شناسایی داروهای موثر كووید-۱۹ با كمك یك روش یادگیری ماشینی
کوتاه کننده لینک: پژوهشگران ˮدانشگاه ام آی تیˮ در بررسی جدید خود، یک روش مبتنی بر یادگیری ماشینی ابداع نموده اند که می تواند داروهای موثر کووید-19 را شناسایی کند.
به گزارش کوتاه کننده لینک به نقل از ایسنا و به نقل از وب سایت رسمی دانشگاه ام آی تی، با شروع شیوع بیماری همه گیر کووید-۱۹ در اوایل سال ۲۰۲۰، پزشکان و پژوهشگران، تلاش خودرا برای یافتن روش های درمانی موثر شروع کردند. "کارولین اولر"(Caroline Uhler)، از پژوهشگران "دانشگاه ام آی تی"(MIT) اظهار داشت: ساخت داروهای جدید، زمان بر است و تنها گزینه مناسب می تواند استفاده مجدد از داروهای موجود باشد.
اولر و گروهش، روشی مبتنی بر یادگیری ماشینی ابداع نموده اند که می تواند داروهای موجود در بازار که احتمال مقابله با کووید-۱۹ را خصوصاً در بزرگسالان دارند، شناسایی کند. این سیستم، تغییرات بیان ژن در سلول های ریه را که بواسطه بیماری و افزایش سن ایجاد می شوند، بررسی می کند. شاید این کار، به پژوهشگران حوزه پزشکی امکان دهد تا با سرعت بیشتری به آزمایش بالینی داروها در بیماران مسن بپردازند که نشانه های شدیدتر بیماری را تجربه می کنند. پژوهشگران، پروتئین "RIPK1" را بعنوان یک هدف امیدوارکننده برای کووید-۱۹ مشخص کردند و به شناسایی سه داروی تایید شده پرداختند که بر بیان RIPK1 تاثیر می گذارند.
در شروع همه گیری کووید-۱۹ مشخص شد که این بیماری، به افراد مسن تر بیش از جوانان لطمه می رساند. اولر و گروهش تمایل داشتند که دلیل آنرا مشخص کنند. اولر اظهار داشت: فرضیه رایج، پیر شدن سیستم ایمنی بدن است اما عامل دیگر موثر در این مساله می تواند یکی از تغییرات اساسی ریه باشد که بواسطه پیر شدن رخ می دهد. این تغییر، سفت شدن ریه است.
بافت ریه در حال سفت شدن، الگوهای متفاوتی از بیان ژن را نسبت به ریه افراد جوان تر نشان میدهد. اولر افزود: بررسی های پیشین نشان دادند که اگر سلول ها روی یک لایه سفت تر با سیتوکین تحریک شوند، شبیه به کاری که ویروس انجام می دهد، به ژن های متفاوتی تبدیل می شوند. ما باید پیر شدن را به همراه کروناویروس بررسی نماییم و به بررسی ژن ها در تلاقی این دو مسیر بپردازیم.
پژوهشگران برای انتخاب داروهای تایید شده که ممکنست در این مسیرها عمل کنند، به داده های گسترده و هوش مصنوعی روی آوردند. آنها لیست بزرگی از داروهای بالقوه را با کمک یک روش یادگیری ماشینی موسوم به "خودرمزگذار"(autoencoder) فراهم کردند. سپس به نقشه برداری از شبکه ژن ها و پروتئین هایی پرداختند که هم در عفونت های ناشی از پیر شدن و هم در عفونت های ناشی از کروناویروس نقش دارند. پژوهشگران نهایتا الگوریتم های آماری را به کار گرفتند تا روابط علت و معلولی شبکه را درک کنند و به شناسایی ژن هایی بپردازند که اثرات ناگهانی را در شبکه پدید می آورند. داروهایی که این دسته از ژن ها و پروتئین ها را هدف قرار می دهند، می توانند گزینه های امیدوارکننده ای برای آزمایش های بالینی باشند.
پژوهشگران برای تولید لیست ابتدایی از داروهای احتمالی، به دو مجموعه کلیدی از الگوهای بیان ژن تکیه کردند. یکی از پایگاه داده ها نشان داد که چگونه بیان ژن در سلول های گوناگون، نسبت به طیف وسیعی از داروهای موجود در بازار واکنش نشان میدهد و چگونه یک پایگاه داده دیگر، نسبت به عفونت ناشی از کروناویروس واکنش نشان میدهد. خودرمزگذار به جستجو در پایگاه داده ها پرداخت تا داروهایی را مشخص نماید که تاثیر آنها بر بیان ژن، خنثی کردن اثرات کروناویروس است. این کاربرد خودرمزگذار، چالش برانگیز است و به بینش های اساسی در مورد شبکه های عصبی نیاز دارد.
پژوهشگران در مرحله بعدی، لیست داروهای بالقوه را با ورود به مسیرهای اساسی ژنتیکی، محدود کردند. آنها به نقشه برداری از پروتئین هایی پرداختند که در مسیرهای عفونت ناشی از پیری و ناشی از کروناویروس دخیل بودند. سپس نواحی تلاقی میان دو نقشه را شناسایی نمودند. این تلاش، شبکه دقیق بیان ژن را مشخص کرد و نشان داد که دارویی برای مقابله با کووید-۱۹ در بیماران مسن مورد نیاز است.
"آناستازیا بلیایوا"(Anastasiya Belyaeva)، از پژوهشگران این پروژه اظهار داشت: ما می خواهیم دارویی را شناسایی نماییم که روی همه این ژن های متفاوت اثر بگذارد.
پژوهشگران از الگوریتم هایی استفاده کردند تا روابط علت و معلولی سیستم هایی را که در تعامل هستند، درک کنند. شبکه نهایی، RIPK1 را بعنوان یک پروتئین/ ژن مورد نظر برای داروهای بالقوه کووید-۱۹ شناسایی کرد. پژوهشگران، لیستی از داروهای تایید شده را شناسایی نمودند که روی RIPK1 اثر دارند و ممکنست بتوانند کووید-۱۹ را درمان کنند. این داروها پیش تر برای درمان سرطان تایید شده بودند. سایر داروهای شناسایی شده مانند "ریباویرین"(Ribavirin) و "کوئیناپریل" (Quinapril)، هم اکنون در آزمایش های بالینی کووید-۱۹ مورد بررسی قرار دارند.
این پژوهش، در مجله "Nature Communications" به چاپ رسید.
منبع: gph.ir
این مطلب را می پسندید؟
(0)
(0)
تازه ترین مطالب مرتبط
نظرات بینندگان gph در مورد این مطلب