TL;DR
- همانطور که فنچهای داروین در پاسخ به انتخاب طبیعی به منظور تحمل تکامل یافتند،.
- سلولهایی که یک تومور سرطانی را تشکیل میدهند بهطور مشابه با فشارهای انتخابی برای بقا،.
- تکامل و گسترش مقابله میکنند.
چه اتفاقی افتاد
همانطور که فنچهای داروین در پاسخ به انتخاب طبیعی به منظور تحمل تکامل یافتند،. سلولهایی که یک تومور سرطانی را تشکیل میدهند بهطور مشابه با فشارهای انتخابی برای بقا،.
تکامل و گسترش مقابله میکنند. تومورها در واقع مجموعههای پیچیدهای از سلولها با ساختار منحصر به فرد خود و توانایی.
تغییر هستند. امروزه،.
هوش مصنوعی و ابزارهای یادگیری ماشین فرصتی بینظیر برای روشن کردن قوانین تعمیمپذیر حاکم بر پیشرفت تومور در. سطوح ژنتیکی،.
اپی ژنتیکی،. متابولیک و ریزمحیطی ارائه میدهند.
متیو جی. جونز،.
استادیار دپارتمان زیست شناسی MIT،. موسسه کخ برای تحقیقات سرطان یکپارچه،.
و موسسه مهندسی پزشکی و علوم،. امیدوار است که از رویکردهای محاسباتی برای ساختن مدلهای پیش بینی کننده استفاده کند - برای انجام.
بازی شطرنج با سرطان،. درک توانایی تومور برای تکامل و مقاومت در برابر درمان تا حد نهایی.
هدف بهبود نتایج بیمار در این مصاحبه، او کار فعلی خود را شرح میدهد. س: چه جنبهای از پیشرفت تومور را برای کشف و مشخص کردن آن تلاش میکنید؟
پاسخ:. یک داستان بسیار رایج در مورد سرطان این است که بیماران در ابتدا به یک درمان پاسخ میدهند.
و در نهایت آن درمان از کار میافتد. دلیل این امر تا حد زیادی این است که تومورها یک توانایی باورنکردنی و بسیار چالش برانگیز برای.
تکامل دارند:. توانایی تغییر ساختار ژنتیکی،.
ترکیب سیگنال دهی پروتئین،. و دینامیک سلولی.
تومور بهعنوان یک سیستم نیز در سطح ساختاری تکامل مییابد. اغلب،.
دلیل تسلیم شدن یک بیمار به تومور این است که یا تومور به حالتی تبدیل شده است که. ما دیگر نمیتوانیم آن را کنترل کنیم،.
یا به شکلی غیرقابل پیش بینی تکامل مییابد. از بسیاری جهات،.
سرطانها را میتوان از یک سو بهطور باورنکردنی بینظم و بینظم و از سوی دیگر بهعنوان سرطانهای خاص. خود در نظر گرفت.
منطق درونی که مدام در حال تغییر است. تز اصلی آزمایشگاه من این است که تومورها از الگوهای کلیشهای در فضا و زمان پیروی میکنند و.
ما امیدواریم که از محاسبات و فناوری تجربی برای رمزگشایی فرآیندهای مولکولی زیربنای این تحولات استفاده کنیم. ما بر روی یک روش خاص در حال تکامل تومورها از طریق نوعی از تقویت DNA به نام.
DNA خارج کروموزومیتمرکز کرده ایم. این ecDNAها که از کروموزوم جدا شده اند،.
دایرهای میشوند و بهعنوان مخزن جداگانه ذرات DNA در هسته وجود دارند. تصور میشد که ecDNA در ابتدا در دهه 1960 کشف شد، یک رویداد نادر در سرطان است.
با این حال،. هنگامیکه محققان در دهه 2010 شروع به استفاده از توالی یابی نسل بعدی برای گروههای بزرگ.
بیماران کردند،. به نظر میرسید که نه تنها این تقویت ecDNA توانایی تومورها را برای انطباق با استرسها.
و درمانها سریعتر اعطا میکند،. بلکه بسیار شایعتر از ابتدا هستند.
ما اکنون میدانیم که این تقویت ecDNA در حدود 25 درصد سرطانها،. در تهاجمیترین سرطانها:.
مغز،. ریه و تخمدان،.
آشکار است. ما دریافته ایم که،.
به دلایل مختلف،. تقویتهای ecDNA میتوانند کتاب قوانینی را تغییر دهند که توسط آن تومورها به روشهایی تکامل مییابند که به.
آنها اجازه میدهد به روشهای بسیار شگفتانگیزی به یک بیماری تهاجمیتر سرعت دهند. س: چگونه از یادگیری ماشین و هوش مصنوعی برای مطالعه تقویت ecDNA و تکامل تومور استفاده میکنید؟
پاسخ: دستوری برای ترجمه آنچه در آزمایشگاه انجام میدهم برای بهبود زندگی بیماران وجود دارد. من میخواهم با دادههای بیمار شروع کنم تا بفهمم چگونه فشارهای تکاملی مختلف باعث ایجاد بیماری و جهشهایی.
میشوند که مشاهده میکنیم. یکی از ابزارهایی که ما برای مطالعه تکامل تومور استفاده میکنیم،.
فناوریهای ردیابی نسب تک سلولی است. بهطور کلی، آنها به ما اجازه میدهند تا دودمان سلولهای منفرد را مطالعه کنیم.
وقتی از یک نمونه خاص نمونه برداری میکنیم سلول،. نه تنها میدانیم که آن سلول چه شکلی است،.
بلکه میتوانیم (در حالت ایده آل) دقیقاً مشخص کنیم که جهشهای تهاجمیدر تاریخچه تومور چه. زمانی ظاهر شده اند.
آن تاریخ تکاملی راهی برای مطالعه این فرآیندهای پویا به ما میدهد که در غیر این صورت. نمیتوانستیم در زمان واقعی مشاهده کنیم،.
و به ما کمک میکند تا بفهمیم چگونه میتوانیم آن تکامل را متوقف کنیم. امیدوارم در طبقه بندی بیمارانی که به داروهای خاص پاسخ میدهند،.
برای پیش بینی و غلبه بر مقاومت دارویی،. و شناسایی اهداف درمانی جدید بهتر شویم.
س: چه چیزی شما را از پیوستن به جامعه MIT هیجان زده کرد؟ پاسخ: یکی از چیزهایی که من واقعاً جذب آن شدم، ادغام برتری در علوم مهندسی و بیولوژیکی بود.
در مؤسسه کخ،. هر طبقه به گونهای ساخته شده است که این رابط بین مهندسان و دانشمندان پایه را ارتقا.
دهد،. و فراتر از محوطه دانشگاه،.
ما میتوانیم با تمام بخشهای زیست پزشکی ارتباط برقرار کنیم. شرکتهای تحقیقاتی در منطقه بزرگ بوستون.
نکته دیگری که مرا به MIT جلب کرد این واقعیت بود که تاکید زیادی بر آموزش،. آموزش و سرمایه گذاری در موفقیت دانشآموزان دارد.
من شخصاً معتقدم که آنچه تحقیقات دانشگاهی را از تحقیقات صنعتی متمایز میکند این است که تحقیقات. آکادمیک اساساً یک شغل خدماتی است،.
زیرا ما نسل بعدی دانشمندان را آموزش میدهیم. همیشه یکی از ماموریتهای من این بود که هم در رشتههای فناوری محاسباتی و هم در.
زمینه فناوری تجربی برتری ایجاد کنم. انواع کارآموزانی که من امیدوارم جذب کنم،.
کسانی هستند که مشتاق همکاری و حل مشکلات بزرگی هستند که به هر دو رشته نیاز دارند. KI [موسسه کخ] بهطور منحصربهفردی برای این نوع آزمایشگاه ترکیبی راهاندازی شده است:.
آزمایشگاه خشک من درست در کنار آزمایشگاه مرطوب من است و منبع همکاری و ارتباط است و این. دیدگاه کلی KI را منعکس میکند.
چرا مهم است
اهمیت این خبر در این است که روی استفاده واقعی از AI و تصمیمگیری سازمانی اثر میگذارد.
منبع
لینک منبع اصلی در کارت و صفحه مقاله نمایش داده میشود.