1399 / 5 / 20، 10:11 عصر
پژوهشگران دانشکده پزشکی هاروارد در بوستون آمریکا، یک الگوریتم کامپیوتری مبتنی بر یادگیری عمیق را برای شناسایی و پیش بینی تمایز شبکیه در ارگانوئیدهای مشتق از سلول های بنیادی و بر مبنای تصویربرداری زمینه روشن طراحی و تولید کرده اند.
به گزارش"انجمن حمایت ازبیماران چشمی آرپی،لبر و اشتارگات در ایران " به نقل از news-medical.net، فناوری ارگانوئیدهای سه بعدی برای تمایز سلول های بنیادی پرتوان به شبکیه و سایر بافت های عصبی به یک استراتژی آزمایشگاهی پرکاربرد برای شبیه سازی تکوین شبکیه تبدیل شده است. به این منظور، محققین در هاروارد تصمیم گرفتند روشی قوی، غیر تهاجمی و جهانی را برای ارزیابی تمایز شبکیه ارائه دهند که نیاز به پروب های شمیایی و گزارشگرهای بیان ژن نداشته باشد. به عقیده آن ها تصاویر زمینه روشن با کنتراست پایه حاوی اطلاعات کافی در مورد تخصصی شدن بافت است و این احتمال وجود دارد که بتوانیم داده های لازم را با استفاده از برنامه شبکه عصبی تکاملی(CNNs) از این تصاویر استخراج کنیم. سلول های بنیادی جنینی موشی دارای گزارشگر پروتئین سبز فلورسنت و مختص Rx شبکیه برای تمایز به ارگانوئیدهای شبکیه استفاده شدند. تصاویر زمینه روشن از ارگانوئیدها در روز 5 و تصاویر فلورسنت در روز 9 گرفته شد. با استفاده از برنامه CNN،محققین توانستند ارزیابی با دقت بیش از 84 درصد از میزان تمایز سلول ها به سلول های شبکیه داشته باشند و این در حالی بود که پیش از این این مقدار تقریبا 67 درصد بود. به طور کلی این مطالعه نشان داد که الگوریتم کامپیوتری می تواند با موفقیت تمایز شبکیه در ارگانوئیدها را قبل از شروع بیان ژن گزارشگر تشخیص داده و شناسایی کند. این اولین بار است که از توانایی شبکه عصبی برای نشان دادن تمایز سلولی در شرایط آزمایشگاهی استفاده می شود.