مدل‌های پیشرفته هوش مصنوعی در حوزه ژنتیک به‌طور موفقیت‌آمیزی برای بررسی بیماری پارکینسون به کار گرفته شدند و توانستند عوامل ژنتیکی احتمالی که بر بیماری پارکینسون تاثیر می‌گذارند و داروهایی که می‌توانند برای درمان این بیماری مورد استفاده مجدد قرار گیرند، شناسایی کنند.
تحقیقات انجام‌شده توسط تیمی از مرکز ژنوم کلینیک کلیولند در مجله npj Parkinson’s Disease منتشر شده است. در این مطالعه، هوش مصنوعی برای ترکیب و تجزیه و تحلیل داده‌های مختلف ژنتیکی، پروتئینی، دارویی و بیماری‌های بیماران استفاده شد تا الگوهایی شناسایی شود که ممکن است با تحلیل تنها یک نوع داده قابل مشاهده نباشند.
دکتر “لیجون دو” نویسنده اصلی مطالعه گفت: «بیماری پارکینسون دومین اختلال نورودژنراتیو شایع‌ترین است، پس از دمانس، اما هنوز راهی برای متوقف یا کند کردن پیشرفت آن در میلیون‌ها نفری که با این بیماری زندگی می‌کنند، نداریم؛ بهترین چیزی که اکنون می‌توانیم انجام دهیم، مدیریت علائم به محض بروز آنها است.»
چالش اصلی در ساخت ترکیباتی که روند پیشرفت بیماری پارکینسون را متوقف یا معکوس کند، این است که هنوز مشخص نشده کدام ژن‌ها مسئول بروز علائم بیماری هستند، به‌ویژه که بسیاری از جهش‌های ژنتیکی شناخته شده در نواحی غیرکد کننده DNA قرار دارند که بر عملکرد ژن‌ها تأثیر می‌گذارند.
با استفاده از مدل هوش مصنوعی خود، تیم تحقیقاتی توانستند واریانت‌های ژنتیکی مرتبط با بیماری پارکینسون را با داده‌های مربوط به DNA و بیان ژن‌های خاص مغز تطبیق دهند. این تجزیه و تحلیل‌ها به شناسایی ژن‌های پرخطر، از جمله SNCA و LRRK2 کمک کرد که برخی از آنها با ایجاد التهاب در مغز مرتبط هستند.
تیم تحقیقاتی همچنین بررسی کرد که آیا داروهای موجود می‌توانند برای هدف‌گیری این ژن‌ها مورد استفاده مجدد قرار گیرند. به‌عنوان مثال، داروی کلسترول پایین‌آورنده «سیمواستاتین» در افرادی که مصرف می‌کردند، خطر ابتلا به بیماری پارکینسون را کاهش می‌دهد.
دکتر “فیکسینگ چنگ” مدیر تیم تحقیقاتی اعلام کرد که گام بعدی، آزمایش پتانسیل درمانی داروی سیمواستاتین در آزمایشگاه و همچنین بررسی داروهای ایمنی‌کاه و ضداضطراب است.
این مطالعه نشان داد که استفاده از روش‌های هوش مصنوعی می‌تواند زمان و منابع لازم برای شناسایی داروهای جدید و یافتن راهکارهای درمانی را به‌شدت کاهش دهد.
کد خبر ۲۰۱۰۳۱۱۱۵.۲۲۸
منبع: theengineer
