به گزارش شبکه اطلاع رسانی راه دانا؛ در دنیای پزشکی به زودی شاهد در دسترس بودن اطلس‌های سلامتی اندام‌های بدن به ویژه اطلس‌های سلولی انسان خواهیم بود. این گامی قابل توجه برای درک بهتر سلول‌ها، بافت‌ها و اندام‌ها در سطح سالم است و هنگام شناسایی، پایش و درمان بیماری‌ها به عنوان یک مرجع می‌توان از آنها استفاده کرد.
, شبکه اطلاع رسانی راه دانا,به گزارش خبرگزاری علم و فناوری و به نقل از تک‌اکسپلور، با این حال به دلیل تعداد زیاد ترکیبات احتمالی شرایط درمان و بیماری، گسترش این داده‌ها برای توصیف بیماری‌ها در آزمایشگاه‌های پزشکی فعالیتی پرکار و هزینه‌بر و در نتیجه مقیاس‌پذیر نیست.
«هوش مصنوعی محقق ایرانی» روندهای پزشکی را سرعت می‌بخشد
در زیست‌شناسی محاسباتی مدلسازی دقیق پاسخ سلولی به اختلالات نظیر بیماری، ترکیبات و مداخلات ژنتیکی هدف غایی به شمار می‌رود. با این حال، مدل‌ها بر مبنای رویکردهای مکانیستی و آماری وجود دارند. تاکنون هیچ راه‌حلی کاربردی و مبتنی بر یادگیری ماشینی برای پدیده‌هایی در مقیاس‌های غیرقابل مشاهده در دسترس نیست.
«محمد لطف‌اللهی» دانشجوی پی‌اچ‌دی از دانشکده فنی مونیخ، ابزاری به نام «سک‌ژن» (scGen) را توسعه داده‌اند که برای اولین بار می‌تواند بدون استفاده از نمونه واقعی پاسخ سلولی را پیشبینی کند.
این بدان معناست که اگر این ابزار بر مبنای داده‌هایی که تاثیر اختلالات را بر یک سیستم خاص نشان می‌دهند، تمرین داده شود، قادر است تا پیشبینی‌هایی قابل اتکا برای دیگر سیستم‌ها توسعه دهد. آقای لطف‌اللهی در این زمینه می‌گوید: «برای اولین بار ما این فرصت را داریم که از داده‌های تولید شده در یک سیستم مدل مانند موش برای پیشبینی پاسخ درمان و بیماری در مدل‌های انسانی استفاده کنیم.»
سک‌ژن یک مدل یادگیری عمیق مولد است که داده‌های خود را از پردازش تصاویر و توالی‌ها بدست می‌آورد. این برای نخستین بار است که ایده برای مدلسازی رفتار یک سلول به کار گرفته می‌شود. قدم بعدی برای تیم مطالعاتی این است که سک‌ژن را برمبنای یک فرمولاسیون کاملا داده محور بهبود ببخشند تا بدین‌وسیله قدرت پیشبینی را افزایش دهد تا بتواند تریکبات مختلفی از اختلالات را مطالعه کند.
انتهای پیام/
به گزارش خبرگزاری علم و فناوری و به نقل از تک‌اکسپلور، با این حال به دلیل تعداد زیاد ترکیبات احتمالی شرایط درمان و بیماری، گسترش این داده‌ها برای توصیف بیماری‌ها در آزمایشگاه‌های پزشکی فعالیتی پرکار و هزینه‌بر و در نتیجه مقیاس‌پذیر نیست.
,«هوش مصنوعی محقق ایرانی» روندهای پزشکی را سرعت می‌بخشد
,در زیست‌شناسی محاسباتی مدلسازی دقیق پاسخ سلولی به اختلالات نظیر بیماری، ترکیبات و مداخلات ژنتیکی هدف غایی به شمار می‌رود. با این حال، مدل‌ها بر مبنای رویکردهای مکانیستی و آماری وجود دارند. تاکنون هیچ راه‌حلی کاربردی و مبتنی بر یادگیری ماشینی برای پدیده‌هایی در مقیاس‌های غیرقابل مشاهده در دسترس نیست.
,«محمد لطف‌اللهی» دانشجوی پی‌اچ‌دی از دانشکده فنی مونیخ، ابزاری به نام «سک‌ژن» (scGen) را توسعه داده‌اند که برای اولین بار می‌تواند بدون استفاده از نمونه واقعی پاسخ سلولی را پیشبینی کند.
,این بدان معناست که اگر این ابزار بر مبنای داده‌هایی که تاثیر اختلالات را بر یک سیستم خاص نشان می‌دهند، تمرین داده شود، قادر است تا پیشبینی‌هایی قابل اتکا برای دیگر سیستم‌ها توسعه دهد. آقای لطف‌اللهی در این زمینه می‌گوید: «برای اولین بار ما این فرصت را داریم که از داده‌های تولید شده در یک سیستم مدل مانند موش برای پیشبینی پاسخ درمان و بیماری در مدل‌های انسانی استفاده کنیم.»
,سک‌ژن یک مدل یادگیری عمیق مولد است که داده‌های خود را از پردازش تصاویر و توالی‌ها بدست می‌آورد. این برای نخستین بار است که ایده برای مدلسازی رفتار یک سلول به کار گرفته می‌شود. قدم بعدی برای تیم مطالعاتی این است که سک‌ژن را برمبنای یک فرمولاسیون کاملا داده محور بهبود ببخشند تا بدین‌وسیله قدرت پیشبینی را افزایش دهد تا بتواند تریکبات مختلفی از اختلالات را مطالعه کند.
,
, انتهای پیام/
,]
ارسال دیدگاه