eitaa logo
سلول‌های‌بنیادی‌وسرطان
363 دنبال‌کننده
437 عکس
81 ویدیو
8 فایل
دکتر شریف مرادی عضو هیئت علمی پژوهشکده سلول‌های بنیادی، پژوهشگاه رویان 🔺 Email: @gmail.com" rel="nofollow" target="_blank">sharif.moradi@gmail.com 🔺Instagram: @pluricancer 🔺RNA Biology @RNA_Biology
مشاهده در ایتا
دانلود
🧬 تشخیص زودهنگام سرطان با ارزیابی ctDNA در نمونه‌های ادراری 🔺 به دلیل کمک به درمان موثر و کارآمد بیماران از اهمیت بالایی برخوردار است. یکی از روش‌های ، ارزیابی نشانگر زیستی DNA عاری از سلول (ctDNA) در پلاسماست. نظیر این نشانگر در نمونه‌های ادراری نشانگر زیستی DNA توموری عاری از سلول فرا کلیوی (TR-ctDNA) است که از جریان خون و سپس کلیه‌ها عبور کرده و به ادرار منتقل می‌شود. اما شناسایی این نشانگر با توجه به اندازه کوچکی (کمتر از ۵۰ جفت باز) که دارد توسط آزمایش‌های معمولی ادرار یا بیوپسی مایع امکان پذیر نیست. 🔹 در مطالعه‌ای که به تازگی در مجله JCI insight منتشر شده است، از روش دیجیتال PCR قطره‌ای جهت تشخیص این TR-ctDNA بسیار کوتاه در نمونه‌های ادراری استفاده شده است. نتایج حاصله نشان‌دهنده‌ی مطابقت TR-ctDNA با ctDNA پلاسمای بیماران مبتلا به بود. ✅ این مطالعه نشان می‌دهد که این روش نه تنها می‌تواند جهت تشخیص و همچنین نظارت بر عود مجدد این سرطان استفاده شود، بلکه می‌توان با آن ctDNA را در ادرار بیماران مبتلا به و نیز تشخیص داد. ✅ از آن جایی که نمونه‌های ادراری از نظر حجم زیاد، غیرتهاجمی بودن و امکان جمع‌آوری در خانه نسبت به نمونه‌ی خون مزیت دارند، از این رو این مطالعه می‌تواند فرصت‌ تازه‌ای جهت انجام تست‌های تشخیصی مبتنی بر ادرار فراهم کند. ✍ کیمیا حسنیان باتقوی، دانشجوی کارشناسی ارشد سلول‌های بنیادی و بازسازی بافت لینک مقاله: https://doi.org/10.1172/jci.insight.177759 Join us: 🆔 @pluricancer 🆔 @MolBioMed
📌 تشخیص سرطان به کمک هوش مصنوعی! سرطان‌های مسئول بیشتر مرگ و میرهای مرتبط با هستند، بنابراین ساخت روش‌هایی جهت برای بهبود نرخ بقای بیماران نیاز است. در یک پیشرفت پیشگامانه، محققان دانشگاه کمبریج، با تاکید بر نقش (مانند متیلاسیون DNA) در و چگونگی عمل این تغییرات به عنوان سیگنال‌های اولیه برای ، یک مدل یادگیری ماشینی قابل تفسیر به نام EMethylNET را توسعه داده‌اند که می‌تواند 13 نوع و همچنین نمونه بافت غیرسرطانی را با دقت قابل‌توجهی (98.2%) طبقه‌بندی کند. این مطالعه همچنین بخش قابل توجهی از RNAهای طولانی غیر کدکننده () را در لیست ژن‌ها یافت که با علائم مشخصه‌ی سرطان مرتبط هستند. 🔰 موفقیت این مدل به دلیل توانایی آن در شناسایی جایگاه‌های ژنومی مرتبط با متیلاسیون ژن‌ها، مسیرها و شبکه‌های مرتبط با سرطان می‌باشد. این مسئله نه تنها بینش‌هایی را در مورد ارائه می‌دهد، بلکه یک راه امیدوارکننده برای توسعه نیز فراهم می‌کند. تهیه‎‌ی مطلب: مروارید قطان دانشجوی ارشد زیست شناسی جانوری و تکوینی پژوهشگاه رویان مطالعه‌ی بیشتر: https://www.htworld.co.uk/news/scientists-champion-ais-role-in-early-cancer-diagnosis/?amp=1 Join us: 🆔 @pluricancer 🆔 @MolBioMed