شاید به زودی یک اطلس از سلول‌های انسانی سالم در اختیار داشته باشیم. این برنامه در صورت موفقیت، می‌تواند امکان درک بهتر سلول‌ها، بافت‌ها و اندام‌ها را فراهم کند و مرجعی برای تشخیص، بررسی و درمان بیماری‌ها باشد. در هر حال، گسترش این داده‌ها برای تشخیص بیماری و درمان آن، کاری پرهزینه است.مدلسازی دقیق واکنش سلول‌ها نسبت به اختلالات گوناگون از جمله بیماری‌ها، ترکیبات و دخالت ژنتیکی، هدفی مهم برای زیست‌شناسی محاسباتی است. اگرچه این مدل‌ها، بر اساس روش‌های آماری و مکانیکی موجود تهیه می‌شوند اما هیچ راه حل مبتنی بر یادگیری ماشینی، برای پدیده‌های کشف نشده در دسترس نیست.scGen، نخستین ابزاری است که می‌تواند واکنش سلول را پیش‌بینی کند. اگر داده‌هایی که اثر اختلالات گوناگون را پیش‌بینی می‌کنند، به scGen آموزش داده شوند، این ابزار می‌تواند پیش‌بینی‌های قابل اطمینانی را ارائه دهد.

"محمد لطف‌اللهی" (Mohammad Lotfollahi)، دانشجوی مقطع دکتری "دانشگاه فنی مونیخ" (TUM) گفت: ما برای نخستین بار این فرصت را در اختیار داریم تا داده‌های به دست آمده از یک موجود مانند موش را برای پیش‌بینی بیماری و واکنش نسبت به درمان در انسان مورد استفاده قرار دهیم.scGen، یک مدل یادگیری عمیق است که ایده‌هایی را از تصاویر، توالی و پردازش زبان به دست می‌آورد و برای نخستین بار، آنها را در مدلسازی رفتار سلول در یک فرآیند درون‌رایانه‌ای به کار می‌برد. گام بعدی این گروه پژوهشی، ارتقاء scGen برای فرمول‌بندی مبتنی بر داده‌ها و افزایش قدرت پیش‌بینی آن برای بررسی اختلالات است."الکس ولف" (Alex Wolf)، سرپرست این پژوهش گفت: ما در حال حاضر تنظیم scGen را برای پاسخگویی بهتر آن نسبت به سوالات مربوط به بیماری‌ها آغاز کرده‌ایم.

بهار نیوز