درمان اعتیاد به مواد افیونی با یادگیری ماشینی

تقریباً چهل میلیون فرد در سرتاسر جهان، از اختلالات مصرف مواد افیونی رنج می برند و هر ساله درصد زیادی از این افراد، در اثر مصرف بیش از حد مواد مخدر جان خود را از دست می دهند. مواد مخدر از جمله هروئین، فنتانیل، اکسی کدون و مورفین، گیرنده های مواد افیونی را در مغز فعال می کنند.
سه گونه اصلی از گیرنده‌ های اپیوئید عبارتند از  μ، δ و  κ؛ فعال شدن گیرنده ‌های μ -اپیوئید باعث تسکین درد و سرخوشی اما در عین حال وابستگی فیزیکی و کاهش تنفس می ‌شود که در صورت مصرف بیش از حد ممکن است منجر به مرگ ‌شود. مطالعات پیش بالینی نشان داده ‌اند که مسدود کردن گیرنده ‌های κ –اپیوئید، می تواند یک رویکرد دارویی امیدوارکننده برای درمان اعتیاد به مواد افیونی ارائه دهد.
محققان انجمن بیوفیزیک توضیح داده اند، بررسی مدل های حیوانی نشان داده اند که مسدود کردن فعالیت گیرنده های κ –اپیوئید، نیاز به استفاده از مواد مخدر در دوره ترک را کاهش می دهد.

با این حال، کشف داروهایی که ممکن است بتوانند فعالیت یک پروتئین مثل گیرنده های κ –اپیوئید را مسدود کنند، یک فرآیند طولانی و پرهزینه است. استفاده از ابزارهای محاسباتی می تواند نتیجه کارآمدتری را ارئه دهد، اما غربالگری میلیاردها ترکیب شیمیایی ممکن است ماه ها طول بکشد. در عوض، دانشمندان از هوش مصنوعی (AI) برای بهینه‌ سازی این فرآیند استفاده کرده اند.

پژوهشگران افزوده اند، هوش مصنوعی، می ‌تواند حجم عظیمی از اطلاعات را دریافت کرده و آموزش ببیند تا الگوهای آن را تشخیص دهد.

 بنابراین یادگیری ماشینی می ‌تواند به ما در استفاده از اطلاعات به دست آمده از پایگاه ‌های داده بزرگ، برای طراحی داروهای جدید کمک کند. به این ترتیب، می توان به طور بالقوه در زمان و هزینه های مرتبط با کشف دارو صرف جویی کرد.
آنها با استفاده از اطلاعات مربوط به گیرنده κ –اپیوئید و داروهای شناخته شده، یک مدل کامپیوتری را برای تولید ترکیباتی که ممکن است این گیرنده را مسدود کنند، آموزش دادند.
تا کنون، تیم تحقیقاتی چندین ترکیب را شناسایی کرده اند که دارای خواص امیدوارکننده هستند و محققان در حال آزمایش توانایی هر یک از آنها در مسدود کردن گیرنده κ –اپیوئید در سلول ها هستند، پژوهشگران اظهار داشته اند، ما امیدواریم که یافته های ما، برای افرادی که با اعتیاد دست و پنجه نرم می کنند، مفید باشند.
یافته های تحقیقاتی در نشست سالانه انجمن بیوفیزیک در سن دیگو، کالیفرنیا ارائه شدند.