ارائه‌کننده: زهرا زندی
استاد راهنما: دکتر روزبه عابدینی نسب
استاد ناظر داخلی: دکتر مینا صوفی زمرد
استاد ناظر خارجی: دکتر محیا مهر محمدی
تاریخ: ۱۴۰۴/۰۶/۲۹
ساعت: ۱۱
مکان: ساختمان فنی و مهندسی، بلوک شماره سه، طبقه سوم، کلاس 351

چکیده:
سرطان‌های تخمدان و پانکراس به دلیل ناهمگنی توموری و ضعف در تشخیص زودهنگام، همچنان چالش بزرگی برای بالین محسوب می‌شوند. در این پژوهش، داده‌های تک‌سلولی، با بهره‌گیری از مدل‌های زبانی، بررسی شده‌اند. به منظور افزایش دقت در تحلیل، از پرامپت‌نویسی هدفمند در چت‌جی‌پی‌تی استفاده شد تا فرایند پردازش و استخراج الگوهای معنادار از داده‌های پیچیده تسهیل شود. در سرطان تخمدان نوع سروز درجه بالا، تحلیل مسیرهای عملکردی نشان داد که سلول‌های T نفوذی، دچار خستگی ایمنی هستند.
همچنین، مجموعه‌ای از ژن‌های مارکر پیش‌آگهی شامل AC004687.3، LOC340090، AC093817.1، AMELX، H2AC25 و AC115485.1  به‌عنوان نشانگرهای زیستی بالقوه برای پایش بیماران یا طراحی درمان‌های هدفمند شناسایی شدند. در سرطان پانکراس نیز الگوی مشابهی از خستگی ایمنی در سلول‌های T مشاهده شد. در این سرطان، تحلیل مقایسه‌ای میان داده‌های مولکولی و شاخص‌های بالینی نشان داد که صرف اتکا به معیارهای بالینی برای پیش‌بینی پیش‌آگهی کافی نیست. افزون بر این، رابطه‌ی معکوس مسیر p53 با روند پیش‌آگهی مشخص کرد که این مسیر می‌تواند به‌عنوان هدف درمانی بالقوه مطرح باشد.
این یافته‌ها نه‌تنها می‌توانند در راستای شناخت ژن‌مارکرهای پیش‌آگهی و مسیرهای عملکردی مرتبط با سرطان‌های تخمدان و پانکراس مؤثر باشند، بلکه کاربرد مدل‌های زبانی را در تسهیل تحلیل داده‌های پیچیده و شناسایی نشانگرهای جدید، برجسته می‌سازند.