ساخت داروی ضد پیری باهوش مصنوعی
این روزها صحبت از هوش مصنوعی نیروی به عنوان محرکه بسیاری از پیشرفت های بزرگ به صورت جدی مطرح است. در حالی که چت روبات های فوق هوشمند شناخته شده ترین محصول این حوزه محسوب می شود، هوش مصنوعی تا آنجا پیش رفته است که با یکی از بزرگترین مشکلات بشریت یعنی پیری مبارزه کند.
به گزارش سیناپرس، تیمی از محققان دانشگاه ادینبورگ، با کمک و توسعه سیستم های یادگیری ماشینی موفق شدند، مجموعه ای از دارو های جدید ضد پیری را کشف کنند که می تواند یک آرزوی قدیمی بشر را محقق کند. بر این اساس گفته می شود یکی از شاخه های هوش مصنوعی، یادگیری ماشینی است که بر استفاده از داده‌ها برای تقلید از روشی که انسان ها مسائل را می آموزند، تمرکز داشته و هر چه داده های بیشتری را تحلیل کند، نتیجه بهتری به دست خواهد آورد.
در گذشته، از این نوع هوش مصنوعی برای ساخت روبات های شطرنج باز، ماشین های خودران و … استفاده می شد، اما به تازگی این الگوریتم خاص توسط محققان دانشگاه ادینبورگ برای ساخت یک داروی جدید مبارزه با پیری مورد استفاده قرار گرفت.
به طور کلی سنولیتیک ها (senolytics) اساساً نوعی دارویی هستند که می توانند پیری را کاهش داده و از بیماری های مرتبط با افزایش سن جلوگیری کنند. آن ها با از بین بردن سلول های معروف به سلول های پیر عمل می کنند. این سلول ها، عمدتا سلول های آسیب دیده هستند که قادر به تکثیر نبوده و معمولا موادی را آزاد می کنند که باعث التهاب می شوند.
دکتر ونسا اسمر بارتو، محقق موسسه ژنتیک و پزشکی مولکولی در دانشگاه ادینبورگ، برای تولید داروهای جدید مبتنی بر سنولیتیک از هوش مصنوعی بهره برده و در این رابطه می گوید: تولید داده های بیولوژیکی در این حوزه و توسط نیروی انسانی می تواند واقعاً گران بوده و در عین حال به صرف زمان زیادی حتی برای جمع آوری داده های آموزشی نیاز داشته باشد. به گزارش سیناپرس، آن چه رویکرد ما را نسبت به دیگران متفاوت کرد این است که سعی کردیم این مطالعه را با بودجه محدودی انجام دهیم. ما داده‌های آموزشی را از تحقیقات موجود اخذ کرده و چگونگی استفاده از آن را با یادگیری ماشینی برای سرعت بخشیدن به کارها بررسی کردیم.
وی در ادامه توضیحاتش افزود: با استفاده از یک الگوریتم یادگیری ماشینی، توانستیم سه گزینه امیدوارکننده برای این نوع داروها پیدا کنیم.
طی این پژوهش دکتر اسمر بارتو و همکارانش به یک مدل هوش مصنوعی نمونه هایی از senolytics و non-senolytics را ارائه کرده و به مدل آموزش دادند که بین این دو حوزه تمایز قائل شود.
به این ترتیب در مجموع اطلاعات ۴۳۴۰ مولکول به مدل یادگیری ماشینی وارد شده و فهرستی از نتایج تنها در پنج دقیقه به دست آمد. این مدل ۲۱ مولکول با امتیاز بالا را شناسایی کرده بود که به نظر می رسید احتمالاً سنولیتیک هستند. گفتنی است بدون مدل یادگیری ماشینی، این فرآیند می تواند هفته ها به طول انجامیده و نیازمند صرف مبالغ هنگفتی باشد. در نهایت، این ترکیبات دارویی بالقوه بر روی دو نوع سلول سالم و پیر آزمایش شدند.
به گزارش سیناپرس،از طریق این آزمایشات ، تیم پژوهشی دانشگاه ادینبورگ امیدوار است با پیری در بافت اندام های آسیب دیده مبارزه کند. البته باید توجه داشت که این داروها ابتدا باید مراحل زیادی را طی کنند و حتی اگر وارد بازار شوند، ابتدا آزمایش های مربوط به نگرانی های ایمنی را پشت سر بگذارند. در خاتمه گفتنی است نتایج این مطالعه دانشمندان را امیدوار کرده است که با کمک هوش مصنوعی بتوانند داروی جوانی دوباره را کشف کرده و بشر را به یکی از دیرینه ترین آرزوهایش برسانند.
مترجم: نداجوادهراتی
منبع: sciencefocus
No tags for this post.
