به گزارش ایسنا و به نقل از وب‌سایت رسمی دانشگاه ایلینوی در اربانا—شمپین، هنگامی که شرکت‌های کشاورزی و دارویی، محصولات جدیدی را تولید می‌کنند، باید پیش از گرفتن تاییدیه قانونی، میزان سمی بودن محصول را به صورت گسترده مورد آزمایش قرار دهند. این آزمایش معمولا به بررسی‌های طولانی و پرهزینه روی حیوانات نیاز دارد.

پژوهشگران "دانشگاه ایلینوی در اربانا—شمپین" (U of I)، یک روش شناسایی زیست‌نشانگر ژنتیکی ابداع کرده‌اند که در کنار حفظ سطح بالایی از دقت، روند آزمایش را به چند روز کاهش می‌دهد.

"زینپ ماداک اردوغان"(Zeynep Madak-Erdogan)، استادیار بخش علوم غذایی و تغذیه انسانی دانشگاه ایلینوی و پژوهشگر ارشد این پروژه گفت: هدف از این پژوهش، شناسایی کوچکترین مجموعه شاخص‌ها از کبد برای پیش‌بینی میزان سمی بودن سرطان کبد است.

وی افزود: صنایع کشاورزی شیمیایی، به لوله‌ای مجهز هستند که ترکیبات جدید را در آن آزمایش می‌کنند تا میزان سمی بودن آنها مشخص شود.

میزان سمی بودن کبد، یکی از مهم‌ترین نکات به شمار می‌رود زیرا کبد، اندامی است که ذخیره خون را دریافت می‌کند و به پاکسازی آن می‌پردازد.

اردوغان ادامه داد: شرکت‌ها معمولا این کار را به واسطه آزمایش‌های طولانی روی حیوانات انجام می‌دهند. آنها حیوانات را تا یک سال بررسی می‌کنند تا ببینند که آیا پس از قرار گرفتن در معرض این ترکیبات، به سرطان کبد مبتلا می‌شوند یا خیر. این آزمایش‌ها، به هزاران موش نیاز دارد و همچنین انسان‌هایی که زمان خود را برای مراقبت از این حیوانات، جمع‌آوری نمونه‌ها و تجزیه و تحلیل داده‌ها سپری کنند.

این پژوهش، یک نشانگر ژنتیکی زیستی را معرفی می‌کند که نشان می‌دهد میزان بالقوه سمی بودن کبد، فقط ۲۴ ساعت پس از قرار گرفتن در معرض ترکیبات است.

اردوغان و همکارانش، اطلاعات پایگاه داده بزرگی را که "موسسه ملی علوم بهداشت محیط زیست آمریکا" (NIEHS) فراهم کرده است، تجزیه و تحلیل کردند. آنها با همکاری "مرکز ملی کاربردهای ابررایانش" (NCSA)، از روش‌های یادگیری ماشینی برای شناسایی نشانگرهای زیستی در آران‌ای پیام‌رسان استفاده کردند تا میزان سمی بودن را پیش‌بینی کنند.

"کالین بوشل"(Colleen Bushell)، از پژوهشگران این پروژه گفت: روش‌های یادگیری ماشینی از طراحی مولکول‌های جدید تا شناسایی اهداف بیولوژیکی جدید، نقشی اساسی در سرعت بخشیدن به شناسایی داروی مورد نظر و اعتبار بخشیدن به آن دارند.

اردوغان گفت: اگرچه این نخستین پژوهشی نیست که از چنین روش‌هایی استفاده می‌کند اما جامع‌ترین آنها است. 

پژوهشگران در این پروژه، از مقدار قابل توجهی از داده‌ها و همچنین چندین روش یادگیری ماشینی استفاده کردند تا سریع‌ترین و دقیق‌ترین نتایج را فراهم کنند.

اردوغان اضافه کرد: ما در حال ارزیابی بهترین روش‌های پیش‌بینی و یافتن بهترین شاخص‌ها برای بررسی میزان سمی بودن کبد هستیم. ما در حال حاضر فقط می‌توانیم چند موش را به مدت ۲۴ ساعت درمان کنیم، به جمع‌آوری نمونه‌ها بپردازیم و زیست‌نشانگرهایی را که شناسایی کرده‌ایم، مورد بررسی قرار دهیم تا پیش‌بینی کنیم که حیوان به طور بالقوه به سرطان کبد مبتلا می‌شود یا خیر.

نتایج این پژوهش می‌تواند به صورت گسترده مورد استفاده سم‌شناسان و دانشمندان دیگر قرار بگیرد و به صنایع کشاورزی و دارویی کمک کند تا قابلیت‌های آزمایشی خود را بهبود ببخشند.

اردوغان افزود: یافته‌های ما نشان می‌دهند که روش‌های یادگیری ماشینی قطعا در تجزیه و تحلیل داده‌های بیولوژیکی که ما در پژوهش‌های خود ارائه می‌دهیم، نقش ارزشمندی دارند.

این پژوهش، در مجله "Scientific Reports" به چاپ رسید.

انتهای پیام