Orgasme yang Segera Terjadi Pada Wanita Berhubungan Dengan Kaki Gelisah - ScienceDaily

Memperluas pemahaman tentang respons imun pada kanker dan penyakit lainnya – ScienceDaily


Para peneliti di Bloomberg ~ Kimmel Institute for Cancer Immunotherapy di Johns Hopkins Kimmel Cancer Center telah mengembangkan DeepTCR, sebuah paket perangkat lunak yang menggunakan algoritma pembelajaran mendalam untuk menganalisis data sekuensing reseptor sel-T (TCR). Reseptor sel T ditemukan di permukaan sel T kekebalan. Reseptor ini mengikat antigen tertentu, atau protein, yang ditemukan pada sel abnormal, seperti sel kanker dan sel yang terinfeksi virus atau bakteri, untuk memandu sel T menyerang dan menghancurkan sel yang terkena.

“DeepTCR adalah perangkat lunak sumber terbuka yang dapat digunakan untuk menjawab pertanyaan dalam penelitian penyakit menular, imunologi kanker, dan penyakit autoimun; di mana pun sistem kekebalan berperan melalui reseptor sel-T,” kata penulis utama studi John- William Sidhom, seorang MD / Ph.D. mahasiswa di Fakultas Kedokteran Universitas Johns Hopkins dan Departemen Teknik Biomedis yang bekerja di Institut Imunoterapi Kanker Bloomberg ~ Kimmel.

Penelitian ini dipublikasikan pada 11 Maret Komunikasi Alam.

Sidhom terinspirasi untuk mengembangkan perangkat lunak tersebut setelah menghadiri presentasi tentang penggunaan pembelajaran mendalam untuk ilmu kedokteran pada pertemuan American Association for Cancer Research tahun 2017. “Saya sedang melakukan penelitian tentang pengurutan reseptor sel-T, dan saya tersadar bahwa ini adalah teknologi yang tepat untuk menganalisis data pengurutan sel-T dengan lebih baik,” katanya.

Pembelajaran mendalam adalah bentuk kecerdasan buatan yang secara kasar meniru cara kerja otak manusia dalam hal pengenalan pola. “Pembelajaran mendalam adalah cara yang sangat fleksibel dan ampuh untuk melakukan pengenalan pola pada semua jenis data. Dalam makalah ini, kami menggunakan pembelajaran mendalam untuk mengidentifikasi pola dalam pengurutan data reseptor sel T,” kata Sidhom menambahkan bahwa cara Perangkat lunak yang mengeksplorasi reseptor sel-T dianalogikan dengan pencarian di internet. “Saat seseorang menelusuri gambar kucing atau anjing di internet, kueri tidak melibatkan pencarian gambar yang memiliki keterangan yang melabeli gambar tersebut sebagai kucing atau anjing, melainkan menerapkan algoritme yang mengeksplorasi fitur gambar dan mengenali pola yang mengidentifikasi gambar sebagai kucing atau anjing. Ini adalah pembelajaran mendalam. “

DeepTCR adalah kerangka kerja deep-learning komprehensif yang mencakup model deep learning tanpa pengawasan dan supervisi yang dapat diterapkan di tingkat urutan dan sampel. Sidhom mengatakan pendekatan tanpa pengawasan memungkinkan peneliti untuk menganalisis data mereka dengan cara eksplorasi, di mana mungkin tidak ada paparan kekebalan yang diketahui, dan pendekatan yang diawasi akan memungkinkan peneliti untuk memanfaatkan paparan yang diketahui untuk meningkatkan pembelajaran model. Hasilnya, katanya, DeepTCR akan memungkinkan para peneliti untuk mempelajari fungsi respon imun sel T dalam ilmu dasar dan klinis dengan mengidentifikasi pola dalam reseptor yang memberikan fungsi sel T untuk mengenali dan membunuh sel patologis.

Salah satu tantangan utama dalam menganalisis data pengurutan TCR adalah membedakan data pengurutan yang bermakna dari data yang tidak penting, dan DeepTCR membantu melakukan analisis ini. “Ada banyak urutan dalam repertoar kekebalan seseorang. Ada banyak patogen yang dapat membuat seseorang tertular, sehingga respons imunnya sangat luas. Akibatnya, ada lautan kebisingan dalam respons imun, dan hanya itu sebagian penting pada waktu tertentu untuk infeksi tertentu, “jelas Sidhom. “Saya mungkin memiliki respons sel-T terhadap ribuan virus yang berbeda, tetapi ketika flu memengaruhi saya, saya hanya perlu menggunakan sebagian kecil sel T tersebut untuk melawan flu. Hal utama yang dapat dilakukan algoritme adalah mengisolasi dan mencocokkan sel T yang tepat untuk respons tertentu. “

Paket perangkat lunak, yang menggunakan jenis arsitektur pembelajaran mendalam yang disebut jaringan saraf konvolusional, memberi pengguna kemampuan untuk menemukan pola pengurutan sel T yang relevan dengan paparan tertentu, seperti infeksi flu, kanker, atau penyakit autoimun.

“Saat disajikan dengan banyak data, algoritme kami dapat mempelajari aturan pola urutan TCR ini. Misalnya, kami mungkin tidak mengetahui aturan tentang bagaimana tubuh merespons flu, tetapi dengan data yang cukup, perangkat lunak kami dapat mempelajari aturan tersebut dan kemudian ajari kami apa adanya, “kata Sidhom. “Ini sangat cocok untuk mengidentifikasi pola kompleks dalam repertoar kekebalan yang sangat, sangat besar untuk mengidentifikasi mitra yang berinteraksi antara reseptor sel-T dan antigennya.”

Sumber Cerita:

Materi disediakan oleh Pengobatan Johns Hopkins. Catatan: Konten dapat diedit untuk gaya dan panjangnya.

Untuk Informasi Lebih lanjut silahkan Kunjungi : Lagu Togel