تا به امروز حدود ۸۰ نوع سنولیتیک شناخته و کشف شده، اما تنها دو مورد از آنها روی انسان آزمایش شده است. یافتن سنولیتیکهای بیشتری، که بتوانند در درمان بیماریهای مختلف مورد استفاده قرار گیرند، ده تا ۲۰ سال طول میکشد و میلیاردها دلار هزینه خواهد داشت تا وارد بازار شود.
هوش مصنوعی توانست سه مولکول جدید کشف کند، که روند پیری را کند میکند و از بیماریهای مرتبط به افزایش سن جلوگیری میکنند.
به گزارش خبرآنلاین، یافتن و ساختن داروهای جدید کاری دشوار، پرهزینه و زمان بری است. اما به لطف نوعی هوش مصنوعی به نام "یادگیری ماشین" میتوان به این روند سرعت بخشید و آن را با کسری از هزینه معمول انجام داد.
سنولیتیکها باعث از بین رفتن سلولهای پیر یا همان سلولهای زامبی میشوند. آنها سلولهایی هستند که از نظر متابولیک، فعال و زنده محسوب میشوند و اجازه تکثیر سلولهای پیر را نمیدهند. این ویژگی باعث میشود تا جلوی گسترش سلولهای آسیب دیده گرفته شود. چرا که سلولهای پیر ترکیبی از خود ترشح میکنند که حاوی پروتئینهای التهابی هستند باعث میشوند تا سلولهای کناری هم آسیب ببینند. به طوری عادی سلولهای پوست به طور معمول در معرض آسیبهای متعددی هستند که از اشعه ماوراء بنفش گرفته تا قرار گرفتن در معرض مواد شیمیایی شامل این آسیبها میشوند و موضوع سلولهای پیر هم آن را بیشتر میکند.
تا به امروز حدود ۸۰ نوع سنولیتیک شناخته و کشف شده، اما تنها دو مورد از آنها روی انسان آزمایش شده است. یافتن سنولیتیکهای بیشتری، که بتوانند در درمان بیماریهای مختلف مورد استفاده قرار گیرند، ده تا ۲۰ سال طول میکشد و میلیاردها دلار هزینه خواهد داشت تا وارد بازار شود.
افزایش تعداد سلولهای زامبی در طیف وسیعی از بیماریها، از جمله دیابت نوع ۲، کووید، فیبروز ریوی، آرتروز و سرطان دیده میشوند. مطالعات برروی موشهای آزمایشگاهی نشان داده است که از بین بردن سلولهای پیر با استفاده از سنولیتیکها میتواند این بیماریها را بهبود بخشد. این داروها میتوانند سلولهای زامبی را از بین ببرند و در عین حال سلولهای سالم را زنده نگه دارند.
به این ترتیب دانشمندان تصمیم گرفتند با استفاده از هوش مصنوعی یادگیری ماشین، که قادر به یادگیری است، موارد جدیدی را برای داروهای سنولیتیک آموزش دهند. محققان این مدل هوش مصنوعی را با نمونههایی از سنولیتیکها و غیر سنولیتیکها آشنا کردند تا آن بتواند بین این دو مورد تمایز قائل شوند و قادر به پیشبینی در زمینه سنولیتیک بودن یا نبودن مولکولهای بررسی نشده باشد.
همچنین آنها از سوی دیگر برای حل مشکلات این هوش مصنوعی معمولا دادهها را ابتدا روی طیف وسیعی از مدلهای مختلف آزمایش کردند؛ زیرا برخی از آنها نسبت به بقیه بهتر عمل کردند. برای تعیین بهترین مدل، در ابتدای فرآیند، بخش کوچکی از دادههای آموزشی موجود را جدا کرده و آن را تا پایان فرآیند آموزشی از مدل مخفی نگه داشتند. سپس از این دادههای آزمایشی برای تعیین تعداد خطاهای مدل استفاده کرده و موردی که کمترین خطا را داشته، به عنوان گزینه بهتر انتخاب شده. بعد از تعیین بهترین مدل، آن را برای پیش بینی شدند تنظیم کردند و به آن ۴۳۴۰ مولکول اضافه کردند و پنج دقیقه بعد لیستی از نتایج برای آنها ارائه شد.
مدل هوش مصنوعی ۲۱ مولکول با امتیاز بالا را شناسایی کرده که به نظر میرسد احتمال بالایی دارند که سنولیتیک باشند. محققین این داروها را روی دو نوع سلول سالم و پیر آزمایش کردند و نتایج نشان داد که از ۲۱ ترکیب، سه ترکیب (پریپلوسین، اولئاندرین و جینگتین) توانستند سلولهای پیر را از بین ببرند و در عین حال بیشتر سلولهای طبیعی را زنده نگه دارند. آنها این سنولیتیک جدید را تحت آزمایشات بیشتری قرار دادند تا در مورد نحوه عملکرد آنها در بدن اطلاعات بیشتری کسب کنند. آزمایشهای بیولوژیکی دقیقتر نشان داد که از بین سه دارو، اولئاندرین مؤثرتر داروی سنولیتیک شناخته شده در نوع خود است.
به این ترتیب، مدلهای هوش مصنوعی میتوانند کار شگفتانگیزی را که شیمیدانان و زیستشناسان برای یافتن درمانهای بیماریها انجام میدهند، سرعت بخشند. دانشمندان اکنون در حال آزمایش سه سنولیتیک دیگر در بافت ریه انسان هستند و انتظار میرود تا دو سال دیگر نتایج آن اعلام شود.
منبع: ساینسآلرت