[ad_1]
بر اساس مطالعه کالج پزشکی پن ایالتی و محققان دانشگاه مینه سوتا، داروهایی مانند دکسترومتورفان که برای درمان سرفه های ناشی از سرماخوردگی و آنفولانزا استفاده می شود، به طور بالقوه می توانند برای کمک به ترک سیگار به افراد کمک کنند. آنها یک روش یادگیری ماشینی جدید ایجاد کردند که در آن برنامه های کامپیوتری مجموعه داده ها را برای الگوها و روندها تجزیه و تحلیل می کنند تا داروها را شناسایی کنند و گفتند که برخی از آنها در حال حاضر در آزمایش های بالینی در حال آزمایش هستند.
سیگار عامل خطر بیماری های قلبی عروقی، سرطان و بیماری های تنفسی است و سالانه حدود نیم میلیون مرگ را در ایالات متحده به همراه دارد. در حالی که رفتارهای سیگار کشیدن را می توان آموخت و یاد نگرفت، ژنتیک نیز در خطر درگیر شدن در آن رفتارها نقش دارد. محققان در یک مطالعه قبلی دریافتند افرادی که دارای ژنهای خاصی هستند، بیشتر در معرض اعتیاد به دخانیات هستند.
با استفاده از داده های ژنتیکی بیش از 1.3 میلیون نفر، داجیانگ لیو، دکترا، استاد علوم بهداشت عمومی، و بیوشیمی و زیست شناسی مولکولی و بیبو جیانگ، دکتری، استادیار علوم بهداشت عمومی، به طور مشترک رهبری کردند. مطالعه چند مؤسسهای بزرگ که از یادگیری ماشینی برای مطالعه این مجموعه دادههای بزرگ استفاده کرد – که شامل دادههای خاصی در مورد ژنتیک یک فرد و رفتارهای سیگار کشیدن خود گزارش شده است.
محققان بیش از 400 ژن مرتبط با رفتارهای سیگار کشیدن را شناسایی کردند. از آنجایی که یک فرد می تواند هزاران ژن داشته باشد، آنها باید تعیین می کردند که چرا برخی از این ژن ها با رفتارهای سیگار کشیدن مرتبط هستند. ژنهایی که حاوی دستورالعملهایی برای تولید گیرندههای نیکوتین هستند یا در سیگنالدهی هورمون دوپامین، که به افراد احساس آرامش و شادی میدهد، دخیل هستند، ارتباطهای قابل فهمی داشتند. برای ژنهای باقیمانده، تیم تحقیقاتی باید نقش هر کدام را در مسیرهای بیولوژیکی تعیین میکرد و با استفاده از آن اطلاعات، متوجه میشد که چه داروهایی قبلاً برای اصلاح مسیرهای موجود تأیید شدهاند.
بیشتر دادههای ژنتیکی در این مطالعه از افرادی با اجداد اروپایی است، بنابراین مدل یادگیری ماشینی باید طوری طراحی شود که نه تنها آن دادهها را مطالعه کند، بلکه مجموعه دادههای کوچکتری شامل حدود 150000 نفر با اجداد آسیایی، آفریقایی یا آمریکایی را نیز مطالعه کند.
لیو و جیانگ با بیش از 70 دانشمند روی این پروژه کار کردند. آنها حداقل هشت دارو را شناسایی کردند که به طور بالقوه می توانند برای ترک سیگار استفاده شوند، مانند دکسترومتورفان، که معمولا برای درمان سرفه های ناشی از سرماخوردگی و آنفولانزا استفاده می شود، و گالانتامین، که برای درمان بیماری آلزایمر استفاده می شود. این مطالعه در منتشر شد ژنتیک طبیعت در 26 ژانویه.
لیو، محقق انستیتوی سرطان ایالت پن و پژوهشگر علوم زیستی دانشگاه پن ایالت هاک، گفت: استفاده مجدد از داروها با استفاده از داده های بزرگ زیست پزشکی و روش های یادگیری ماشینی می تواند در هزینه، زمان و منابع صرفه جویی کند. برخی از داروهایی که ما شناسایی کردیم در حال حاضر در آزمایشهای بالینی برای کمک به ترک سیگار مورد آزمایش قرار میگیرند، اما هنوز نامزدهای احتمالی دیگری وجود دارد که میتوانند در تحقیقات آینده مورد بررسی قرار گیرند.
در حالی که روش یادگیری ماشینی قادر به ترکیب مجموعه کوچکی از دادهها از اجداد مختلف بود، جیانگ گفت که هنوز برای محققان مهم است که پایگاههای داده ژنتیکی از افراد با اجداد مختلف بسازند.
این تنها دقتی را که مدلهای یادگیری ماشینی میتوانند افراد در معرض خطر سوء استفاده از مواد مخدر را شناسایی کنند و مسیرهای بیولوژیکی بالقوهای را که میتوانند برای درمانهای مفید مورد هدف قرار گیرند، بهبود بخشد.
اطلاعات بیشتر:
فانگ چن و همکاران، انجمن گسترده رونویسی چند اجدادی، بینش هایی را در مورد زیست شناسی مصرف دخانیات و استفاده مجدد از مواد مخدر تجزیه و تحلیل می کند. ژنتیک طبیعت (2023). DOI: 10.1038/s41588-022-01282-x
ارائه شده توسط دانشگاه ایالتی پنسیلوانیا
نقل قول: یادگیری ماشینی داروهایی را شناسایی می کند که به طور بالقوه می توانند به ترک سیگار کمک کنند (2023، 27 ژانویه) در 27 ژانویه 2023 از https://medicalxpress.com/news/2023-01-machine-drugs-potentially-smokers.html بازیابی شده است.
این برگه یا سند یا نوشته تحت پوشش قانون کپی رایت است. به غیر از هرگونه معامله منصفانه به منظور مطالعه یا تحقیق خصوصی، هیچ بخشی بدون اجازه کتبی قابل تکثیر نیست. محتوای مذکور فقط به هدف اطلاع رسانی ایجاد شده است.
[ad_2]