مدلسازی دادههای ژنتیکی در دانشگاه علوم پزشکی مشهد
دانشجوی دکتری آمارزیستی دانشگاه علوم پزشکی مشهد به دستاوردهای مهمی در زمینه مدلسازی آماری دادههای متیلاسیون DNA دست یافته است.
به گزارش
خبرگزاری صدا و سیما مرکز خراسان رضوی، این دستاوردها نتیجه همکاری بینالمللی «سعیده حاجبی خانیکی» با دانشگاه UNLV ایالات متحده و دکتر فرهاد شکوهی، استادیار آمار گروه علوم ریاضیات این دانشگاه، از اساتید برجسته این حوزه، است.
حاجبی خانیکی در رساله دکتری و دوره مطالعاتی خود که در دانشگاه UNLV گذرانده است، روی پژوهشی با هدف شناسایی نواحی متیلهشدهای از ژنوم که با بیماریهای مختلف مرتبط هستند، فعالیت کرده است.
این پژوهش که با راهنمایی دکتر حبیب الله اسماعیلی، عضو هیات علمی گروه آمارزیستی و دکتر فرهاد شکوهی، عضو هیات علمی گروه ریاضیات دانشگاه UNLV صورت گرفته، به طور خاص بر بیماری سرطان روده بزرگ متمرکز بوده و از روشهای نوین مدلسازی مانند مدلهای مارکوف پنهان بهره برده است.
این روشها امکان شناسایی الگوهای پیچیده متیلاسیون را فراهم میکنند و نقش مهمی در درک بهتر مکانیسمهای مولکولی مرتبط با بیماریها دارند.
عضو هیات علمی گروه آمار زیستی دانشگاه علوم پزشکی مشهد گفت: سرطان کولورکتال یکی از شایعترین سرطانها در سطح جهان است و تشخیص زودهنگام و درک مکانیسمهای اپیژنتیکی آن از اهمیت بالایی برخوردار است.
دکتر حبیب الله اسماعیلی افزود: این پژوهش توانسته است با استفاده از دادههای متیلاسیون DNA و مدلهای مارکوف پنهان، نواحی متیلهشده مرتبط با سرطان کولورکتال را شناسایی کند و این دستاورد میتواند در آینده به توسعه روشهای تشخیصی و درمانی جدید کمک شایانی کند.
او ادامه داد: روشهای مبتنی بر مدلهای مارکوف پنهان این امکان را فراهم میآورند که تغییرات متیلاسیون در طول ژنوم با دقت بالا مورد تحلیل قرار گیرند، در این روش، ژنوم به صورت یک زنجیره متوالی از حالتها، مدلسازی و نواحی با الگوهای مشابه شناسایی میشوند.
وی با بیان اینکه این تحلیلها به پژوهشگران کمک میکند تا ارتباط بین تغییرات متیلاسیون و بیماریها را بهطور دقیقتری درک کنند، گفت: یکی از نقاط قوت این پژوهش، بهرهگیری از روشهای پیشرفته آماری به جای روشهای ساده و سنتی است که توانایی شناسایی الگوهای پنهان و روابط پیچیده در دادهها را دارند.
دکتر اسماعیلی افزود: این روشها امکان استخراج اطلاعات عمیقتری از دادهها را فراهم کرده و به پژوهشگران اجازه میدهند که با دقت بیشتری ارتباط بین تغییرات اپیژنتیکی و بیماریها را کشف کنند.
عضو هیات علمی گروه آمار زیستی دانشگاه علوم پزشکی مشهد ادامه داد: از دیگر نقاط مثبت این پژوهش این است که در آن دادههای اپی ژنتیکی بومی کشورمان مورد بررسی قرار گرفته، حال آنکه به دلیل هزینههای بسیار بالای تولید دادههای توالی یابی بایسولفات، تحقیقات انگشت شماری در داخل کشور در این حوزه انجام شده است.
او یادآور شد: نکته مهم قابل ذکر دیگر این است که مدل بندی دادههای بعد بالا با مدلهای پیشرفته و دقیق آماری نیازمند استفاده از ابرکامپیوترهای با سرعت بالا است؛ برای حل این چالش، این محققان، بستههای آماری را در نرم افزار R طراحی کردهاند که مبتنی بر زبان برنامه نویسی C++ است و در مدت زمان کوتاهی دادهها را تحلیل و خروجیها را در اختیار کاربر قرار میدهد.