شناسایی سریع نانوذرات خودآرا با یادگیری ماشینی - مجله سرگرمی

به گزارش گروه فناوری خبرنگاران، با وارد شدن دارو به بدن، ممکن است دارو تحت تاثیر بدن قرار گرفته و اثربخشی آن کاهش یابد. برای برطرف این مشکل طراحان دارو به دنبال یافتن بهترین ترکیبات دارویی هستند. محققان موسسه فناوری ماساچوست از یادگیری ماشینی برای برطرف این مشکل استفاده کردند.

تحقیقات نشان داده است که بعضی از ترکیبات دارو های ضدسرطان با رنگ کوچک ترکیب شده و به صورت نانوذرات خودآرایی می دهند که این نانوذرات ظرفیت حمل بالایی دارند. اما پیش بینی اینکه کدام مولکول کوچک از میان میلیون ها جفت احتمالی، نانوذرات مناسب را تشکیل دهند، سخت است. محققان MIT پلتفرم غربالگری جدیدی ارائه نموده اند که ترکیبی از یادگیری ماشین با آزمایش توان بالا برای شناسایی سریع نانوذرات خودآرا است.

به منظور توسعه یک الگوریتم یادگیری ماشین که قادر به شناسایی نانوذرات خودآرا باشد، محققان ابتدا احتیاج به ایجاد مجموعه داده ای داشتند که الگوریتم بتواند روی آن آموزش ببیند. آن ها 16 داروی کوچک خودآرا با مولکول های کوچک با انواع ساختار های شیمیایی و کاربرد های درمانی و مجموعه متنوعی از 90 ترکیبات گسترده در دسترس را انتخاب کردند، از جمله موادی که قبلاً به دارو ها اضافه شده اند تا طعم آن ها بهتر گردد، ماندگاری بیشتری داشته باشند یا باعث بیشتر شدن پایداری آن ها گردد.

پژوهشگران این پروژه 2.1 میلیون جفت مولکول کوچک و مواد دارویی غیبرطرفال را غربال کردند و 100 نانوذره جدید را با کاربرد های بالقوه که شامل درمان سرطان، آسم، مالاریا و عفونت های ویروسی و قارچی است، شناسایی کردند.

محققان پس از آنالیز انواع ترکیبات و جفت ذرات در نهایت شش نانوذره را برای تحقیقات بیشتر انتخاب کردند، از جمله سورافنیب، ماده ای که معمولاً برای سرطان کبد و سایر سرطان ها استفاده می گردد؛ گلیسیریزین، ترکیبی که به عنوان افزودنی غذایی و دارویی اغلب استفاده می گردد و به عنوان طعم دهنده شیرین بیان شناخته می گردد. اگرچه سورافنیب استاندارد مراقبت از سرطان کبد پیشرفته است، اما تأثیر آن محدود است.

جیووانی تراورسو، محقق حوزه مهندسی مکانیک می گوید: ما قبلاً بعضی از تأثیرات منفی و مثبتی را که مواد غیبرطرفال می توانند بر دارو ها داشته باشند، توضیح داده ایم و در این پروژه جدید رویکردی ارائه کردیم که بر تأثیرات مثبت بالقوه ای که می توانند روی فرمولاسیون نانو داشته باشند، متمرکز است.

یافته های آن ها به استراتژی اشاره دارد که هم مشکل پیچیدگی فراوری نانوذرات و هم مشکل بارگیری مقدار زیادی دارو درون نانوذرات را حل می نماید.

دانیل رکر، نویسنده اصلی این مطالعه درآزمایشگاه رابرت لانگر، می گوید: بنابراین بسیاری از دارو ها به دلیل عدم هدف گیری کافی، فراهمی زیستی کم یا متابولیسم سریع دارو، توانایی بالقوه درمانی بالایی ندارند. با استفاده از نتایج این پروژه در رابطه با علم داده، یادگیری ماشین و تحویل دارو، امید ما این است که به سرعت مجموعه ابزار های خود را برای اطمینان از رسیدن دارو به مکان مورد احتیاج گسترش دهیم و در واقع بتوانیم دارو هایی با اثربخشی بالاتر فراوری کنیم.

اسلیم فا: اسلیم فا: مجله دوخت و دوز، طراحی لباس و انتخاب لباس