| مرحله جاری طرح | خاتمه قرارداد و اجرا |
| کد طرح | 64907 |
| عنوان فارسی طرح | شناسایی نشانگرهای زیستی ژنی و مسیرهای مرتبط با فیبروز ریوی ایدیوپاتیک و ذات الریه بینابینی غیر اختصاصی با رویکرد زیست سامانه ای |
| عنوان لاتین طرح | Identification of Key Genes and Pathways Associated with Idiopathic Pulmonary Fibrosis and Nonspecific interstitial pneumonia Using Systems Biology |
| نوع طرح | گرنت پژوهشی |
| اولویت طرح | انفورماتیک زیستی (bioinformatics) و زیست شناسی سامانه ای (systems biology) |
| نوع مطالعه | مطالعات علوم پایه (Experimental) |
| تحقیق در نظام سلامت | بلی |
| آیا طرح پایاننامه دانشجویی است؟ | خير |
| مقطع پایان نامه | |
| مدت اجرا - ماه | 12 |
| نوآوری و ضرورت انجام تحقیق | 1) شناسایی نشانگرهای زیستی ژنی (ماژول ژنی) 2) تشخیص زود هنگام بیماری ریوی درسطوح فیبروز ریوی ایدیوپاتیک و ذات الریه بینابینی غیر اختصاصی 3) بررسی مسیرهای بیولوژیکی درگیر در این بیماریها |
| اهداف اختصاصی | شناسایی نشانگرهای زیستی ژنی (ماژول ژنی) -تشخیص فیبروز ریوی ایدیوپاتیک و ذات الریه بینابینی غیر اختصاصی و تمایز آنها -بررسی مسیرهای بیولوژیکی درگیر در این بیماریها (فیبروز ریوی ایدیوپاتیک و ذات الریه بینابینی غیر اختصاصی) |
| چکیده انگلیسی طرح | Idiopathic pulmonary fibrosis and nonspecific interstitial pneumonia are the most common forms of idiopathic interstitial pneumonia that are not easy to distinguish between. Therefore, finding biomarkers in the early diagnosis of the disease increases the chances of survival, as timely diagnosis and treatment can prevent its growth. There are several ways to discover biomarkers. One of the most important methods is the use of gene expression data. The purpose of this project is to identify gene biomarkers in differentiating idiopathic pulmonary fibrosis and nonspecific interstitial pneumonia using their expression data. |
| کلمات کلیدی | نشانگر زیستی: نشانگرهای زیستی می تواند هر پدیده زیستی مثل ژن ، پروتئین و .. باشد که برای تشخیص یک حالت بیمار مورد استفاده قرار می گیرد. ماژول ژنی: مجموعه ای از نشانگرهای زیستی که در شبکه پروتئین – پروتئین با هم ارتباط بالایی دارند. پیش پردازش محاسباتی: به سلسله مراحل محاسباتی و آماری گفته میشود که به منظور حذف داده های غیر ضروری بر اساس پارامترهای تعریف شده انجام میشود. |
| ذینفعان نتایج طرح |
| نام و نامخانوادگی | سمت در طرح |
|---|---|
| سیاوش دستمالچی | همکار اصلی |
| بابک سکوتی | مجری اول (اصلی-هیات علمی) |
| سولماز اثناعشری | همکار اصلی |
| الهام امجد سقین سرا | همکار اصلی |
| حوزه خبر | خبر |
|---|---|
| رسانه ها و مردم | عنوان خبر متن خبر |
| متخصصان و پژوهشگران | عنوان خبر ترکیب تحلیل سیستمهای زیستی و یادگیری ماشین، روشی نوین برای تشخیص دقیق IPF و NSIP ارائه داد که پیشبینی سیر بیماری و مدیریت نرخ بقا را بهبود بخشید.متن خبر فیبروز ریه ایدیوپاتیک (IPF) و پنومونی بینابینی غیراختصاصی (NSIP) از رایجترین انواع پنومونیهای بینابینی ایدیوپاتیک هستند که افتراق آنها بسیار دشوار است. در این مطالعه با بهرهگیری از تحلیلهای زیستشناسی سیستمها و الگوریتمهای یادگیری ماشینی، دادههای میکروآرایه موجود مورد بررسی قرار گرفت تا ژنهای با بیان مختلف مرتبط با IPF و NSIP شناسایی شوند. با استفاده از شبکههای تعامل پروتئین-پروتئین و تحلیلهای مسیرهای سیگنالینگ، ۳۲ ژن بیومارکر مهم تعیین شد. این ژنها با الگوریتمهای طبقهبندی غیرخطی اعتبارسنجی شدند و تاثیر آنها بر نرخ بقای بیماران با روش Kaplan-Meier تأیید شد. نتایج، اثربخشی این روش تلفیقی را برای تشخیص دقیقتر و پشتیبانی در تصمیمگیریهای درمانی IPF و NSIP نمایان ساخت. |
| سیاستگذاران درمانی | عنوان خبر متن خبر |
| سیاستگذاران پژوهشی | عنوان خبر متن خبر |
| لینک (URL) مقاله انگلیسی مرتبط منتشر شده 1 |