AI اور دنیا کے مشکل مسائل · حیاتیاتی علوم · Nature (computational biology) · 2026-10-21

فنگل انفیکشن کے مائیکرو ماحول میں مدافعتی بچاؤ کے طریقہ کاروں کی تشریح کے لیے مقامی میٹابولومکس سے رہنمائی یافتہ ڈیپ لرننگ فریم ورک

اصل عنوان: Spatial metabolomics-guided deep learning framework for dissecting immune evasion mechanisms in fungal infection microenvironments

یہ تحقیق ان فضائی طور پر منظم میٹابولک سرکٹس کو ہدف بناتی ہے جو حملہ آور انفیکشنز میں فنگل پیتھوجینز کو میزبان کی مدافعت سے بچنے کے قابل بناتے ہیں، اور یہ انفیکشنز مدافعتی نظام کے کمزور مریضوں میں اعلیٰ شرح اموات کا باعث بنتے ہیں۔ چوہوں کی حملہ آور پھیپھڑوں کی aspergillosis بافتوں کی اعلیٰ ریزولوشن سپیشل میٹابولومکس کو ایک attention سے بہتر ملٹی اسکیل convolutional نیٹ ورک کے ساتھ جوڑتے ہوئے، یہ فریم ورک انفیکشن کا مرکز، مدافعتی دراندازی کا علاقہ، اور منتقلی حدی زون کو ماہر پیتھالوجسٹ کی نشان دہیوں کے مقابل اوسط 0.887 Dice گتانک کے ساتھ الگ کرتا ہے۔ پھر neural ordinary differential equations کے ساتھ ایک variational graph autoencoder ظاہر کرتا ہے کہ میٹابولائٹ–مدافعتی تعامل نیٹ ورکس 24–72 گھنٹوں میں کیسے ارتقا پذیر ہوتے ہیں، جس میں kynurenine کو سب سے زیادہ مرکزیت والے ہب میٹابولائٹ کے طور پر درجہ دیا جاتا ہے اور ایک مفروضہ میٹابولک tipping point کو 36 اور 48 گھنٹوں کے درمیان رکھا جاتا ہے۔

اصل تحریر پڑھیں ↗

تمام آئٹمز →