راهبردی نوین؛
به گزارش گروه فناوری خبرگزاری دانشجو، محققان موسسه فناوری ماساچوست (MIT) از یادگیری ماشینی برای شناسایی جفت دارو‌هایی با مولکول کوچک و مواد غیرفعال استفاده کرده‌اند که خودآرایی داده و به‌صورت نانوذرات در می‌آیند و با این کار می‌توان دارو‌های جدید تولید کرد.
فرمولاسیون نانوذرات می‌تواند بر محدودیت‌های دارویی دارو‌های با مولکول کوچک غلبه کند. با این حال، فرآیند تولید نانوذرات از فرمولاسیونی به فرمولاسیونی دیگر بسیار متفاوت است. برخی از ترکیبات دارویی و مواد افزودنی به راحتی خودآرایی داده و به شکل نانوذرات در می‌آیند، نانوذراتی که محموله‌های زیادی از دارو را حمل می‌کنند. برخی دیگر از ترکیبات به سختی ساخته می‌شوند و مقدار کمی از دارو را حمل می‌کنند.
تلاش برای ارائه فرمولاسیون نانوذرات با مشکلات و محدودیت‌هایی روبرو است، دلیل این امر ناتوانایی در پیش‌بینی اینکه چه مخلوطی از مواد اولیه دارای ظرفیت بارگیری بالایی هستند. برای رفع این محدودیت، محققان MIT با استفاده از یادگیری ماشین و آزمایش توان عملیاتی بالا، اقدام به شناسایی فرمولاسیون موثر کردند.
در این مقاله محققان به ارزیابی ۷۸۸ مولکول کوچک درمانی و ۲،۶۸۶ ماده کمکی تایید شده پرداختند. این بلوک‌های سازنده منجر به ۲٫۱ میلیون جفت ترکیب جدید شد. محققان از این جفت‌سازی‌ها، ۱۰۰ نانوذره خودآرا را شناسایی کرده و به مشخصه‌یابی دو فرمولاسیون از آن‌ها پرداختند.
یکی از فرمولاسیون‌ها شامل سورافنیب، ماده فعال موجود در نکساوار و عصاره ریشه شیرین‌بیان، گلیسیریزین بود. فرمول دیگر، داروی ضدقارچ تربینافین و اسید توروکولیک بود. پژوهشگران به بررسی این دو فرمولاسیون در محیط درون‌تنی و برون‌تنی پرداختند.
پژوهشگران معتقداند که می‌توان از این فناوری برای بهینه‌سازی فرمولاسیون تمامی دارو‌ها استفاده کرد. این پلتفورم می‌تواند مجموعه‌هایی از مواد مناسب برای افرادی که به برخی مواد خاص حساسیت دارند، پیشنهاد دهد.
دانیل رکر از محققان این پروژه می‌گوید: «ما با این فناوری فرصتی داریم تا در مورد تطبیق سیستم رهایش به هر بیمار فکر کنیم. ما می‌توانیم موارد مهمی مانند میزان جذب دارو، ژنتیک و حتی آلرژی را برای هر فرد مشخص کرده و متناسب با آن دارو را برای همان فرد فرموله کنیم که با این کار عوارض جانبی دارو به حداقل می‌رسد.»
ارسال نظرات