محققان ایرانی از هوش مصنوعی برای پیش بینی یک ویژگی سرطان استفاده کردند

به گزارش گروه دانشگاه خبرگزاری دانشجو، فسفاریلاسیون تیروزین ها از ویژگی های بارز بسیاری از سرطان ها هستند به همین دلیل استفاده از ابزار های رایانشی برای تحلیل جامع فسفاتئومر ها و شناسایی فسفاریلاسیون های بالقوه ناکارآمد اهمیت زیادی دارد.

- گروهی از پژوهشگران با هوش مصنوعی روشی نوین جهت پیش بینی یکی از ویژگی های بارز انواع مختلف سرطان ابداع کردند.

به گزارش گروه دانشگاه خبرگزاری دانشجو، فسفاریلاسیون تیروزین ها از ویژگی های بارز بسیاری از سرطان ها هستند به همین دلیل استفاده از ابزار های رایانشی برای تحلیل جامع فسفاتئومر ها و شناسایی فسفاریلاسیون های بالقوه ناکارآمد اهمیت زیادی دارد.

فسفوریلاسیون به اضافه شدن یک گروه فسفات به پروتیین یا سایر مولکول های آلی گفته می شود.

فسفریلاسیون پروتیین نقش مهمی در بسیاری از فرایند های سلولی دارد.

همچنین فسفریلاسیون توسط آنزیم های کیناز انجام می شود.

آنزیم های فسفاتاز در جهت عکس کیناز ها برای زدودن گروه فسفات عمل می کنند.

تیروزین کینار نیز یک آنزیم است که نقشش انتقال یک گروه فسفات از مولکول آدنوزین تری فسفات ATP به پروتیین است.

در همین راستا گروهی از محققان با همکاری علیرضا مشاقی پژوهشگر ایرانی یک روش مبتنی بر یادگیری ماشینی ابداع کرده اند تا تغییرات با ثبات ترمودینامیکی که در ن�