شناسایی ۳ ماده شیمیایی ضد پیری با هوش مصنوعی

محققان از یک مدل یادگیری ماشینی برای شناسایی سه ترکیبی که می توانند با پیری مبارزه کنند، استفاده کرده اند. دانشمندان می گویند رویکرد آنها می تواند راهی موثر برای شناسایی داروهای جدید، به ویژه برای بیماری های پیچیده باشد.

به گزارش سیناپرس، تقسیم سلولی برای رشد بدن ما و برای بازسازی بافت ها ضروری است. پیری سلولی پدیده ای را توصیف می کند که در آن سلول ها به طور دائمی تقسیم نمی شوند اما در بدن باقی مانده و باعث آسیب بافت و پیری در اندام ها و سیستم های بدن می شوند.

به طور معمول، سلول های پیر توسط سیستم ایمنی ما از بدن پاک می شوند. اما، با افزایش سن، سیستم ایمنی بدن ما در پاکسازی این سلول ها کمتر موثر است و تعداد آنها افزایش می یابد. افزایش سلول های پیر با بیماری هایی مانند سرطان، بیماری آلزایمر و علائم بارز پیری مانند بدتر شدن بینایی و کاهش تحرک مرتبط است. با توجه به اثرات مضر بالقوه بر روی بدن، تلاش هایی برای ایجاد جوانسازی یا senolytics موثر وجود دارد، ترکیباتی که سلول های پیر را پاک می کنند.

اکنون، مطالعه ‌ای که توسط محققان دانشگاه ادینبورگ در اسکاتلند انجام شده است، از روشی پیشگام برای جستجوی مواد شیمیایی استفاده کرده که می ‌تواند به طور ایمن و موثر این سلول‌های معیوب را از بین ببرد. محققان یک مدل یادگیری ماشینی توسعه داده و به آن آموزش دادند تا ویژگی های کلیدی مواد شیمیایی با خواص سنولیتیک را تشخیص دهد. داده‌های آموزشی مدل از منابع متعدد، از جمله مقالات دانشگاهی و پتنت‌های تجاری، و با ترکیبات دو کتابخانه شیمیایی موجود که حاوی طیف وسیعی از ترکیبات مورد تایید سلزمان غذا و دارو یا مرحله بالینی هستند، ادغام شد.

محققان دریافتند که سه ماده شیمیایی جینکژتین، پری پلوسین و اولاندرین سلول‌های پیر را بدون آسیب رساندن به سلول‌های سالم حذف می ‌کنند. از بین این سه مورد، اولئاندرین مؤثرترین بود. هر سه محصول طبیعی هستند که در داروهای گیاهی سنتی یافت می شوند.

اولئاندرین (Oleandrin) از گیاه خرزهره (Nerium oleander) استخراج می شود و دارای خواصی شبیه به داروی دیگوکسین است که برای درمان نارسایی قلبی و برخی ریتم های غیر طبیعی قلب (آریتمی) استفاده می شود. مطالعات نشان داده است که اولاندرین دارای خواص ضد سرطانی، ضد التهابی، ضد ویروس ایدز، ضد میکروبی و آنتی اکسیدانی است. اولئاندرین فراتر از سطوح درمانی بسیار سمی است که در انسان پنجره بسیار باریکی بوده و مانع کاربرد بالینی آن می شود. به این ترتیب، توسط آژانس های نظارتی به عنوان یک داروی تجویزی یا مکمل غذایی تایید نشده است.

محققان می گویند یافته های آنها نشان می دهد که این ترکیبات دارای قدرتی قابل مقایسه یا بالاتر از توصیفات مطالعات قبلی هستند. مهمتر از آن، پژوهشگران می گویند، روش مبتنی بر یادگیری ماشینی آنها بسیار کارآمد بوده و تعداد ترکیباتی را که نیاز به غربالگری داشتند تا بیش از ۲۰۰ برابر کاهش داد.

دیگو اویارزون (Diego Oyarzún) پژوهشگر مسئول این مطالعه گفت: این مطالعه نشان می ‌دهد که هوش مصنوعی می ‌تواند در شناسایی داروهای جدید، به‌ ویژه در مراحل اولیه کشف دارو و بیماری‌هایی با زیست‌شناسی پیچیده یا اهداف مولکولی کمی شناخته شده، به‌طور باورنکردنی مؤثر باشد.

شرح کامل این مطالعه در مجله Nature Communications منتشر شده است.

مترجم: فرگا غفاری

No tags for this post.