ΣΥΝΕΙΔΗΣΗΤεχνολογιαΕρευνητές ανέπτυξαν εργαλείο μηχανικής μάθησης που εντοπίζει υποψήφια φάρμακα για την καρδιά

Ερευνητές ανέπτυξαν εργαλείο μηχανικής μάθησης που εντοπίζει υποψήφια φάρμακα για την καρδιά

Ερευνητές ανέπτυξαν εργαλείο μηχανικής μάθησης που εντοπίζει υποψήφια φάρμακα για την καρδιά

Επιστήμονες του Πανεπιστημίου της Βιρτζίνια (UVA) στις ΗΠΑ ανέπτυξαν ένα εργαλείο μηχανικής μάθησης που εντοπίζει φάρμακα τα οποία συμβάλλουν στην πρόληψη των επιβλαβών ουλών μετά από καρδιακή προσβολή ή άλλους τραυματισμούς.

Το νέο εργαλείο μηχανικής μάθησης έχει ήδη βρει ένα πολλά υποσχόμενο υποψήφιο φάρμακο που βοηθά στην πρόληψη των επιβλαβών ουλών της καρδιάς με τρόπο που διαφέρει από τα άλλα. Οι ερευνητές εξήγησαν ότι το πρωτοποριακό υπολογιστικό μοντέλο τους έχει τη δυνατότητα να προβλέψει και να εξηγήσει τις επιδράσεις των φαρμάκων και για άλλες ασθένειες.

«Πολλές κοινές ασθένειες, όπως οι καρδιακές και οι μεταβολικές παθήσεις και ο καρκίνος, είναι πολύπλοκες και δύσκολα θεραπεύσιμες», δήλωσε ο ερευνητής Άντερς Νέλσον, υπολογιστικός βιολόγος και πρώην φοιτητής στο εργαστήριο του UVA.

«Η μηχανική μάθηση μας βοηθά να μειώσουμε αυτή την πολυπλοκότητα, να εντοπίσουμε τους πιο σημαντικούς παράγοντες που συμβάλλουν στην ασθένεια και να κατανοήσουμε καλύτερα πώς μπορούν τα φάρμακα να τροποποιήσουν τα νοσούντα κύτταρα», πρόσθεσε.

«Από μόνη της, η μηχανική μάθηση μας βοηθά να εντοπίσουμε κυτταρικές υπογραφές που παράγονται από φάρμακα», δήλωσε ο Τζέφρι Σόσερμαν καθηγητής στο Τμήμα Βιοϊατρικής Μηχανικής του UVA.

«Η γεφύρωση της μηχανικής μάθησης με την ανθρώπινη μας βοήθησε όχι μόνο να προβλέψουμε φάρμακα κατά της ίνωσης [ουλές] αλλά και να εξηγήσουμε πώς λειτουργούν. Αυτή η γνώση είναι απαραίτητη για τον σχεδιασμό κλινικών δοκιμών και τον εντοπισμό πιθανών παρενεργειών, συμπλήρωσε.

Συνδυάζοντας τη μηχανική με την ανθρώπινη μάθηση

Ο Σόσερμαν και η ομάδα του συνδύασαν ένα υπολογιστικό μοντέλο που βασίζεται σε δεκαετίες ανθρώπινης γνώσης με μηχανική μάθηση για να κατανοήσουν καλύτερα πώς τα φάρμακα επηρεάζουν τα κύτταρα που ονομάζονται ινοβλάστες. Αυτά τα κύτταρα βοηθούν στην αποκατάσταση της καρδιάς μετά από τραυματισμό, παράγοντας κολλαγόνο και συστέλλοντας το τραύμα. Ωστόσο μπορούν και να προκαλέσουν επιβλαβείς ουλές, που ονομάζονται ίνωση, ως μέρος της διαδικασίας επιδιόρθωσης.

Προηγούμενες προσπάθειες εντοπισμού φαρμάκων που στοχεύουν τους ινοβλάστες έχουν επικεντρωθεί μόνο σε επιλεγμένες πτυχές της συμπεριφοράς των ινοβλαστών και ο τρόπος με τον οποίο αυτά τα φάρμακα δρουν συχνά παραμένει ασαφής. Αυτό το κενό γνώσεων αποτέλεσε μια σημαντική πρόκληση για την ανάπτυξη στοχευμένων θεραπειών για την καρδιακή ίνωση. Έτσι, οι ερευνητές ανέπτυξαν μια νέα προσέγγιση που επιλέγει τα υποψήφια φάρμακα και προβλέπει πώς αυτά επηρεάζουν τη συμπεριφορά των ινοβλαστών.

Ξεκίνησαν εξετάζοντας την επίδραση 13 πολλά υποσχόμενων φαρμάκων σε ανθρώπινους ινοβλάστες και στη συνέχεια χρησιμοποίησαν αυτά τα δεδομένα για να εκπαιδεύσουν το μοντέλο τους ώστε να προβλέπει τις επιδράσεις των φαρμάκων στα κύτταρα και τον τρόπο συμπεριφοράς τους. Το μοντέλο μπόρεσε να προβλέψει μια νέα εξήγηση για το πώς λειτουργεί το φάρμακο πιρφενιδόνη, που έχει ήδη εγκριθεί από τον ομοσπονδιακό Οργανισμό Τροφίμων και Φαρμάκων των ΗΠΑ για την ιδιοπαθή πνευμονική ίνωση.

Οι ερευνητές σημείωσαν πως απαιτείται περαιτέρω έρευνα για να επιβεβαιωθεί ότι τα φάρμακα λειτουργούν όπως προβλέπεται σε ζωικά μοντέλα και σε ανθρώπους.

«Ελπίζουμε ότι αυτό αποτελεί ένα παράδειγμα για το πώς η μηχανική και η ανθρώπινη μάθηση μπορούν να συνεργαστούν για να ανακαλύψουν αλλά και να κατανοήσουν πώς δρουν τα νέα φάρμακα», δήλωσε ο Σόσερμαν.

Τα ευρήματα δημοσιεύθηκαν στο περιοδικό «Proceedings of the National Academy of Sciences».

ΠΗΓΗ: Medicalxpress

ΔΙΑΒΑΣΤΕ ΕΠΙΣΗΣ