أكرم القصاص

كيف يساعد التعلم الآلى فى تطوير علاجات لـ COVID-19 وأمراض أخرى؟

الإثنين، 09 أغسطس 2021 04:00 م
كيف يساعد التعلم الآلى فى تطوير علاجات لـ COVID-19 وأمراض أخرى؟ كمبيوتر
كتبت هبة السيد

مشاركة

اضف تعليقاً واقرأ تعليقات القراء
كشف تقرير عن دمج خوارزمية التعلم الآلي مع المعرفة المستقاة من مئات التجارب البيولوجية لتطوير تقنية تسمح للباحثين في الطب الحيوي باكتشاف وظائف البروتينات التي تعمل على تشغيل الجينات وإيقافها في الخلايا تسمى عوامل النسخ، هذه المعرفة يمكن أن تسهل تطوير الأدوية لمجموعة واسعة من الأمراض حسبما نقل موقع TheNextWeb. 
 
في وقت مبكر خلال جائحة COVID-19 ، وجد العلماء الذين وضعوا الشفرة الجينية لجزيئات RNA للخلايا في الرئتين والأمعاء أن مجموعة صغيرة فقط من الخلايا في هذه الأعضاء كانت الأكثر عرضة للإصابة بفيروس SARS-CoV- 2 فيروس، سمح ذلك للباحثين بالتركيز على منع قدرة الفيروس على دخول هذه الخلايا، يمكن أن تسهل تقنيتنا على الباحثين العثور على هذا النوع من المعلومات.
 
وأشار التقرير إلى المعرفة البيولوجية التي يتم العمل معها من هذا النوع من تسلسل الحمض النووي الريبي، والذي يمنح الباحثين لقطة لمئات الآلاف من جزيئات الحمض النووي الريبي في الخلية أثناء ترجمتها إلى بروتينات، ساعدت منصة التحليل Seurat ، وهي أداة التعلم الآلي التى نالت استحسان الباحثين في جميع أنحاء العالم على اكتشاف مجموعات خلايا جديدة في الأعضاء السليمة والمريضة. 
 
تعالج أداة التعلم الآلي هذه البيانات من تسلسل الحمض النووي الريبي أحادي الخلية دون أي معلومات مسبقًا حول كيفية عمل هذه الجينات وارتباطها ببعضها البعض.
 
وفقا للتقرير تتخذ هذه التقنيات نهجًا مختلفًا عن طريق إضافة المعرفة حول بعض الجينات وأنواع الخلايا للعثور على أدلة حول الأدوار المميزة للخلايا، كان هناك أكثر من عقد من البحث لتحديد جميع الأهداف المحتملة لعوامل النسخ.
 
أضاف التقرير "تم استخدام نهجًا رياضيًا يسمى الاستدلال البايزي. في هذه التقنية، يتم تحويل المعرفة السابقة إلى احتمالات يمكن حسابها على جهاز كمبيوتر، في حالتنا، هو احتمال تنظيم الجين بواسطة عامل نسخ معين، ثم استخدمنا خوارزمية التعلم الآلي لمعرفة وظيفة عوامل النسخ في كل واحدة من آلاف الخلايا التي يتم تحليلها".
 
كما تم نشر التقنيات المسماة Bayesian Inference Transcription Factor Activity Model ، في مجلة Genome Research ، وإتاحة البرنامج  مجانًا حتى يتمكن الباحثون الآخرون من اختباره واستخدامه.
 
ويعمل هذا النهج عبر مجموعة واسعة من أنواع الخلايا والأعضاء ويمكن استخدامه لتطوير علاجات لأمراض مثل COVID-19 أو مرض الزهايمر، تعمل أدوية هذه الأمراض التي يصعب علاجها بشكل أفضل إذا استهدفت الخلايا التي تسبب المرض وتجنب الأضرار الجانبية للخلايا الأخرى. تسهل هذه التقنيات على الباحثين التركيز على هذه الأهداف.
 
ما هي البحوث الأخرى التي يتم إجراؤها
كشف تسلسل الحمض النووي الريبي أحادي الخلية،  كيف يمكن أن يحتوي كل عضو على 10 أو 20 أو حتى أكثر من أنواع فرعية من الخلايا المتخصص ، ولكل منها وظائف مميزة. تطور جديد مثير للغاية هو ظهور النسخ المكانية ، حيث يتم إجراء تسلسل الحمض النووي الريبي في شبكة مكانية تسمح للباحثين بدراسة الحمض النووي الريبي للخلايا في مواقع محددة في العضو.
 
استخدمت ورقة بحثية حديثة نهج إحصائي بايزي مشابهًا لطريقتنا لمعرفة الأدوار المميزة للخلايا مع مراعاة قربها من بعضها البعض. جمعت مجموعة بحثية أخرى البيانات المكانية مع بيانات تسلسل الحمض النووي الريبي أحادية الخلية ودرسوا الوظائف المميزة للخلايا المجاورة.
 
 

مشاركة

اضف تعليقاً واقرأ تعليقات القراء



لا توجد تعليقات على الخبر
اضف تعليق

تم أضافة تعليقك سوف يظهر بعد المراجعة





الرجوع الى أعلى الصفحة