قام الباحثون مؤخرًا بتقديم نهج مبتكر في التعلم الآلي لتنبؤ التفاعلات الدوائية بدقة. عن طريق استخدام نماذج الأنسجة والخوارزميات المتقدمة ، وضعوا طريقة يمكنها تحديد التفاعلات الدوائية المحتملة ، مما يعزز بشكل كبير سلامة المرضى وفعالية العلاج.
تتضمن منهجية الفريق استراتيجية ثنائية الجوانب. أولاً ، يستخدمون نماذج أنسجة تم تطويرها في عام 2020 لمحاكاة امتصاص الدواء في المختبر. عن طريق تثبيط بعض البروتينات الناقلة باستخدام سلاسل رنا قصيرة ، يحصل الباحثون على رؤية لأدوار البروتينات الناقلة الفردية في مسارات امتصاص الدواء ، مما يسلط الضوء على آليات نقل الدواء عبر الجهاز الهضمي.
وثانياً ، يستفيد الباحثون من خوارزميات التعلم الآلي التي تم تدريبها على البيانات التجريبية وقواعد البيانات الدوائية لتوقع التفاعلات الدوائية المحتملة. من خلال تحليل التشابهات الكيميائية بين الأدوية ، يتنبأ النموذج بدقة بالتفاعلات مع البروتينات الناقلة الفردية. تتيح هذه القدرة فحص كل من الأدوية الحالية والتجريبية ، مما يحسن في نهاية المطاف فهم تأثيرات سلامة الدواء.
من خلال هذا النهج الانقلابي ، تم تحديد تفاعلات دوائية غير معترف بها سابقًا ، مثل التفاعل بين مضاد حيوي ومضاد للتخثر. ويؤكد ترافيرسو على أهمية هذا النهج ، مشيرًا إلى أنه “يمنحك القدرة على فهم التأثيرات السلامية المحتملة لإعطاء هذه الأدوية معًا.” ومن المؤكد أن هذا الأسلوب يحسن سلامة تركيبات الأدوية الحالية ويعد وعدًا لتحسين تطوير الأدوية الجديدة.
عند النظر إلى المستقبل ، يهدف الباحثون إلى تعزيز سلامة وفعالية الأدوية المستقبلية من خلال ضبط صيغ الأدوية للحد من التفاعلات أو تحسين الامتصاص. فإن فيفتيكس ، شركة الأحياء التي تم تأسيسها بواسطة باحثي MIT ، تقود حاليًا تطبيق هذه التقنية لتطوير أنظمة توصيل الأدوية الفموية المبتكرة.
The source of the article is from the blog hashtagsroom.com