به منظور تولید درمان های موثر هدفمند برای سرطان ، دانشمندان باید خواص ژنتیکی و فنوتیپی سلولهای سرطانی را در داخل و بین تومورهای مختلف جدا کنند ، زیرا این تفاوت ها بر نحوه واکنش تومورها به درمان تأثیر می گذارد.
برخی از این مطالعه نیاز به درک عمیق از RNA یا مولکول های پروتئین که هر سلول سرطانی بیان می کند ، در تومور قرار دارد و در زیر میکروسکوپ شبیه است.
به طور سنتی ، دانشمندان یک یا چند مورد از این جنبه ها را به طور جداگانه بررسی کرده اند ، اما اکنون یک ابزار جدید یادگیری عمیق ، سلول (محیط محلی سلول و اسکن محله) ، با استفاده از ترکیبی از شبکه های عصبی در حال تحول و شبکه های عصبی گرافیکی برای ایجاد یک مشخصات دیجیتالی جامع برای هر سلول. این به سیستم اجازه می دهد تا سلولهایی را با زیست شناسی مشابه گروه بندی کند – حتی کسانی که به تنهایی بسیار مشابه به نظر می رسند ، به طور مؤثر متمایز می شود ، اما بسته به محیط آنها متفاوت رفتار می کند.
مطالعه کردن ، اخیراً منتشر شده است مصونیت طبیعتMIT ، دانشکده پزشکی هاروارد ، دانشگاه ییل ، دانشگاه استنفورد و محققان دانشگاه پنسیلوانیا جزئیات نتایج این همکاری – MIT Postdoc و عضو تلاش Bokai Zhu مؤسسه گسترده MIT و هاروارد وت موسسه MGH ، MIT و هاروارد راگونبشر
زو تأثیر این وسیله نقلیه جدید را توضیح می دهد: اینیز می توانیم بگوییم که در ابتدا یک سلول پیدا کردم. به این سلول T گفته می شود. با استفاده از همان مجموعه داده ها ، با استفاده از سلول ها ، اکنون می توانم بگویم که این یک سلول T است و اکنون به یک تومور خاص در بیمار حمله می کند.
“من می توانم از اطلاعات فعلی استفاده کنم تا بهتر توصیف کنم که یک سلول چیست ، زیر جمعیت آن سلول ، آنچه این سلول انجام می دهد و خواندن عملکرد بالقوه این سلول چیست. این روش می تواند برای شناسایی یک بیوبلی جدید استفاده شود که اطلاعات خاص و مفصلی در مورد سلولهای بیمار ارائه می دهد و توسعه درمان هدفمند تری را فراهم می کند.”
این یک پیشرفت مهم است ، زیرا روشهای موجود غالباً اطلاعات مهم مولکولی یا متنی را از دست می دهند – به عنوان مثال ، سیستم ایمنی درمانی فقط می توانند سلولهای موجود در مرز یک تومور را هدف قرار دهند و راندمان را محدود کنند. با استفاده از یادگیری عمیق ، محققان می توانند بسیاری از لایه های مختلف اطلاعات را با سلول ، از جمله مورفولوژی و مکانی در یک بافت تشخیص دهند.
هنگامی که از نمونه های بافت سالم و انواع مختلف سرطان ، از جمله لنفوم و سرطان کبد استفاده می شود ، به ندرت زیرگروه های سلول ایمنی را نشان می دهد و نشان می دهد که چگونه فعالیت و موقعیت آنها با فرآیندهای بیماری مانند نفوذ تومور یا سرکوب ایمنی ارتباط دارد.
این اکتشافات می تواند به دانشمندان کمک کند تا درک کنند که چگونه سیستم ایمنی بدن با تومورها ارتباط برقرار می کند و تشخیص حساسیت به سرطان و روش ایمنی درمانی را ایجاد می کند.
وی گفت: “من بسیار هیجان زده هستم که به ما کمک می کنم رفتار غیر طبیعی سلولی را در بافت ها مانند سلول ها مانند سلول ها یا او درک کنیم. الکس کی شالککارگردان مهندسی پزشکی و انستیتوی علوم (IMES) ، IMES و JW Kieckhefer استاد در IMES و شیمی و مؤسسه تحقیقات سرطان یکپارچه Koch در MITعضو انستیتوی مؤسسه گسترده و عضو موسسه راگون. وی گفت: “اکنون می توانیم اطلاعات فوق العاده ای را در مورد سلول های فردی و زمینه های بافت با جدیدترین آزمایشات بسیار زیاد اندازه گیری کنیم. به طور موثری با استفاده از داده هایی که فروش جدید فروش درمانی را معرفی می کند ، یک گام مهم در توسعه مداخلات پیشرفته است. هنگامی که با داده های ورودی مناسب و زیربنای دقیق ترکیب می شود ، چنین ابزارهایی نوید می بخشد که سلامت و رفاه انسان را تسریع کند.