07136476172 - 09172030360 info@danabrain.ir

با ترکیب هوش مصنوعی و فناوری روباتیک، محققان ویژگی‌های سلولی جدیدی از بیماری پارکینسون را در نمونه‌های سلولی پوست بیماران شناسایی کرده‌اند.

 

منبع: بنیاد سلول های بنیادی نیویورک

 

مطالعه‌ای که امروز در Nature Communications منتشر شد، از یک پلتفرم جدید برای کشف نشانه‌های سلولی بیماری پرده برداری کرد که سیستم‌های روباتیک را برای مطالعه سلول‌های بیمار با روش‌های هوش مصنوعی برای تجزیه و تحلیل تصویر یکپارچه می‌کند.

 

دانشمندان مؤسسه تحقیقاتی NYSCF با استفاده از پلتفرم کشت سلولی خودکار خود، با Google Research همکاری کردند تا با ایجاد و نمایه سازی بیش از یک میلیون تصویر از سلول های پوست از گروهی متشکل از 91 بیمار و افراد سالم، نشانه های سلولی جدید بیماری پارکینسون را با موفقیت شناسایی کنند.

 

سوزان ال. سولومون، مدیر عامل NYSCF، گفت: “کشف داروی سنتی، به ویژه برای بیماری های پیچیده مانند پارکینسون، خیلی خوب کار نمی کند.” فناوری رباتیکی که NYSCF ساخته است به ما اجازه می دهد تا حجم وسیعی از داده ها را از جمعیت زیادی از بیماران تولید کنیم و نشانه های جدیدی از بیماری را به عنوان مبنایی کاملاً جدید برای کشف داروهایی که واقعاً کار می کنند، کشف کنیم.

مارک برندل، مهندس نرم افزار در تحقیقات گوگل، افزود: «این یک نمایش ایده آل از قدرت هوش مصنوعی برای تحقیقات بیماری است. ما همکاری بسیار سازنده ای با NYSCF داشته ایم، به ویژه به این دلیل که سیستم های روباتیک پیشرفته آنها داده های تکرارپذیری را ایجاد می کند که می تواند بینش قابل اعتمادی را به همراه داشته باشد.

 

کوپلینگ هوش مصنوعی و اتوماسیون

 

این مطالعه از مخزن وسیع سلول‌های بیمار NYSCF و سیستم رباتیک پیشرفته – The NYSCF Global Stem Cell Array® – برای نمایه تصاویر میلیون‌ها سلول از 91 بیمار پارکینسون و افراد سالم استفاده کرد. دانشمندان از Array® برای جداسازی و گسترش سلول های پوستی به نام فیبروبلاست از نمونه های بیوپسی پانچ پوست، برچسب گذاری قسمت های مختلف این سلول ها با تکنیکی به نام Cell Painting و ایجاد هزاران تصویر میکروسکوپ نوری با محتوای بالا استفاده کردند.

 

تصاویر به‌ دست‌آمده به یک خط لوله تجزیه و تحلیل تصویر مبتنی بر هوش مصنوعی بی‌طرفانه وارد شدند و ویژگی‌های تصویری خاص سلول‌های بیمار را شناسایی کردند که می‌توان آن‌ها را از کنترل‌های سالم متمایز کرد.

 

ساموئل جی یانگ، دانشمند تحقیقاتی در تحقیقات گوگل، گفت: «این روش‌های هوش مصنوعی می‌توانند مشخص کنند که سلول‌های بیمار چه وجه مشترکی دارند که ممکن است در غیر این صورت قابل مشاهده نباشد». همچنین آنچه مهم است این است که الگوریتم‌ها بی‌طرفانه هستند – آن‌ها به هیچ دانش قبلی یا پیش‌فرض در مورد بیماری پارکینسون متکی نیستند، بنابراین ما می‌توانیم نشانه‌های کاملاً جدیدی از بیماری را کشف کنیم.»

 

نیاز به نشانه‌های جدید پارکینسون با نرخ بالای شکست آزمایش‌های بالینی اخیر برای داروهای کشف‌شده بر اساس اهداف بیماری خاص و مسیرهایی که گمان می‌رود محرک‌های بیماری هستند، تأکید می‌کند. کشف این علائم جدید بیماری با استفاده از روش های بی طرفانه، به ویژه در میان جمعیت بیماران، برای تشخیص و کشف دارو ارزش دارد، حتی تمایزات جدیدی را بین بیماران آشکار می کند.

 

Bjarki Johannesson، PhD، محقق ارشد NYSCF در این مطالعه، خاطرنشان کرد: ما توانستیم بین تصاویر سلول های بیمار و افراد سالم و بین انواع مختلف بیماری تمایز قائل شویم. ما حتی

می‌توانیم با دقت نسبتاً دقیقی پیش‌بینی کنیم که یک نمونه از سلول‌ها از کدام اهداکننده آمده است.»

 

برنامه های کاربردی برای کشف دارو

 

علائم بیماری پارکینسون شناسایی شده توسط تیم اکنون می تواند به عنوان مبنایی برای انجام غربالگری دارو بر روی سلول های بیمار مورد استفاده قرار گیرد تا کشف شود کدام داروها می توانند این ویژگی ها را معکوس کنند. این مطالعه همچنین بزرگترین مجموعه داده نقاشی سلولی (48 ترابایت) را به عنوان یک منبع جامعه به دست می‌دهد و در دسترس جامعه پژوهشی است.

 

قابل ذکر است که این پلتفرم بیماری زا است و فقط به سلول های پوستی در دسترس بیماران نیاز دارد. همچنین می‌توان آن را برای انواع سلول‌های دیگر، از جمله مشتقات سلول‌های بنیادی پرتوان القایی که NYSCF برای مدل‌سازی انواع بیماری‌ها ایجاد می‌کند، اعمال کرد. بنابراین محققان امیدوارند که پلتفرم آنها بتواند راه های درمانی جدیدی را برای بسیاری از بیماری هایی که کشف داروهای سنتی در آنها ناموفق بوده است، باز کند.

 

دکتر دانیل پاول، معاون ارشد توسعه اکتشاف و پلتفرم NYSCF، گفت: «این اولین ابزاری است که با موفقیت ویژگی‌های بیماری را با این دقت و حساسیت شناسایی می‌کند». قدرت آن برای شناسایی زیرگروه‌های بیماران پیامدهای مهمی برای پزشکی دقیق و توسعه دارو در بسیاری از بیماری‌های صعب‌العلاج دارد.

 

https://neurosciencenews.com/parkinsons-ai-robotics-20259/

درون سلول هایمان چه خبر است؟!(هوش مصنوعی به کمک می آید.)

 

هوش مصنوعی چگونه می تواند بروز اسکیزوفرنی را پیش بینی کند؟!