ترجمه فارسی مقاله پزشکی شخصی: ایجاد مدل های پیش بینی یادگیری ماشین برای پاسخ به دارو در کشت سلول مشتق شده بیمار

انتخاب پلن

انتخاب پلن برای ادامه خرید الزامی است.

پرداخت اقساطی
در صورت خرید اقساطی هر قسط: 37,500 تومان
۴ قسط ماهانه. بدون سود، چک و ضامن.
پرداخت اقساطی با دیجی‌پی پرداخت اقساطی با ترب‌پی
عنوان مقاله به انگلیسی Personalised Medicine: Establishing predictive machine learning models for drug responses in patient derived cell culture
عنوان مقاله به فارسی پزشکی شخصی: ایجاد مدل های پیش بینی یادگیری ماشین برای پاسخ به دارو در کشت سلول مشتق شده بیمار
نویسندگان Abbi Abdel-Rehim, Oghenejokpeme Orhobor, Gareth Griffiths, Larisa Soldatova, Ross D. King
فرمت مقاله انگلیسی PDF
تعداد صفحات 14
لینک دانلود رایگان مقاله انگلیسی دانلود مقاله
دسته بندی موضوعات Biomolecules,Machine Learning,زیست مولکول , یادگیری ماشین ,
توضیحات Submitted 23 August, 2024; originally announced August 2024. , Comments: 3 figures and 5 tables
توضیحات به فارسی ارسال شده 23 اوت 2024 ؛در ابتدا اوت 2024 اعلام شد ، نظرات: 3 شکل و 5 جدول
اطلاعات بیشتر از این مقاله در پایگاه های علمی INSPIRE HEP
NASA ADS
Google Scholar
Semantic Scholar

📚 محتوای این محصول آموزشی (پکیج کامل)

علاوه بر مقاله اصلی انگلیسی که دریافت می کنید، برای یادگیری عمیق‌تر و تسلط کامل بر مباحث مجموعه‌ای از کتاب‌های آموزشی نیز ارائه می‌شود.

🎯 این بسته یک دورهٔ آموزشی کامل و چندلایه است؛ شامل ویدیوهای آموزشی، کتاب‌ها، تمرین‌ها و خودآزمایی.

ℹ️ نکات مهم هنگام خرید

  • این محصول به صورت فایل دانلودی کامل ارائه می‌شود.
  • توجه: لینک‌های اختصاصی دوره طی حداکثر 24 ساعت پس از ثبت سفارش ارسال می‌شوند.
  • دقت کنید لینک ها به شماره موبایل شما ارسال می شوند. پس در ارائه شماره موبایل صحیح دقت کنید.
  • برای راهنمایی در مورد نحوه دانلود به شماره 09395106248 پیامک دهید یا تماس بگیرید. (ایده آل ترین گزینه ارسال پیام در یکی از پیام رسان ها به همین شماره است تا سریعا لینک های محصول همان جا برای شما ارسال گردد.)
  • اگر پرداخت انجام شده ولی بعد از 24 ساعت هنوز لینک‌ها را دریافت نکرده‌اید، نام و نام خانوادگی و نام محصول را پیامک کنید تا لینک‌ها دوباره ارسال شوند.

💬 راه‌های ارتباطی پشتیبانی:
واتس‌اپ یا هر پیام رسان داخلی یا پیامک: 09395106248
تلگرام: @ma_limbs

چکیده

The concept of personalised medicine in cancer therapy is becoming increasingly important. There already exist drugs administered specifically for patients with tumours presenting well-defined mutations. However, the field is still in its infancy, and personalised treatments are far from being standard of care. Personalised medicine is often associated with the utilisation of omics data. Yet, implementation of multi-omics data has proven difficult, due to the variety and scale of the information within the data, as well as the complexity behind the myriad of interactions taking place within the cell. An alternative approach to precision medicine is to employ a function-based profile of the cell. This involves screening a range of drugs against patient derived cells. Here we demonstrate a proof-of-concept, where a collection of drug screens against a highly diverse set of patient-derived cell lines, are leveraged to identify putative treatment options for a 'new patient'. We show that this methodology is highly efficient in ranking the drugs according to their activity towards the target cells. We argue that this approach offers great potential, as activities can be efficiently imputed from various subsets of the drug treated cell lines that do not necessarily originate from the same tissue type.

چکیده به فارسی (ترجمه ماشینی)

مفهوم پزشکی شخصی در درمان سرطان به طور فزاینده ای اهمیت می یابد.در حال حاضر داروهایی وجود دارد که به طور خاص برای بیماران مبتلا به تومورهای دارای جهش های تعریف شده به طور خاص تجویز شده اند.با این حال ، این زمینه هنوز در مراحل ابتدایی خود است و درمان های شخصی به دور از استاندارد مراقبت نیستند.طب شخصی اغلب با استفاده از داده های OMICS همراه است.با این حال ، اجرای داده های چندمیک به دلیل تنوع و مقیاس اطلاعات موجود در داده ها و همچنین پیچیدگی بیشماری از تعامل های موجود در سلول ، دشوار بوده است.یک روش جایگزین برای پزشکی دقیق استفاده از پروفایل مبتنی بر عملکرد سلول است.این شامل غربالگری طیف وسیعی از داروها در برابر سلولهای مشتق شده بیمار است.در اینجا ما اثبات مفهوم را نشان می دهیم ، جایی که مجموعه ای از صفحه نمایش دارویی در برابر مجموعه ای بسیار متنوع از رده های سلولی مشتق از بیمار ، برای شناسایی گزینه های درمانی قلمداد برای "بیمار جدید" استفاده می شود.ما نشان می دهیم که این روش در رتبه بندی داروها با توجه به فعالیت آنها نسبت به سلولهای هدف بسیار کارآمد است.ما استدلال می کنیم که این رویکرد پتانسیل بسیار خوبی را ارائه می دهد ، زیرا فعالیت ها می توانند از زیر مجموعه های مختلف رده های سلولی تحت درمان با دارو که لزوماً از همان نوع بافت سرچشمه نمی گیرند ، به طور مؤثر محروم شود.

📚 محتوای این محصول آموزشی (پکیج کامل)

علاوه بر مقاله اصلی انگلیسی که دریافت می کنید، برای یادگیری عمیق‌تر و تسلط کامل بر مباحث مجموعه‌ای از کتاب‌های آموزشی نیز ارائه می‌شود.

🎯 این بسته یک دورهٔ آموزشی کامل و چندلایه است؛ شامل ویدیوهای آموزشی، کتاب‌ها، تمرین‌ها و خودآزمایی.

ℹ️ نکات مهم هنگام خرید

  • این محصول به صورت فایل دانلودی کامل ارائه می‌شود.
  • توجه: لینک‌های اختصاصی دوره طی حداکثر 24 ساعت پس از ثبت سفارش ارسال می‌شوند.
  • دقت کنید لینک ها به شماره موبایل شما ارسال می شوند. پس در ارائه شماره موبایل صحیح دقت کنید.
  • برای راهنمایی در مورد نحوه دانلود به شماره 09395106248 پیامک دهید یا تماس بگیرید. (ایده آل ترین گزینه ارسال پیام در یکی از پیام رسان ها به همین شماره است تا سریعا لینک های محصول همان جا برای شما ارسال گردد.)
  • اگر پرداخت انجام شده ولی بعد از 24 ساعت هنوز لینک‌ها را دریافت نکرده‌اید، نام و نام خانوادگی و نام محصول را پیامک کنید تا لینک‌ها دوباره ارسال شوند.

💬 راه‌های ارتباطی پشتیبانی:
واتس‌اپ یا هر پیام رسان داخلی یا پیامک: 09395106248
تلگرام: @ma_limbs

نظرات

هنوز نظری ثبت نشده است.

وارد شوید تا نظر ثبت کنید.