رتبه بندی داروها براساس کارآیی در کاهش رشد سلول‌های سرطانی به کمک الگوریتم یادگیری ماشینی جدید

یادگیری ماشین یا ML شاخه‌ای از هوش مصنوعی است و بنا بر تعریف تام میچل که دانشمند پیشرو در دانش ML است، یادگیری ماشین مطالعۀ الگوریتم‌هایی است که به برنامه‌های کامپیوتری اجازه می‌دهد از طریق تجاربی که بدست می‌آورند، بطور خودکار پیشرفت کنند. یادگیری ماشین برای یافتن الگوها و کند و کاو تغییرات کوچک، بر پایۀ بررسی و مقایسۀ داده‌هایی از مقادیر کوچک تا حجم‌های عظیم داده استوار است و یکی از راه‌های دستیابی به هوش مصنوعی محسوب می‌شود.

محققان دانشگاه کوئین مری لندن یک الگوریتم یادگیری ماشینی ایجاد کرده­اند که داروها را بر اساس کارآیی آن­ها در کاهش رشد سلول­های سرطانی رتبه بندی می­کند. این روش در آینده به کارگیری درمان­های فرد محور (پزشکی شخصی) از طریق انتخاب بهترین دارو توسط انکولوژیست برای هر بیمار را امکان پذیر می­کند. این روش با عنوان Drug Ranking Using Machine Learning (DRUML) ، امروز در Nature Communications منتشر شده و مبتنی بر تجزیه و تحلیل یادگیری ماشینی حاصل از داده­های مطالعه پروتئین­های بیان شده در سلول­های سرطانی است.

این مطالعه نشان دهنده پیشرفت قابل توجه در هوش مصنوعی در تحقیقات زیست پزشکی است و نشان می­دهد که یادگیری ماشین با استفاده از داده­های پروتئومیکس و فسفوپروتئومیکس می­تواند یک روش موثر در انتخاب بهترین دارو برای درمان مدل­های مختلف سرطان باشد.

منبع یادگیری ماشین

منبع خبر علمی

Source:

Queen Mary University of London

Journal reference:

Gerdes, H., et al. (2021) Drug ranking using machine learning systematically predicts the efficacy of anti-cancer drugs. Nature Communications. doi.org/10.1038/s41467-021-22170-8.