دانشجوی دکتری آمارزیستی دانشگاه علوم پزشکی مشهد، به دستاوردهای مهمی در زمینه مدل‌سازی آماری داده‌های متیلاسیون DNA دست یافته است. این دستاوردها نتیجه همکاری بین‌المللی وی با دانشگاه UNLV ایالات متحده و یکی از اساتید برجسته این حوزه، دکتر فرهاد شکوهی، استادیار آمار گروه علوم ریاضیات این دانشگاه،است.

سعیده حاجبی خانیکی در تز دکتری و دوره مطالعاتی خود که در دانشگاه UNLV گذرانده است، روی پژوهشی با هدف شناسایی نواحی متیله‌شده‌ای از ژنوم که با بیماری‌های مختلف مرتبط هستند، فعالیت کرده است. این پژوهش که با راهنمایی دکتر حبیب الله اسماعیلی عضو هیات علمی گروه آمارزیستی به عنوان راهنمای اول و دکتر فرهاد شکوهی عضو هیات علمی گروه ریاضیات دانشگاه UNLV صورت گرفته، به طور خاص بر بیماری سرطان روده‌ی بزرگ متمرکز بوده و از روش‌های نوین مدل‌سازی مانند مدل‌های مارکوف پنهان بهره برده است. این روش‌ها امکان شناسایی الگوهای پیچیده متیلاسیون را فراهم می‌کنند و نقش مهمی در درک بهتر مکانیسم‌های مولکولی مرتبط با بیماری‌ها دارند.

عضو هیات علمی گروه آمار زیستی دانشگاه علوم پزشکی مشهد در گفتگو با وب دا اظهار کرد:سرطان کولورکتال یکی از شایع‌ترین سرطان‌ها در سطح جهان است و تشخیص زودهنگام و درک مکانیسم‌های اپی‌ژنتیکی آن از اهمیت بالایی برخوردار است. این پژوهش توانسته است با استفاده از داده‌های متیلاسیون DNA و مدل‌های مارکوف پنهان، نواحی متیله‌شده مرتبط با سرطان کولورکتال را شناسایی کند. این دستاورد می‌تواند در آینده به توسعه روش‌های تشخیصی و درمانی جدید کمک شایانی کند.

دکتر حبیب الله اسماعیلی خاطر نشان کرد: روش‌های مبتنی بر مدل‌های مارکوف پنهان این امکان را فراهم می‌آورند که تغییرات متیلاسیون در طول ژنوم با دقت بالا مورد تحلیل قرار گیرند. در این روش، ژنوم به صورت یک زنجیره متوالی از حالت‌ها مدل‌سازی می‌شود و نواحی با الگوهای مشابه شناسایی می‌شوند. این تحلیل‌ها به پژوهشگران کمک می‌کند تا ارتباط بین تغییرات متیلاسیون و بیماری‌ها را به‌طور دقیق‌تری درک کنند.

یکی از نقاط قوت این پژوهش، بهره‌گیری از روش‌های پیشرفته آماری به جای روش‌های ساده و سنتی است. روش‌های ساده‌تر آماری معمولاً توانایی کافی برای تحلیل داده‌های زیستی پیچیده را ندارند و ممکن است اطلاعات مهمی را نادیده بگیرند. اما مدل‌های پیشرفته‌، توانایی شناسایی الگوهای پنهان و روابط پیچیده در داده‌ها را دارند. این روش‌ها امکان استخراج اطلاعات عمیق‌تری از داده‌ها را فراهم کرده و به پژوهشگران اجازه می‌دهند که با دقت بیشتری ارتباط بین تغییرات اپی‌ژنتیکی و بیماری‌ها را کشف کنند.استفاده از چنین مدل‌هایی در پژوهش خانم حاجبی خانیکی، نقطه عطفی در به‌کارگیری آمار پیشرفته در ژنتیک محسوب می‌شود و می‌تواند الگویی برای سایر پژوهش‌ها در این حوزه باشد. از دیگر نقاط مثبت این پژوهش این است که در آن داده های اپی ژنتیکی بومی کشورمان مورد بررسی قرار گرفته است. حال آنکه به دلیل هزینه های بسیار بالای تولید داده های توالی یابی بایسولفات، تحقیقات انگشت شماری در داخل کشور در این حوزه انجام شده است.

نکته‌ی مهم قابل ذکر دیگر این است که مدلبندی داده های بعد بالا با مدلهای پیشرفته و دقیق آماری نیازمند استفاده از ابرکامپیوترهای با سرعت بالا است. برای حل این چالش، این محققان، بسته های آماری را در نرم افزار R طراحی کرده اند که مبتنی بر زبان برنامه نویسی C++ بوده و در مدت زمان کوتاهی داده ها را تحلیل و خروجی ها را در اختیار کاربر قرار می دهد.

دانشگاه علوم پزشکی مشهد همواره از تلاش‌های دانشجویان و اساتید خود در راستای انجام پژوهش‌های نوآورانه حمایت می‌کند و امیدوار است که این دستاوردها مسیرهای جدیدی برای پیشرفت علمی و ارائه راهکارهای کاربردی در درمان بیماری‌ها فراهم کنند.