با داروی سرماخوردگی سیگار کشیدن را ترک کنید - مجله جگوار

محققان یک روش یادگیری ماشینی تازه ایجاد کردند که در آن برنامه های کامپیوتری مجموعه داده ها را برای الگو ها و روند ها تجزیه و تحلیل می نمایند تا دارو ها را شناسایی نمایند و اعلام کردند که بعضی از آن ها در حال حاضر در آزمایش های بالینی در حال آزمایش هستند.

سیگار عامل خطر برای بیماری های قلبی عروقی، سرطان و بیماری های تنفسی است و سالانه باعث حدود نیم میلیون مرگ در آمریکا می گردد.سیگار کشیدن را می توان آموخت، هر چند ژنتیک نیز در این رفتار سوء نقش دارد.

محققان در یک مطالعه قبلی دریافتند افرادی که دارای ژن های خاص هستند، بیشتر محتمل است به دخانیات معتاد شوند.

دکتر داجیانگ لیو استاد علوم بهداشت عمومی با استفاده از داده های ژنتیکی بیش از 1.3 میلیون نفر، رهبری یک پژوهش بزرگ را بر عهده داشت. این داده ها درباره ژنتیک افراد و رفتار های سیگار کشیدن گزارش شده است.

محققان بیش از 400 ژن مرتبط با رفتار های سیگار کشیدن را شناسایی کردند. از آنجایی که یک فرد می تواند هزاران ژن داشته باشد، باید معین می شد که چرا بعضی از این ژن ها با رفتار های سیگار کشیدن مرتبط هستند.

ژن هایی که حاوی دستورالعمل هایی برای فراوری گیرنده های نیکوتین هستند یا در سیگنال دهی هورمون دوپامین که به افراد احساس آرامش و شادی می دهد دخیل هستند، ارتباط های قابل فهمی داشتند.

برای ژن های به جای مانده، تیم تحقیقاتی باید نقش هر کدام را در مسیر های بیولوژیکی معین می کرد و با استفاده از آن اطلاعات، متوجه می شد که چه دارو هایی قبلاً برای اصلاح مسیر های موجود تأیید شده اند.

بیشتر داده های ژنتیکی در این مطالعه از افرادی با نژاد اروپایی است، بنابراین مدل یادگیری ماشینی باید نه تنها برای مطالعه آن داده ها، بلکه مجموعه داده های کوچک تری از حدود 150000 نفر با اجداد آسیایی، آفریقایی یا آمریکایی طراحی گردد.بیش از 70 دانشمند روی این پروژه کار کردند.

آن ها 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 گردد و گالانتامین که برای درمان بیماری آلزایمر استفاده می گردد.این مطالعه در Nature Genetics منتشر شده است.

استفاده مجدد از دارو ها با استفاده از داده های وسیع زیست پزشکی و روش های یادگیری ماشینی می تواند در هزینه، زمان و منابع صرفه جویی کند.

دکتر جیانگ گفت: هنوز برای محققان مهم است که پایگاه های داده ژنتیکی از افراد با اجداد مختلف بسازند تا مسیر های بیولوژیکی بالقوه ای را برای درمان های مفید مورد هدف قرار دهند.

منبع: مدیکال اکسپرس - خبرنگاران