Penn State College of Medicine araştırmacıları, insanların sigarayı bırakmalarına yardımcı olmak için yeniden kullanılabilecek sekiz ilacı belirlemeye yardımcı oldu. 70’den fazla araştırmacıdan oluşan bir ekip, 1,3 milyondan fazla kişinin genetik ve sigara içme davranışı verilerinin analizine katkıda bulunmuştur. Kredi: Penn State College of Medicine için Ella Maru Studio
Penn State College of Medicine ve Minnesota Üniversitesi’ndeki araştırmacılar tarafından yürütülen bir araştırmaya göre, yaygın olarak kullanılan dekstrometorfan gibi bazı ilaçlar soğuk algınlığı ve gribin neden olduğu öksürüğü tedavi etmek için, bireylerin sigarayı bırakmasına yardımcı olmak için yeniden kullanılabilir. Araştırmacılar, potansiyele sahip ilaçları belirlemek için kalıpları ve eğilimleri ortaya çıkarmak üzere bilgisayar algoritmalarının veri kümelerini incelediği son teknoloji bir makine öğrenimi yaklaşımı kullandı. Bu ilaçlardan bazıları hâlihazırda klinik deneylerden geçmektedir.
Sigara içimi, kalp-damar hastalıkları, kanser ve solunum yolu hastalıklarına önemli bir katkıda bulunur ve Amerika Birleşik Devletleri’nde her yıl yaklaşık yarım milyon ölümden sorumludur. Sigara içme alışkanlıkları geliştirilip değiştirilebilse de, genetik de bir kişinin bu tür davranışlarda bulunma olasılığında rol oynar. Önceki bir çalışmada araştırmacılar, belirli genetik özelliklere sahip bireylerin tütün bağımlısı olmaya daha yatkın olduklarını keşfettiler.
1,3 milyondan fazla kişiden elde edilen genetik verileri kullanarak, Ph.D., halk bilimleri profesörü Dajiang Liu sağlık bilimleri ve biyokimya ve moleküler biyoloji ve halk sağlığı bilimleri yardımcı doçenti olan Ph.D. bir kişinin genetiği ve kendi bildirdiği sigara içme davranışları.
Araştırmacılar, sigara içme davranışlarıyla ilgili 400’den fazla gen belirledi. Bir kişinin binlerce geni olabileceğinden, bu genlerden bazılarının neden sigara içme davranışlarıyla bağlantılı olduğunu belirlemeleri gerekiyordu. Nikotin reseptörlerinin üretimi için talimatlar taşıyan veya insanları rahat ve mutlu hissettiren dopamin hormonunun sinyalleşmesinde yer alan genlerin anlaşılması kolay bağlantıları vardı. Araştırma ekibinin, kalan genler için her birinin biyolojik yollarda oynadığı rolü belirlemesi ve bu bilgiyi kullanarak, bu mevcut yolları değiştirmek için halihazırda hangi ilaçların onaylanmış olduğunu bulması gerekiyordu.
Çalışmadaki genetik verilerin çoğu kökeni Avrupalı insanlardan geliyordu, bu nedenle makine öğrenimi modelinin yalnızca bu verileri değil, aynı zamanda Asya, Afrika veya Amerika kökenli yaklaşık 150.000 kişiden oluşan daha küçük bir veri kümesini de inceleyecek şekilde uyarlanması gerekiyordu.
Liu ve Jiang, projede 70’den fazla bilim insanı ile çalıştı. Soğuk algınlığı ve gribin neden olduğu öksürükleri tedavi etmek için yaygın olarak kullanılan dekstrometorfan ve Alzheimer hastalığını tedavi etmek için kullanılan galantamin gibi sigarayı bırakmak için potansiyel olarak yeniden değerlendirilebilecek en az sekiz ilaç belirlediler. Çalışma Nature Genetics’te yayınlandı.
Penn Eyaleti Kanser Enstitüsü ve Penn Eyaleti Huck Enstitüleri’nden Liu, “Büyük biyomedikal verileri ve makine öğrenimi yöntemlerini kullanarak ilaçları yeniden kullanmak paradan, zamandan ve kaynaklardan tasarruf sağlayabilir” dedi. Yaşam Bilimleri araştırmacısı. “Belirlediğimiz ilaçlardan bazıları, sigara içenlerin bırakmasına yardımcı olma yetenekleri açısından halihazırda klinik deneylerde test ediliyor, ancak gelecekteki araştırmalarda keşfedilebilecek başka olası adaylar da var.”
Makine öğrenimi yöntemi Farklı atalardan gelen küçük bir veri kümesini dahil edebilen Jiang, araştırmacıların farklı atalara sahip bireylerden genetik veritabanları oluşturmasının hâlâ önemli olduğunu söyledi.
“Bu, yalnızca makine öğrenimi modellerinin tanımlayabileceği doğruluğu artıracaktır. kötüye kullanım riski taşıyan bireyleri tanımlayın ve faydalı tedaviler için hedeflenebilecek potansiyel biyolojik yolları belirleyin.”
Referans: “Çok soylu transkriptom çapında ilişkilendirme analizleri, tütün kullanımı biyolojisi ve uyuşturucunun yeniden kullanılmasına ilişkin içgörüler sağlar”, yazan Fang Chen , Xingyan Wang, Seon-Kyeong Jang, Bryan C. Quach, J. Dylan Weissenkampen, Chachrit Khunsriraksakul, Lina Yang, Renan Sauteraud, Christine M. Albert, Nicholette D. D. Allred, Donna K. Arnett, Allison E. Ashley-Koch, Kathleen C. Barnes, R. Graham Barr, Diane M. Becker, Lawrence F. Bielak, Joshua C. Bis, John Blangero, Meher Preethi Boorgula, Daniel I. Chasman, Sameer Chavan, Yii-Der I Chen, Lee-Ming Chuang, Adolfo Correa, Joanne E. Curran, Sean P. David, Lisa de las Fuentes, Ranjan Deka, Ravindranath Duggirala, Jessica D. Faul, Melanie E. Garrett, Sina A. Gharib, Xiuqing Guo, Michael E. Hall, Nicola L. Hawley, Jiang He, Brian D. Hobbs, John E. Hokanson, Chao A. Hsiung, Shih-Jen Hwang, Thomas M. Hyde, Marguerite R. Irvin, Andrew E. Jaffe, Eric O Johnson, Robert Kaplan, Sharon L. R. Kardia, Joel D. Kaufman, Tanika N. Kelly, Joel E. Kleinman, Charles Kooperberg, I-Te Lee, Daniel Levy, Sharon M. Lutz, Ani W. Manichaikul, Lisa W. Martin , Olivia Marx, Stephen T. McGarvey, Ryan L. Minster, Matthew Moll, Karine A. Moussa, Take Naseri, Kari E. North, Elizabeth C. Oelsner, Juan M. Peralta, Patricia A. Peyser, Bruce M. Psaty, Nicholas Rafaels, Laura M. Raffield, Muagututi’a Sefuiva Reupena, Stephen S. Rich, Jerome I. Rotter, David A. Schwartz, Aladdin H. Shadyab, Wayne H-H. Sheu, Mario Sims, Jennifer A. Smith, Xiao Sun, Kent D. Taylor, Marilyn J. Telen, Harold Watson, Daniel E. Weeks, David R. Weir, Lisa R. Yanek, Kendra A. Young, Kristin L. Young , Wei Zhao, Dana B. Hancock, Bibo Jiang, Scott Vrieze ve Dajiang J. Liu, 26 Ocak 2023, Nature Genetics.
DOI: 10.1038/s41588-022-01282-x{4 }
Çalışma, Stratejik Plan kapsamında Ulusal Sağlık Enstitüleri ve Penn Eyalet Tıp Fakültesi’nin Biyomedikal Bilişim ve Yapay Zeka Programı tarafından finanse edilmiştir. Yazarların görüşleri, fon sağlayanların görüşlerini yansıtmayabilir.