شناسایی پنل های mRNA و miRNA برای رمزگشایی مکانیسم های مولکولی تومور ویلمز و تومور رابدوئید کلیه با الگوریتم های deep learning
Identification of mRNA and miRNA panels for decoding molecular mechanisms in Wilms tumor and kidney rhabdoid tumor with deep learning algorithms
مجریان: سپیده زنونی واحد
خلاصه روش اجرا: در این مطالعه، mRNA و microRNA های دارای توانایی شناسائی مولکولی تومور ویلمز و تومور رابدوئید با استفاده از انواع مختلف روش های بیوانفورماتیک و هوش مصنوعی ارائه خواهند شد. بدین منظور، آماده سازی، نرمال سازی و تقسیم بندی آن به صورت داده های آموزشی، اعتبار سنجی و آزمون داده های mRNA و microRNA انجام میگیرد. در قدم بعدی، با استفاده از روش های مبتنی بر گراف ها عمل انتخاب ویژگی (feature selection) انجام خواهد شد و ویژگی ها شامل RNA های مهم و موثر در شناسائی تومور ویلمز و تومور رابدوئید کلیه انتخاب میگردند. در ادامه به منظور ارزیابی بیومارکرهای منتخب، از یک مدل مبتنی بر الگوریتم های deep learning (یادگیری عمیق) استفاده خواهد شد و با استفاده از الگوریتم های مبتنی بر Association Rule Mining ارتباط mRNA و microRNA های منتخب در تومور ویلمز و تومور رابدوئید استخراج خواهد شد و مهمترین mRNA و microRNA های منتخب با بیشترین نقش در آنها معرفی خواهند شد. نهایتا، نقش بیولوژیکی و پاتولوژیکی mRNA و microRNA های کاندید تجزیه و تحلیل خواهد شد.
اطلاعات کلی طرح 
| مرحله جاری طرح | خاتمه قرارداد و اجرا |
| کد طرح | 68440 |
| عنوان فارسی طرح | شناسایی پنل های mRNA و miRNA برای رمزگشایی مکانیسم های مولکولی تومور ویلمز و تومور رابدوئید کلیه با الگوریتم های deep learning |
| عنوان لاتین طرح | Identification of mRNA and miRNA panels for decoding molecular mechanisms in Wilms tumor and kidney rhabdoid tumor with deep learning algorithms |
| نوع طرح | گرنت پژوهشی |
| اولویت طرح | غربالگری و پایش روند بیماریهای غیرواگیر با تاکید بر بیماریهای کلیوی |
| نوع مطالعه | طرح تحقیقاتی-پژوهشی |
| تحقیق در نظام سلامت | بلی |
| آیا طرح پایاننامه دانشجویی است؟ | خير |
| مقطع پایان نامه | |
| مدت اجرا - ماه | 10 |
| نوآوری و ضرورت انجام تحقیق | تومور ویلمز (WT) شایع ترین تومور کلیوی در اطفال است. با این حال، در سال های اخیر چندین توده کلیوی دیگر از جمله تومور رابدوئید (RT) به عنوان نهادهای پاتولوژیک جداگانه شناخته شده اند. شناخت ویژگیهای متمایز بالینی و مولکولی WT و RT ممکن است به تشخیص و درمان درست آنها کمک کند. |
| اهداف اختصاصی | شناسایی پنل های mRNA و miRNA برای رمزگشایی مکانیسم های مولکولی تومور ویلمز کلیه با الگوریتم های deep learning -شناسایی پنل های mRNA و miRNA برای رمزگشایی مکانیسم های مولکولی تومور رابدوئید کلیه با الگوریتم های deep learning |
| چکیده انگلیسی طرح | In this study, mRNA and microRNAs that are able to identify Wilms tumor and kidney rhabdoid tumor will be presented using a variety of bioinformatics and artificial intelligence methods. For this purpose, preparation, normalization, and segmentation of data will be performed in the form of training data, validation and testing of mRNA and microRNA data. In the next step, using graph-based methods, feature selection will be performed and features including important and effective RNAs will be selected to identify Wilms tumor and kidney rhabdoid tumor. In order to evaluate the selected biomarkers, a model based on deep learning algorithm will be used. Using Association Rule Mining based algorithms, the relationship of selected mRNAs and miRNAs in Wilms tumor and kidney rhabdoid tumor will be extracted and the most important selected mRNAs and miRNAs will be introduced with the most role in Wilms tumor and kidney rhabdoid tumor. Finally, the biological and pathological role of the candidate mRNAs and miRNAs will be analyzed. |
| کلمات کلیدی | یادگیری عمیق (Deep learning): یک زیر شاخه از یادگیری ماشین و بر مبنای مجموعهای از الگوریتمها است که در تلاشند تا مفاهیم انتزاعی سطح بالا در دادگان را مدل نمایند که این فرایند را با استفاده از یک گراف عمیق که دارای چندین لایه پردازشی متشکل از چندین لایه تبدیلات خطی و غیرخطی هستند، مدل میکنند. به بیان دیگر پایهی آن بر یادگیری نمایش دانش و ویژگیها در لایههای مدل است. |
| ذینفعان نتایج طرح | کودکان و اطفال با سرطان کلیه |
اطلاعات مجری و همکاران
| نام و نامخانوادگی | سمت در طرح |
|---|---|
| سپیده زنونی واحد | مجری اول (اصلی-هیات علمی) |
| محمد رضا اردلان | همکار اصلی |
| سعید پیرمرادی | همکار اصلی |
| سید مهدی حسینی یان خطیبی | همکار اصلی |
| سیده مینا حجازیان | همکار اصلی |
| الهام احمدیان | همکار اصلی |
اطلاعات تفضیلی
| حوزه خبر | خبر |
|---|---|
| رسانه ها و مردم | عنوان خبر متن خبر |
| متخصصان و پژوهشگران | عنوان خبر بیومارکرهای Let-7a-2 و C19orf24 در تومور ویلمز و miR-199b و RP1-3E10.2 در تومور رابدوئید از تومورهای کلیوی کودکان با هوش مصنوعی شناسایی شد.متن خبر تومور ویلمز (WT) و تومور رابدوئید (RT) تومورهای کلیوی کودکان هستند و تمایز آنها بر اساس تجزیه و تحلیل هیستوپاتولوژیک و مولکولی انجام می شود. مطالعه حاضر با هدف معرفی پانلهای mRNA و microRNAهای دخیل در پاتوژنز این سرطانها با استفاده از الگوریتمهای یادگیری عمیق انجام شد. برای این منظور، الگوریتمهای فیلتر، گراف و association rule mining روی دادههای mRNA/microRNA اعمال شد. miRNA ها و mRNA های کاندید با دقت بالا (AUC: 97%/93% و 94%/97% به ترتیب) توانست WT و RT را در دادههای آموزشی و آزمایشی متمایز کند. با تجزیه و تحلیل Association Rule Mining، Let-7a-2 و C19orf24 در WT و miR-199b و RP1-3E10.2 در RT شناسایی شدند. کاربرد روشهای یادگیری ماشینی میتواند الگوهای mRNA/miRNA برای تمایز WT از RT را شناسایی کند. پانلهای miRNA/mRNA شناساییشده میتوانند افق جدیدی را در زمینه مکانیسم های مولکولی که مسئول شروع و توسعه این سرطان ها هستند، ارائه دهند. |
| سیاستگذاران درمانی | عنوان خبر متن خبر |
| سیاستگذاران پژوهشی | عنوان خبر متن خبر |
| لینک (URL) مقاله انگلیسی مرتبط منتشر شده 1 |
