلیل صحیح داده‌های عظیم در بخش‌های مختلف مراقبت سلامت، 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 از اهمیت بالایی برخوردار است

 دکتر الهام نظری افزود: این نوع داده‌ها با دارا بودن ویژگی‌هایی همچون ساختارپیچیده، تنوع و حجم بالا، منجر به ایجاد مشکل در مدیریت، اشتراک، آنالیز، بصری سازی، ارائه نتایج با صحت بالا و کشف و شناسایی نشدن الگو‌های داده‌ای مهم خواهند شد؛ بر این اساس بکارگیری تکنیک‌های پیشرفته یادگیری ماشین از قبیل Deep Learning که در سال‌های اخیر بسیار مورد توجه قرار گرفته، امری ضروری است.

 

 

 این دانش آموخته دانشکده پزشکی دانشگاه علوم پزشکی مشهد و دارنده عنوان پایان نامه برتر و پژوهشگر برتر با بیان اینکه امروزه سرطان‌ها به عنوان یکی از عوامل مهم مرگ و میر در جهان شناخته شده است، گفت: در این حال، به کارگیری بیوانفورماتیک در تشخیص و شناسایی مسیر‌های کلیدی در درمان سرطان امری مهم به شمار می‌رود.

 دکتر نظری 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، افزود: شناسایی تغییرات ژنتیکی در تشخیص زودهنگام سرطان از اهمیت ویژه‌ای برخوردار است و به کارگیری تحلیل‌های مناسب بر داده‌های بیان ژنی در تشخیص مراحل ابتدایی انواع سرطان ها، زمینه ساز انتخاب درمانی موثر خواهد شد.

 وی تصریح کرد: به منظور شناسایی بیومارکر‌های مهم و استخراج اطلاعات ارزشمند سرطان‌ها در سال‌های اخیر، RNA-Sequencing، DNA-Sequencing و پیش بینی دارو مورد توجه پژوهشگران قرار گرفته و بدین سبب لزوم بکارگیری آنالیز‌های Big Data غیرقابل انکار است.

 

 

 این دانشجوی برتر در جشنواره پروفسور حسابی سال ۱۳۹۸ که در حال حاضر دوره پسادکتری بیوانفورماتیک را در پژوهشکده علوم پایه می‌گذراند، معتقد است: پروژه توالی ژنومی و تکنولوژی‌های high throughput مانند whole genome sequencing و Proteomics منجر به تولید حجم زیادی از اطلاعات می‌شوند که این داده‌های ارزشمند با شناسایی ژن‌ها و مسیر‌های مولکولی اثرگذار بر بیماری، امکان درمان‌های نوین را فراهم می‌کنند.

 وی تاکید کرد: پیش بینی ساختار سه بعدی پروتئین، طراحی داروها، پیش بینی تداخلات دارویی، پیش بینی target‌های احتمالی برای داروی جدید از کاربرد‌های دیگر تحلیل‌های Big Data است.

 این محقق ادامه داد: درنتیجه، 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 و این رویکرد می‌تواند چشم اندازی امیدوارکننده در حیطه ژنتیک و گامی موثر به Personalized medicine باشد.