استفاده از هوش مصنوعی برای شکستن چرخه اعتیاد به مواد افیونی
استفاده از هوش مصنوعی برای شکستن چرخه اعتیاد به مواد افیونی -وقتی بن براون، استادیار پژوهشی شیمی، در مورد اپیدمی مواد افیونی فکر می کند، مشکل را در سطح مولکولی می بیند.
به گفته وی، مسکن هایی که به طور قانونی در پزشکی استفاده می شوند، مانند اکسی کدون، بسیار اعتیادآور هستند، اما درک بهتر نحوه تعامل مولکول های آنها با پروتئین ها در بدن می تواند به فرمولاسیون جایگزین های غیر اعتیادآور منجر شود.
در ماه مه، موسسه ملی سوء مصرف مواد مخدر به براون 1.5 میلیون دلار در مدت پنج سال برای پیشبرد کارش در این زمینه اهدا کرد.
براون، وابسته به مرکز تحقیقات اعتیاد Vanderbilt و مرکز هوش مصنوعی کاربردی در دینامیک پروتئین، در حال توسعه هوش مصنوعی است که میلیاردها داروی مخدر بالقوه را تجزیه و تحلیل میکند تا بینش دقیقی را در مورد نحوه تعامل آنها با پروتئین‌های کلیدی نشان دهد.
براون تحقیقات خود را بر روی گیرنده‌های مو-افیونی، سیگنال‌دهنده پروتئین‌هایی در سیستم عصبی مرکزی که با مواد افیونی متصل می‌شوند، متمرکز خواهد کرد.
این گیرنده ها درد، استرس، خلق و خو و سایر عملکردها را تعدیل می کنند. داروهایی که این گیرنده‌ها را هدف قرار می‌دهند، از قوی‌ترین مسکن‌ها هستند، اما همچنین اعتیادآورترین آنها هستند.
این کمک هزینه، جایزه Avenir در شیمی و فارماکولوژی اختلالات مصرف مواد، توسط NIDA به محققان در مراحل اولیه اعطا می شود که مطالعات بسیار نوآورانه ای را پیشنهاد می کنند و آینده علم اعتیاد را نشان می دهند.
انرژی و اشتیاق بن به علم و همکاری های علمی خود بی نظیر است و شایسته است که او به عنوان یک پیشگام جوان در رشته خود شناخته شود. بن یکی از مشارکت کنندگان فکری پشت تأسیس مرکز هوش مصنوعی کاربردی در دینامیک پروتئین است. من پیش‌بینی می‌کنم که بن پیشرفت‌های اساسی در چندین جنبه اصلی طراحی دارو به کمک رایانه داشته باشد.”
حسن مچائوراب، مدیر مرکز هوش مصنوعی کاربردی در دینامیک پروتئین و صندلی لوئیز بی مک‌گاوک و استاد فیزیولوژی مولکولی و بیوفیزیک
پلتفرم محاسباتی براون برهمکنش‌های دارو و پروتئین را به گونه‌ای مدل‌سازی میکند که حرکات فیزیکی پویا آنها را توضیح می‌دهد.
این حرکات، که تغییرات ساختاری نامیده می شوند، می توانند در چند میلی ثانیه اتفاق بیفتند و تفاوت زیادی در نحوه رفتار و اتصال یک پروتئین یا تعامل با یک داروی مولکولی کوچک ایجاد کنند.
با مدل‌سازی محاسباتی این حرکت، الگوریتم‌ها می‌توانند به‌طور مؤثرتری پیش‌بینی کنند که پروتئین‌ها و داروها چگونه با هم تعامل خواهند داشت و تأثیرات این فعل و انفعال را پیش‌بینی می‌کنند.
این اطلاعات برای غربالگری میلیاردها داروی بالقوه – مقیاس بی سابقه ای برای پروتئین های بسیار پویا – یا طراحی داروهای جدید با خواصی که منجر به عوارض جانبی اعتیاد آور کمتری می شود، استفاده می شود.
پلتفرم‌های محاسباتی که ساختار پروتئین‌ها و نحوه تعامل آنها با داروها را مدل‌سازی می‌کنند، از قبل وجود دارند، اما تا حد زیادی از تغییرات ساختاری غفلت می‌کنند و به خوبی پیش‌بینی می‌کنند که یک داروی جدید چگونه رفتار خواهد کرد. این تا حدی به دلیل کمبود داده های موجود برای الگوریتم های آموزشی است.
براون با مواد غنی از داده از محققان کریگ لیندزلی، هایدی هام و وسوولود وی. گورویچ از واندربیلت، ماتیاس الگتی از دانشگاه لایپزیگ و وو بیلی از موسسه شانگهای ماتریا مدیکا، مولکول‌ها و گیرنده‌های دارویی طراحی شده توسط آن را سنتز، اعتبار عملکردی و ساختاری مشخص میکند.
محققان پس از این بخش از کمک مالی، براون داده ها را به پلتفرم محاسباتی برمی گرداند تا بتوان از آن به عنوان نقطه شروع برای دورهای بیشتر بهینه سازی استفاده کرد؛ یک حلقه بازخورد تکراری محاسباتی-تجربی.
براون گفت: “شما می بینید که بیماران اطفال تحت عمل جراحی قرار می گیرند، و بعد از عمل از مواد افیونی استفاده می کنند و بعد از آن دچار مشکل می شوند. این واقعا ناراحت کننده است.”
“بنابراین هدف ارائه مسکن بدون خطر اعتیاد است. و برای کسانی که اعتیاد دارند، ارائه داروهای جدید برای کمک به بهبودی.”
علاوه بر مرکز هوش مصنوعی کاربردی در دینامیک پروتئین و VCAR، وابستگی های تحقیقاتی براون شامل مرکز زیست شناسی ساختاری و موسسه زیست شناسی شیمیایی واندربیلت است.
منبع:
