از زندگی در دنیای واقعی لذت ببرید

ترک اعتیاد به دنیای مجازی

ترک اعتیاد با هوش‌مصنوعی

تقریبا سه‌میلیون آمریکایی از اختلال مصرف مواد افیونی رنج می‌برند و هرساله بیش از ۸۰هزار آمریکایی براثر مصرف بیش از حد موادمخدر جان خود را از دست می‌دهند.
کد خبر: ۱۳۹۹۳۲۷

موادمخدر مانند هروئین، فنتانیل، اکسی‌کدون و مرفین، گیرنده‌های مواد افیونی را فعال می‌کنند. فعال‌کردن گیرنده‌های افیونی به تسکین درد، سرخوشی و وابستگی فیزیکی و کاهش تنفس منجر می‌شود که درصورت مصرف بیش از حد دارو به مرگ منجر می‌شود. مطالعات پیش‌بالینی نشان داده‌اند که مسدود کردن گیرنده‌های مواد افیونی ممکن است یک رویکرد دارویی امیدوارکننده برای درمان وابستگی به مواد افیونی ارائه دهد.
با کشف داروهایی که گیرنده کاپا ــ افیونی را مهار می‌کنند، لزلی سالاس استرادا، در آزمایشگاه مارتا فیلیزولا امیدوار است که اعتیاد به مواد افیونی را کاهش دهد. سالاس استرادا، محقق فوق‌دکتری، کار خود را در روز دوشنبه 20 فوریه در شصت‌وهفتمین نشست سالانه انجمن بیوفیزیک در سن‌دیگو، کالیفرنیا ارائه خواهد کرد. گیرنده‌های کاپا ــ افیونی به‌عنوان واسطه پاداش‌های مغز شناخته شده‌اند.
سالاس استرادا توضیح داد: «اگر معتاد هستید و در تلاش برای ترک آن هستید، در برخی مواقع با علائم ترک مواجه خواهید شد و غلبه بر آنها می‌تواند واقعا سخت باشد. پس از قرار گرفتن در معرض مواد افیونی زیاد، مغز شما دوباره به داروهای بیشتری نیاز دارد. مسدود کردن فعالیت گیرنده اپیوئیدی کاپا در مدل‌های حیوانی نشان داده شده است که این نیاز به استفاده از دارو در دوره ترک را کاهش می‌دهد.
بااین‌حال، کشف داروهایی که می‌توانند فعالیت یک پروتئین را مسدود کنند، مانند گیرنده کاپا ــ افیونی، می‌تواند یک فرآیند طولانی و پرهزینه باشد. استفاده از ابزارهای محاسباتی می‌تواند آن را کارآمدتر کند اما غربالگری میلیاردها ترکیب شیمیایی ممکن است ماه‌ها طول بکشد. درعوض سالاس استرادا از هوش‌مصنوعی (AI) برای بهینه‌سازی فرآیند استفاده می‌کند.
«هوش‌مصنوعی این مزیت را دارد که می‌تواند حجم عظیمی از اطلاعات را بگیرد و یاد بگیرد که الگوها را از آن تشخیص دهد. بنابراین، ما بر این باوریم که یادگیری ماشینی می‌تواند به ما کمک کند تا اطلاعاتی را که می‌توان از پایگاه‌های داده شیمیایی بزرگ به‌دست‌آورد، برای طراحی داروهای جدید از ابتدا به کار برد. و به این ترتیب، ما به‌طور بالقوه می‌توانیم زمان و هزینه‌های مرتبط با کشف دارو را کاهش دهیم.» آنها با استفاده از اطلاعات مربوط به گیرنده کاپا ــ‌ اپیوئید و داروهای شناخته‌شده، یک مدل رایانه‌ای را برای تولید ترکیباتی که ممکن است گیرنده را مسدود کنند، با یک الگوریتم یادگیری تقویتی آموزش دادند که به خواصی که برای درمان‌های دارویی مطلوب است پاداش می‌دهد.

منبع: ضمیمه کلیک روزنامه جام‌جم

newsQrCode
ارسال نظرات در انتظار بررسی: ۰ انتشار یافته: ۰

نیازمندی ها