واحد مشترک کمکی پژوهش و مهندسی «هوش یار-تواندار»     (HT-CSURE)

واحد مشترک کمکی پژوهش و مهندسی «هوش یار-تواندار» (HT-CSURE)

Hooshyar-Tavandar Common Subsidiary Unit for Research & Engineering
واحد مشترک کمکی پژوهش و مهندسی «هوش یار-تواندار»     (HT-CSURE)

واحد مشترک کمکی پژوهش و مهندسی «هوش یار-تواندار» (HT-CSURE)

Hooshyar-Tavandar Common Subsidiary Unit for Research & Engineering

کشف داروهای جوانسازی با بکارگیری هوش مصنوعی

با هوش مصنوعی جوان بمانید

با هوش مصنوعی جوان بمانید
گروه علمی:تحقیقات پیشرفته در حوزه هوش مصنوعی سه ترکیب را شناسایی کرده است که بیماری‌های مرتبط با افزایش سن را هدف قرار می‌دهند؛ شناسایی موفقیت‌آمیز این سه ترکیب شیمیایی دارای توانایی قابل توجهی برای هدف قرار دادن سلول‌های نادرست مرتبط با پیری است.
 
به گزارش ایسنا، این رویکرد پیشگامانه، فناوری هوش مصنوعی را با تلاش‌های توسعه دارو ترکیب می‌کند به این معنی که به‌طور قابل توجهی مقرون به صرفه‌تر از روش‌های غربالگری مرسوم خواهد بود و امکان کشف این ترکیبات را فراهم می‌کند.
الگوریتم‌های هوش مصنوعی؛ داروهای ضد پیری امیدوارکننده
یافته‌های مطالعه جدید نشان می‌دهد که داروهای شناسایی شده با این روش، پتانسیل این را دارند که به‌طور موثر و ایمن سلول‌های پیری را که سلول‌های معیوب مرتبط با طیف وسیعی از بیماری‌ها مانند سرطان، بیماری آلزایمر، کاهش بینایی و تحرک مرتبط با افزایش سن هستند را از بین ببرند.

اگرچه تحقیقات قبلی برخی از پتانسیل‌های اولیه را نشان داده است، شناسایی مواد شیمیایی که قادر به هدف قرار دادن و از بین بردن ایمن سلول‌های پیر هستند، محدود باقی مانده است. به گفته محققان، چالش در این واقعیت نهفته است که بسیاری از داروهای سنولیتیک سمیت بالایی نسبت به سلول‌های طبیعی و سالم در بدن نشان می‌دهند.

سنولیتیک‌ها مولکول‌هایی هستند که سلول‌های پیر را هدف قرار داده و آنها را از بین می‌برند و با این روش از روند پیری جلوگیری می‌کنند. دانشمندان بیان کردند حتی اگر سنولیتیک‌ها با تاخیر در زندگی مورد استفاده قرار گیرند، قادر به کاهش میزان سلول‌های پیر خواهند بود.

محققان دانشگاه ادینبورگ، به رهبری گروهی از دانشمندان، روشی نوآورانه ایجاد کرده‌اند که از هوش مصنوعی (AI) برای شناسایی داروهای سنولیتیک استفاده می‌کند. این گروه با استفاده از داده‌های بیش از ۲۵۰۰ ساختار شیمیایی استخراج شده از مطالعات گذشته، با موفقیت یک مدل یادگیری ماشینی را برای تشخیص ویژگی‌های ضروری مرتبط با مواد شیمیایی دارای فعالیت سنولیتیک آموزش داد. متعاقبا، گروه با استفاده از مدل‌های خود، غربالگری جامع بیش از ۴۰۰۰ ماده شیمیایی را انجام داد که منجر به شناسایی ۲۱ داروی احتمالی برای ارزیابی تجربی بیشتر شد.

حذف سلول‌های پیر؛ غلبه بر چالش‌ها
آزمایش‌هایی که در سلول‌های انسانی در محیط آزمایشگاه انجام شد، از قابلیت قابل توجه سه ماده شیمیایی به نام‌های جینگژین، پری‌پلوسین و اولاندرین برای از بین بردن سلول‌های پیر و حفظ یکپارچگی سلول‌های سالم پرده‌برداری کرد.

قابل توجه است، هر سه ترکیب از منابع طبیعی موجود در داروهای گیاهی سنتی، همانطور که توسط گروه تحقیقاتی برجسته شده است، مشتق شده‌اند. علاوه بر این، اولاندرین در مقایسه با داروی سنولیتیک پیشرو فعلی در دسته خود، اثربخشی برتری را نشان داد.

دکتر ونسا اسمر-بارتو، محقق اصلی موسسه ژنتیک و سرطان دانشگاه ادینبورگ و دانشکده انفورماتیک، نظرات خود را در مورد این موضوع بیان کرد: «این کار از همکاری فشرده بین دانشمندان داده، شیمیدانان و زیست‌شناسان حاصل شد. با بهره‌گیری از نقاط قوت این ترکیب بین رشته‌ای، ما توانستیم مدل‌های قوی بسازیم و با استفاده از داده‌های منتشر شده برای آموزش مدل، در هزینه‌های غربالگری صرفه‌جویی کنیم. امیدوارم این کار فرصت‌های جدیدی را برای تسریع استفاده از این فناوری هیجان‌انگیز باز کند.»

کشف داروی مبتنی بر هوش مصنوعی؛ نوآوری های دانشگاه ادینبورگ
این مطالعه که در مجله معتبر Nature Communications منتشر شده، از سوی موسسات مختلف ازجمله شورای تحقیقات پزشکی، تحقیقات سرطان انگلستان، بریتانیا حمایت شده است. همچنین از طریق مرکز تحقیق و نوآوری انگلستان (UKRI)، شورای تحقیقات ملی اسپانیا و همکاری محققان دانشگاه کانتابریا، اسپانیا و موسسه آلن تورینگ نیز تقویت شده است.

این مطالعه نشان‌دهنده نقطه عطف مهمی در زمینه علوم رایانه و هوش مصنوعی (AI) است که بر اساس تاریخ غنی دانشگاه ادینبورگ در این رشته‌هاست که ۶ دهه را در بر می‌گیرد.برای تجلیل از این دستاوردها و کشف آینده علوم رایانه و هوش مصنوعی در ادینبورگ، مجموعه‌ای از رویدادهای یک ساله برنامه‌ریزی شده است.

دکتر دیگو اویارزون از دانشکده انفورماتیک و دانشکده علوم زیستی دانشگاه ادینبورگ گفت: «این مطالعه نشان می‌دهد که هوش مصنوعی می‌تواند به‌طور باورنکردنی در شناسایی نامزدهای دارویی جدید، به ویژه در مراحل اولیه کشف دارو همچنین برای بیماری‌هایی با بیولوژی پیچیده یا تعداد کمی از اهداف مولکولی شناخته شده موثر باشد و به ما کمک کند».

نظرات 0 + ارسال نظر
برای نمایش آواتار خود در این وبلاگ در سایت Gravatar.com ثبت نام کنید. (راهنما)
ایمیل شما بعد از ثبت نمایش داده نخواهد شد