محققان دانشگاه تهران بررسی كردند
حرکت به طرف پزشکی شخصی دقیق تر در عرصه تشخیص و پایش سرطان
برتریها: پیشرفت در تشخیص غیرتهاجمی سرطان با تحلیل DNA آزاد خون؛ از جهش های ژنتیکی تا پروفایل های اپی ژنتیک، موفقیت پژوهشگران دانشکدگان علوم دانشگاه تهران است.
به گزارش برتریها به نقل از ایسنا، دکتر محیا مهرمحمدی، عضو هیات علمی دانشکده بیوتکنولوژی دانشگاه تهران و برنده جایزه ابوریحان، اظهار داشت: فناوری موسوم به بیوپسی مایع که مبتنی بر ردیابی نشانگرهای توموری در جریان خون است، انقلابی در حوزه تشخیص و پایش سرطان بوجود آورده است.
عضو هیات علمی دانشکدگان علوم با اشاره به اینکه این فناوری خصوصاً بر تحلیل «DNA آزاد سلولی (cfDNA) و بخش توموری آن موسوم به «DNA تومور درحال گردش (ctDNA) متکی است، اضافه کرد: چالش اصلی، غلبه بر حجم بسیار زیاد DNA با منشأ طبیعی در مقابل کسر اندک DNA توموری است.
ایشان سپس به سه راهکار نوین برای فائق آمدن بر این چالش و افزایش دقت تشخیص پرداخت و اضافه کرد: تخمین بیان ژن از خون با فناوری «EPIC-seq» و استفاده از هوش مصنوعی، راهکار اول است. قبل از این، تمرکز اصلی بر شناسایی جهش های ژنتیکی در ctDNA بود، اما حالا، ما از خصوصیت های اپی ژنتیک نهفته در الگوی تکه تکه شدن DNA استفاده می نماییم. ما روشی به نام «EPIC-seq» را توسعه داده ایم که آنتروپی تکه تکه شدن ناحیه پروموتور ژن ها را اندازه گیری می کند. این سنجش به ما امکان می دهد تا پروفایل بیان ژن ها را مستقیماً از روی cfDNA استنباط نماییم.
عضو هیات علمی دانشکده بیوتکنوژی اشاره کرد: کاربرد این تکنیک در نمونه های خون بیماران دچار سرطان ریه و لنفوم، توانایی آن در طبقه بندی دقیق زیرگروه های تومور را نشان داده است. همچنین، در بیماران تحت درمان با ایمونوتراپی، پروفایل های استنباط شده با«EPIC-seq» پاسخ به درمان را به خوبی پیش بینی نمود که گامی مهم به سمت پزشکی شخصی است.
طراحی پنل های نسل آینده؛ اولویت بندی نواحی ژنومی با هوش مصنوعی
دکتر مهرمحمدی با تأکید بر این که برای غلبه نهائی بر چالش «کسر پایین تومور» باید هوشمندانه نواحی ژنومی را برای جستجو انتخاب نماییم، اضافه کرد: در این راستا، ما یک سری پارامتر جدید در طراحی پنل های توالی یابی بیوپسی مایع عرضه کرده ایم. در این طرح، از یادگیری ماشین برای شناسایی مناطقی از کروماتین استفاده می شود که در سلول های سرطانی خاص، به صورت غیرعادی در دسترس یا غیرقابل دسترس هستند. ما یک امتیاز کمّی را توسعه داده ایم که این دسترسی نسبی را در تومور در مقایسه با سلول های خونی طبیعی اندازه می گیرد. این معیار به ما امکان می دهد تا نواحی را که شانس بیشتری برای نمایان شدن در cfDNA دارند، اولویت بندی کرده و در طراحی پنل های تشخیصی نسل آینده بگنجانیم.
حرکت به سمت پزشکی شخصی دقیق تر
به نقل از روابط عمومی دانشگاه تهران، این پیشرفت ها در کنار یکدیگر، دورنمای روشنی از آینده تشخیص و پایش سرطان ترسیم می کنند. با عبور از تحلیل صرف جهش های ژنتیکی و سودجستن از لایه های عمیق تر اطلاعات اپی ژنتیک و بهینه سازی پنل های تشخیصی با هوش مصنوعی، به سمت تحقق بیوپسی مایع به عنوان یک ابزار غیرتهاجمی، با توان عملیاتی بالا و فوق العاده دقیق نه فقط در بیماری سرطان، بلکه در انواع دیگر بیماری ها همچون بیماریهای خود ایمنی، برای پایش پاسخ به درمان و تجویز درمان های هدفمند حرکت می نماییم.
دکتر محیا مهرمحمدی، عضو هیات علمی دانشکده بیوتکنولوژیِ دانشکدگان علوم دانشگاه تهران، به سبب انجام تحقیقات در این زمینه از جانب فرهنگستان علوم به عنوان پژوهشگر جوان برگزیده کشور در رشته زیست شناسی- جایزه ابوریحان بیرونی سال ۱۴۰۴ انتخاب شده است.
خلاصه اینکه عضو هیأت علمی دانشکدگان علوم ضمن اشاره به این که این فناوری بویژه بر تحلیل DNA آزاد سلولی (cfDNA) و بخش توموری آن موسوم به DNA تومور در حال گردش (ctDNA) متکی است، افزود: چالش اصلی، غلبه بر حجم خیلی زیاد DNA با منشأ طبیعی در مقابل کسر اندک DNA توموری است. در این طرح، از یادگیری ماشین برای شناسایی مناطقی از کروماتین استفاده می شود که در سلول های سرطانی خاص، بصورت غیرعادی در دسترس یا غیرقابل دسترس هستند.
این مطلب را می پسندید؟
(1)
(0)
تازه ترین مطالب مرتبط
نظرات بینندگان در مورد حرکت به طرف پزشکی شخصی دقیق تر در عرصه تشخیص و پایش سرطان