توضیحات

درمان سرطان با پپتید های طبیعی

سرطان امروزه به عنوان یکی از بزرگترین چالش های جدی سلامت عمومی معرفی شده است. از این رو اخیرا تلاش های گسترده ای برای شناخت مکانیسم، پیشگیری و درمان سرطان انجام شده است. در این بین بخش عمده ای از تلاش های صورت گرفته به منظور شناخت درمان های موثر ضد سرطان است. امروزه طیف گسترده ای از راهکارهای درمانی مختلف نظیر جراحی، رادیوتراپی،شیمی درمانی، تحریک کننده های سیستم ایمنی و … علیه سرطان  معرفی و استفاده شده اند.

یکی از بزرگترین مشکلات پیش رو در درمان سرطان عوارض جانبی روش های مختلف درمانی است. بر همین اساس معرفی داروها و نیز روش های نوین درمانی کم ضرر تر همچنان جزو مباحث پیش رو در تحقیقات مرتبط با سرطان است.

پپتیدها مولکولهای زیستی متشکل از ۵۰-۱ آمینواسید مختلف با خصوصیات فیزیکوشیمیایی متفاوت می باشند. نتیجه ی تحقیقات مختلف نشان داده که پپتید های مختلف از گیاهان،جانوران،قارچ ها و حتی باکتری ها میتوانند اثرات مطلوب درمانی نظیر خواص ضد سرطانی، ضد ویروسی، ضد باکتریایی، ضد قارچی و ضد التهابی داتشه باشند. علیرغم خواص مطلوب ذکر شده شناسایی پپتیدهای زیست فعال امری زمانبر و پرهزینه است.

بیوانفورماتیک سرطان

طی سالهای اخیر روش های مختلف بیوانفورماتیک نظیر داکینگ مولکولی، دینامیک مولکولی و یادگیری ماشین (ماشین لرنینگ) کاربرد گسترده ای در شناسایی و تحلیل خواص احتمالی زیست مولکول های مختلف از جمله پپتید ها پیدا کرده اند. در این بین یادگیری ماشین با شبیه سازی هوش انسان و یادگیری از تجربه های معرفی شده مبتنی بر خصوصیات فیزیکوشیمیایی پپتیدها قادر به غربالگری سریع و برچسب زنی تعداد بسیار زیادی از پپتیدهاست. در این روش ابتدا یک دیتابیس متشکل از پپتیدهای مختلف با خواص تایید شده یا رد شده ضد سرطان ایجاد شده سپس الگوریتم های مختلف مثب ماشین بردار پشتیبان، شبکه عصبی، جنگل های تصادفی و … با این دیتابیس آموزش داده میشود. سپس دیتابیس متشکل از پپتیدهای مورد آزمون به الگوریتم های آموزش داده شده معرفی و قابلیت ضد سرطان پپتیدهای موجود در آن برچسب گذاری میشود.