آخرین مطالب

روش جدید پاسخ دارویی بیماران سرطانی را پیش بینی می کند


روش جدید پاسخ دارویی بیماران سرطانی را پیش بینی می کند

اعتبار: دانشگاه صنعتی دلفت

محققان دانشگاه فناوری دلفت و موسسه سرطان هلند (NKI) الگوریتمی را برای پیش‌بینی پاسخ بیمار به داروهای ضد سرطان ایجاد کرده‌اند. این به ما امکان می‌دهد سریع‌تر تشخیص دهیم که آیا برخی از داروها می‌توانند تأثیر مثبتی بر روی یک بیمار خاص داشته باشند، حتی برای داروهای پیچیده مانند شیمی‌درمانی‌ها که معمولاً پیش‌بینی پاسخ آن دشوار است. این روش TRANSACT نامیده می شود و از انبوهی از داده هایی که قبلاً از طریق تحقیقات با خطوط سلولی جمع آوری شده است استفاده می کند. رده سلولی شامل سویه ای از سلول های انسانی است که به طور مصنوعی در ظرف پتری رشد می کنند. چنین خطوط سلولی قبلاً به طور گسترده برای مطالعه مکانیسم های مقاومت داروهای سرطان استفاده شده است. با این حال، این یافته ها تاکنون به خوبی برای انسان ها ترجمه نشده است. این تا حدی به دلیل این واقعیت است که خطوط سلولی یک مدل مصنوعی با پیچیدگی محدود در مقایسه با یک تومور واقعی هستند. TRANSACT برای پر کردن این شکاف بین سیستم های مدل و عملکرد بالینی توسعه داده شد.

Soufiane Mourragui، دکترای بیوانفورماتیک. دانش آموز، الگوریتم را توسعه داد. او توضیح می دهد: “روش ما، TRANSACT، از داده های پاسخ دارویی اندازه گیری شده بر روی مدل های رده سلولی برای پیش بینی پاسخ بیمار به داروهای ضد سرطان خاص استفاده می کند. متأسفانه، این مدل ها به طور کامل بیولوژی مشاهده شده در بیماران سرطانی را نشان نمی دهند. برای مقابله با این موضوع. مشکل، TRANSACT از یادگیری ماشینی برای مدل‌سازی زیست‌شناسی که بین خطوط سلولی و تومورها مشترک است استفاده می‌کند. ما نشان داده‌ایم که این منجر به پیش‌بینی‌های بهتر در دو مجموعه داده بالینی می‌شود. بسیار عالی است که بتوانیم از الگوریتم‌های رایانه‌ای برای حمایت بالقوه روزی از پزشکان استفاده کنیم. تصمیمات درمانی آنها.”

امکانات بیشتر با یادگیری ماشین

برای پروفسور دکتر ایر. مارسل ریندرز، TRANSACT اولین قدم در مسیر درست است. ما اکنون می‌توانیم واکنش مردم به داروها را بهتر پیش‌بینی کنیم. نکته جالب این است که اکنون می‌توانیم از TRANSACCT برای پیش‌بینی اینکه آیا بیمار به آنها پاسخ می‌دهد، برای انواع داروهای موجود، استفاده کنیم. به گفته پروفسور دکتر لودویک وسلز، توسعه TRANSACT فرصت‌های جدیدی را برای توسعه درمان‌ها برای بیماران سرطانی باز می‌کند. یادگیری ماشینی به ما کمک می کند تا روی فرآیندهایی که بین خطوط سلولی و بیماران مشترک است و نقش مهمی در پاسخ به دارو دارند تمرکز کنیم. هدف ما استفاده از این نتایج برای کمک به پزشکان در انتخاب بهترین درمان برای بیمار است.”

سوفیان موراگی می گوید: “اگرچه کار ما نشان دهنده پیشرفت در زمینه پیش بینی پاسخ دارویی است، عملکرد این روش جدید هنوز با کاربرد بالینی فاصله دارد و تحقیقات بیشتری برای بهبود بیشتر آن مورد نیاز است. اما ما در حال نزدیک تر شدن هستیم. با داده های بیشتر و توسعه الگوریتمی، ما امیدواریم که عملکرد را بهبود بخشیم.”


رویکرد چند الگوریتمی به ارائه داروی شخصی برای بیماران سرطانی کمک می کند


اطلاعات بیشتر:
Soufiane MC Mourragui و همکاران، پیش بینی پاسخ بیمار با مدل های آموزش دیده بر روی خطوط سلولی و زنوگرافت های مشتق شده از بیمار با یادگیری انتقال غیرخطی، مجموعه مقالات آکادمی ملی علوم (2021). DOI: 10.1073/pnas.2106682118

ارائه شده توسط دانشگاه صنعتی دلفت

نقل قول: روش جدید پیش بینی پاسخ دارویی بیماران سرطانی (2021، 8 دسامبر) بازیابی شده در 8 دسامبر 2021 از https://medicalxpress.com/news/2021-12-method-drug-response-cancer-patients.html

این برگه یا سند یا نوشته تحت پوشش قانون کپی رایت است. به غیر از هرگونه معامله منصفانه به منظور مطالعه یا تحقیق خصوصی، هیچ بخشی بدون اجازه کتبی قابل تکثیر نیست. محتوای مذکور فقط به هدف اطلاع رسانی ایجاد شده است.