شنبه ۲۳ اسفند ۱۳۹۳ - ۱۶:۴۶
کد خبر: 141890

نجوم و تومورشناسی دارای وجه اشتراک‌ آشکاری نیستند، اما جستجوی ستارگان و کهکشان‌های جدید، شباهت‌ شگفت‌انگیزی با جستجو برای سلول‌های سرطانی دارد؛ این موضوع منجر به ارائه شیوه‌های نوین برای سرعت‌بخشی به تحلیل تصویری در تحقیقات سرطانی شده است.

سلامت نیوز: نجوم و تومورشناسی دارای وجه اشتراک‌ آشکاری نیستند، اما جستجوی ستارگان و کهکشان‌های جدید، شباهت‌ شگفت‌انگیزی با جستجو برای سلول‌های سرطانی دارد؛ این موضوع منجر به ارائه شیوه‌های نوین برای سرعت‌بخشی به تحلیل تصویری در تحقیقات سرطانی شده است.

به گزارش سلامت نیوز به نقل از ایسنا، بر روی صفحه رایانه دکتر «نیک والتون» دانشمند موسسه ستاره‌شناسی دانشگاه کمبریج، نقشه‌ای وجود دارد که ظاهرا متعلق به ستارگان کهکشان راه‌شیری است، اما در حقیقت این نقشه 10 به توان 25 بار کوچک‌تر از این کهکشان است.

این نقشه، در حقیقت تصویر سلول‌هایی است که از بیوپسی یکی از بیماران مبتلا به سرطان پستان گرفته شده و آنچه مانند ستارگان به نظر می‌رسد، در واقع، هسته‌های سلولی هستند که برای نشان‌دادن وجود پروتئین‌های کلیدی رنگی شده‌اند.

دکتر والتون به همراه دیگر همکارانش از موسسه کمبریج متعلق به مرکز تحقیقات سرطان بریتانیا (CRUK)، در حوزه‌ای میان‌رشته‌ای موسوم به PathGrid از شباهت بین این الگوها و تصاویر نجومی استفاده می‌کنند و به فرآیند خودکارشدن تحلیل بافت بیوپسی کمک می‌کنند.

والتون در این باره گفت: ستاره‌شناسی و زیست‌شناسی سلولی با ارقام بزرگ سر و کار دارند؛ کهکشان راه‌شیری حاوی میلیاردها ستاره است و بدن انسان نیز ده‌ها تریلیون سلول دارد.

حوزه PathGrid در جلسه‌ای میان‌رشته‌ای در کمبریج و برای بحث‌کردن درباره مدیریت داده، ترتیب داده شده است و در این میان، والتون چندین سال است که با پروژه‌های بین‌المللی بزرگ که با مقادیر نجومی و عظیم داده سر و کار دارند، همکاری داشته است.

مبحث مدیریت‌داده فقط مختص نجوم نیست و بسیاری از گروه‌های دانشگاه کمبریج با مباحث مشابهی سر و کار دارند و جلسه مزبور نیز به منظور به اشتراک‌گذاشتن این ایده‌ها و رویکردها برگزار شد.

در این جلسه والتون و «جیمز برنتون» از موسسه کمبریج متوجه شدند که مدیریت‌داده تنها حوزه‌ای نبود که آنها می‌توانستند از اطلاعات یکدیگر استفاده کنند و حوزه تحلیل تصویر نیز از دیگر زمینه‌های قابل‌همکاری محسوب می‌شود.

والتون و همکارانش در رشته نجوم، با استفاده از تلسکوپ‌های نزدیک مادون‌قرمز نوری تصاویر فضایی را شکار می‌کنند؛ از جمله این تلسکوپ‌ها می‌توان به تلسکوپ بسیار بزرگ (VLT) یا ماهواره گایا اشاره کرد که بزرگ‌ترین دوربین در فضا و دارای یک میلیارد پیکسل است.

دانشمندان این تصاویر را برای مطابقت‌دادن با مولفه‌های دخیل در تلسکوپ، پرتوهای کیهانی و شفافیت پس‌زمینه دستکاری می‌کنند؛ این تصاویر برای شناسایی مکان و تعیین شفافیت‌شان برچسب‌گذاری می‌شوند.

با این حال، تحلیل این نقشه‌ها به الگوریتم‌های رایانه‌ای نیاز دارند و والتون و همکارانش از نوعی نرم‌افزار شناسایی شیئ برای تحلیل تصاویر استفاده می‌کنند؛ این نرم‌افزار به دنبال ویژگی‌های نجومی و گروه‌بندی خودکار آن‌هاست.

سوال پیش‌آمده برای والتون و برنتون این بود که آیا همین الگوریتم می‌تواند به پاتولوژیست‌ها در تحلیل تصاویر گرفته‌شده از میکروسکوپ‌ها کمک کند یا خیر.

زمانی که بیماری مشکوک به سرطان پستان است، یک پاتولوژیست، هسته بافت تومور وی را نمونه‌گیری می‌کند؛ نمونه‌گیری ریز بوده و در واقع قطر آن کمتر از یک میلی‌متر است.

نمونه‌های تومور به همراه 200 نمونه دیگر گرفته‌شده از بیماران با یکدیگر بر روی یک بلوک قرار داده می‌شوند. هر نمونه باید ویژگی خود را داشته باشد تا دانشمندان متوجه شوند که توموری خاص متعلق به بیماری خاص است.

سپس 200 یا تعداد بیشتری هسته بر روی اسلایدی رنگی قرار می‌گیرند و تصویری دیجیتالی از این اسلاید تهیه می‌شود؛ هر یک از این تصاویر با کیفیت بالا، حاوی چند گیگابایت داده است، بنابراین دانشمندان به سرعت صدها ترابایت داده را انباشت می‌کنند.

محققان حوزه PathGrid با سازگارکردن نرم‌افزار تحلیل تصاویر نجومی، قادر به تحلیل‌کردن تصاویر تومور و بطورمثال شناسایی سه نوع سلول:سلول‌های سرطانی، سلول‌های ایمنی و سلول‌های استروما در نمونه‌های بافت هستند.

درست همان طور که شناسایی یک شیئ در نجوم، الگوها و اطلاعات پنهان را آشکارسازی می‌کند، داده‌های گرفته‌شده از اسلایدها نیز اطلاعاتی درباره چگونگی ارتباط انواع مختلف سلول‌ها با یکدیگر را در اختیار محققان می‌گذارد.

رنگ‌کردن نمونه‌ها برای برجسته‌سازی عناصری مانند پروتئین‌های مهم می‌تواند به محققان در شناسایی نشانگرهای زیستی جدید به منظور کمک به تشخیص یا پیش‌بینی سرطان‌ها کمک کند.

این فناوری نه تنها به متخصصان سرطان‌شناسی امکان مطرح‌کردن سوال‌های جدید را در مقیاس بزرگ‌تر می‌دهد، بلکه می‌توان از آن در پاتولوژی دیجیتالی بهره برد.

والتون در این باره می‌گوید: ما با مرگ ستارگان سر و کار داریم و پزشکان با مرگ بیماران و چنانچه حوزه PathGrid موفقیت‌آمیز باشد، این سناریو تغییر خواهد کرد؛ در حالی که منجمان به تماشای مرگ ستارگان ادامه خواهند داد، پزشکان می‌توانند در پیشگیری از مرگ‌های ناشی از سرطان، عملکرد بسیار بهتری داشته باشند.

برچسب‌ها

نظر شما

شما در حال پاسخ به نظر «» هستید.
captcha