Օգտագործելով ինտեգրատիվ համակարգերի կենսաբանություն, մոլեկուլային կենսաբանություն և կենսաինֆորմատիկա մոտեցում, լաբորատորիան պարզաբանում է գենետիկայի, miRs-ի և միկրոբիոմի փոխազդեցությունն ու ներդրումը փոխպատվաստման մերժման և երիկամների, թոքերի և սրտանոթային հիվանդությունների մեջ: Մենք օգտագործում ենք միջդիսցիպլինար մոտեցում՝ հիվանդության և առողջության մեջ մարդկանց առաջնային նմուշները վերլուծելու համար՝ հասկանալու եզակի նշանները, որոնք կապված են մարդկային տարբեր պայմանների հետ, որպեսզի կարողանանք ավելի լավ կանխարգելել և բուժել հիվանդությունները:
Սարկոիդոզը բորբոքային հիվանդություն է, որը հարձակվում է բազմաթիվ օրգանների վրա, մասնավորապես, թոքերի և ավշային հանգույցների վրա և անհամաչափորեն ազդում է աֆրոամերիկացիների վրա: Թոքային ֆիբրոզը սարկոիդոզով հիվանդների մահվան թիվ մեկ պատճառն է: Հիվանդների մոտ 30 տոկոսի մոտ զարգանում է սարկոիդոզի առաջադեմ, թուլացնող ձև, սակայն այն մեխանիզմները, որոնք պատասխանատու են հիվանդության վատթարացման կամ դիմադրողականության համար, դեռևս վատ են ճանաչված: Մենք ներկայումս ուսումնասիրում ենք սարկոիդոզում մանրէների ազդեցության և իմունային պատասխանների միջև կապը և ինչպես է կապված ախտորոշման և կանխատեսման հետ:
Finn-Perkins Laboratory-ն ինտեգրում է ժամանակակից արհեստական ինտելեկտի (AI) մոտեցումները կենսաբժշկական հետազոտությունների հետ՝ զարգացնելու բարդ հիվանդությունների, մասնավորապես սարկոիդոզի և իմունային միջնորդավորված խանգարումների մասին մեր ըմբռնումը: Մեր հաշվողական աշխատանքի հիմքում ընկած է scGPT (մեկ բջջային գեներատիվ նախապես պատրաստված տրանսֆորմատոր)՝ ժամանակակից արհեստական ինտելեկտուալ ինտելեկտի մոդել, որը մենք կիրառում և ճշգրտում ենք միաբջիջ ՌՆԹ-ի հաջորդականության տվյալների վերլուծության համար: scGPT-ի մեր ներդրումը հասնում է ավելի քան 85% ճշգրտության հիվանդության ծանրության կանխատեսման հարցում և հատկապես արդյունավետ է եղել նոր երկարատև ոչ կոդավորող ՌՆԹ փոխազդեցությունները բացահայտելու համար, որոնք ազդում են իմունային պատասխանների վրա:
Մեր լաբորատորիան օգտագործում է բարձր արդյունավետությամբ հաշվողական ենթակառուցվածքը, ներառյալ կրկնակի NVIDIA RTX A6000 և A100 GPU-ները և 128 ԳԲ RAM աշխատանքային կայանները, ինչպես նաև Գենոմիկայի ռեսուրսների ազգային կենտրոնի (NCGR) հաշվողական կլաստերի հասանելիությունը՝ մշակելու բարդ ուսուցման բազմաբնույթ մոդելներ: Այս մոդելները ինտեգրում են տարբեր կլինիկական տվյալներ մոլեկուլային պրոֆիլների հետ, ներառյալ հիվանդների ժողովրդագրությունը, բուժման պատասխանները և հիվանդության առաջընթացի մարկերները: Արհեստական ինտելեկտի վրա հիմնված այս մոտեցումների միջոցով մենք նպատակ ունենք բացահայտելու նոր կենսամարկերներ, հասկանալ հիվանդության մեխանիզմները և մշակել անհատականացված բուժման ռազմավարություններ, որոնք վերաբերում են առողջապահական անհամամասնություններին: Մեր հաշվողական խողովակաշարը ներառում է հաստատված գործիքներ, ինչպիսիք են Seurat-ը և Cell Ranger-ը տվյալների նախնական մշակման համար՝ զուգորդված հատուկ մեքենայական ուսուցման ալգորիթմների հետ՝ ներքևում գտնվող վերլուծության և կանխատեսման համար: Այս համապարփակ մոտեցումը թույլ է տալիս մեզ մշակել և վերլուծել յուրաքանչյուր հիվանդի համար ավելի քան 50,000 բջիջների տվյալներ՝ հնարավորություն տալով աննախադեպ պատկերացում կազմել հիվանդության մեխանիզմների վերաբերյալ մեկ բջջային մակարդակում:
Օրգանների փոխպատվաստումը վերջին գծի բուժումն է օրգանների անբավարարության համար: Օրգանների փոխպատվաստումը սկսվել է 1960-ականներին, սակայն իմունոլոգիական մերժման պատճառով սահմանափակվել է երկվորյակների փոխպատվաստմամբ: Իմունոպրեսիայի հայտնվելը հանգեցրել է գոյատևման զգալիորեն ավելի երկար ժամանակների: Հատկանշական է, որ որոշ օրգաններ, ինչպիսիք են երիկամը, զգալիորեն ավելի լավ գոյատևման ժամանակներ ունեն՝ համեմատած այլ օրգանների, ինչպիսիք են թոքերը: Մեր ընթացիկ հետազոտությունները գնահատում են միկրոբիոմի դերը փոխպատվաստման արդյունքների հետ կապված:
Անհատականացված առողջության կենտրոնի տնօրեն, համատնօրեն, MD/PhD ծրագիր
Նյու Մեքսիկոյի համալսարանի բժշկական դպրոցի դեկան
