دانشمندان علوم کامپیوتر در دانشگاه مِلون معتقدند که با استفاده از شبکه‌‌های عصبی و تحت نظارت یادگیری ماشین(Machine Learning)، قادر خواهند بود تا بررسی بهینه‌تری برای مطالعه خصوصیات سلولی از طریق توالی‌یابی RNA سلول منفرد ( scRNA-seq)، داشته باشند. این یافته به محققان کمک می‌کند تا زیرشاخه‌های جدید سلولی را شناسایی کرده و بین سلول‌های سالم و سلول‌های بیمار تمایز قائل شوند.

محققان با توسعه‌ی ابزاری جدید، سرعت تجزیه و تحلیل داده‌های زیست‌پزشکی را از چند ماه یا سال به چند دقیقه کاهش داده و سبب تغییر در مسیرهایی شدند که محققان از طریق آن، نتایج مطالعات خود را منتشر می‌کنند.

توانایی ترجمه کدهای ژنتیکی به پروتئین یک اصل ضروری در بقای همه موجودات زنده است. اساس این فرآیند مولکولی، توانایی مولکول‌های RNA ناقل (tRNA) در شناخت پیوندی کد‌های ژنتیکی با اسید‌آمینه‌های مربوطه است. تغییر شیمیایی tRNAهای فردی به یک مرحله مهم در فرآیند رمزگشایی دخیل در روند سنتز پروتئین تبدیل شده‌است. محققان موفق شدند با استفاده از بازگرداندن تغییرات، نقش‌های ویژه‌ و مهمی را در سنتز و پایداری پروتئین‌های میتوکندری مشخص کنند.

✅ researchgate با مقایسه‌ی آمار خوانندگان مباحث مختلف در سال ۲۰۱۶ و سال ۲۰۱۷ در دیتابیس خود، ۵ مبحث اصلی در حال پیشرفت در بیوتکنولوژی را معرفی کرده‌است. توالی یابی RNA سلول (Single-cell RNA-sequencing): توالی‌یابی DNA  اطلاعات جامع و کاملی درباره‌ی تفاوت‌های ژنتیکی سلول‌ها ارائه می‌دهد. اما توالی‌یابی RNA پا را یک مرحله فراتر می‌گذارد و در واقع یک کتابچه‌ی راهنما برای …