Такие лекарства, как декстрометорфан, используемые для лечения кашля, вызванного простудой и гриппом, потенциально могут быть перепрофилированы для того, чтобы помочь людям бросить курить сигареты, говорится в исследовании, проведенном учеными Медицинского колледжа штата Пенсильвания и Университета Миннесоты. Они разработали новый метод машинного обучения, когда компьютерные программы анализируют наборы данных для выявления закономерностей и тенденций, для выявления лекарств и сообщили, что некоторые из них уже проходят клинические испытания.
Курение сигарет является фактором риска сердечно-сосудистых, онкологических и респираторных заболеваний и является причиной почти полумиллиона смертей в США каждый год. Хотя поведению, связанному с курением, можно научиться и разучиться, генетика также играет определенную роль в риске, связанном с этим поведением. В предыдущем исследовании ученые обнаружили, что люди с определенными генами более склонны к табачной зависимости.
Используя генетические данные более чем 1,3 миллиона человек, Дацзян Лю, доктор философии, профессор наук об общественном здоровье, биохимии и молекулярной биологии, и Бибо Цзян, доктор философии, доцент наук об общественном здоровье, совместно возглавили большое исследование с участием нескольких институтов, в котором использовалось машинное обучение для изучения этих больших массивов данных, включающих конкретные данные о генетике человека и его самоописании поведения, связанного с курением.
Исследователи выявили более 400 генов, связанных с поведением курильщика. Поскольку у человека могут быть тысячи генов, им предстояло определить, почему некоторые из этих генов связаны с поведением курильщика. Гены, несущие инструкции по производству никотиновых рецепторов или участвующие в сигнализации гормона дофамина, который помогает людям чувствовать себя расслабленными и счастливыми, имели легко объяснимые связи. Для остальных генов исследовательской группе пришлось определить, какую роль каждый из них играет в биологических путях, и, используя эту информацию, выяснить, какие лекарства уже одобрены для изменения этих путей.
Большинство генетических данных в исследовании получено от людей с европейскими корнями, поэтому модель машинного обучения должна была быть адаптирована не только для изучения этих данных, но и для меньшего набора данных, включающего около 150 000 людей с азиатскими, африканскими или американскими корнями.
Лю и Цзян работали над проектом вместе с более чем 70 учеными. Они выявили как минимум восемь лекарств, которые потенциально могут быть перепрофилированы для борьбы с курением, например, декстрометорфан, который обычно используется для лечения кашля, вызванного простудой и гриппом, и галантамин, который используется для лечения болезни Альцгеймера. Исследование было опубликовано в журнале Nature Genetics сегодня, 26 января.
«Повторное использование лекарств с помощью больших биомедицинских данных и методов машинного обучения может сэкономить деньги, время и ресурсы», – сказал Лю, исследователь Института рака штата Пенсильвания и Института наук о жизни штата Пенсильвания. «Некоторые из выявленных нами препаратов уже проходят клинические испытания на способность помочь курильщикам бросить курить, но есть и другие возможные кандидаты, которые могут быть изучены в ходе будущих исследований».
Хотя метод машинного обучения смог включить небольшой набор данных из разных родословных, Цзян считает, что исследователям по-прежнему важно создавать генетические базы данных из людей с разными родословными.
«Это только повысит точность, с которой модели машинного обучения смогут выявлять людей, подверженных риску злоупотребления наркотиками, и определять потенциальные биологические пути, которые могут быть направлены на полезное лечение».
Среди других авторов проекта из Медицинского колледжа – Фан Чен, Синьян Ванг, Дилан Вайсенкампен, Чачрит, Кхунсрираксакул, Лина Янг, Ренан Саутеро, Оливия Маркс и Карин Мусса. Они заявляют об отсутствии конфликтов интересов.
Это исследование было поддержано Национальным институтом здравоохранения (гранты R01HG008983, R56HG011035, R01HG011035, R56HG012358, R01GM126479, R21AI160138 и R03OD032630) и программой биомедицинской информатики и искусственного интеллекта в стратегическом плане Медицинского колледжа штата Пенн. Мнение авторов не обязательно совпадает с мнением финансирующих организаций.
Курение сигарет является фактором риска сердечно-сосудистых, онкологических и респираторных заболеваний и является причиной почти полумиллиона смертей в США каждый год. Хотя поведению, связанному с курением, можно научиться и разучиться, генетика также играет определенную роль в риске, связанном с этим поведением. В предыдущем исследовании ученые обнаружили, что люди с определенными генами более склонны к табачной зависимости.
Используя генетические данные более чем 1,3 миллиона человек, Дацзян Лю, доктор философии, профессор наук об общественном здоровье, биохимии и молекулярной биологии, и Бибо Цзян, доктор философии, доцент наук об общественном здоровье, совместно возглавили большое исследование с участием нескольких институтов, в котором использовалось машинное обучение для изучения этих больших массивов данных, включающих конкретные данные о генетике человека и его самоописании поведения, связанного с курением.
Исследователи выявили более 400 генов, связанных с поведением курильщика. Поскольку у человека могут быть тысячи генов, им предстояло определить, почему некоторые из этих генов связаны с поведением курильщика. Гены, несущие инструкции по производству никотиновых рецепторов или участвующие в сигнализации гормона дофамина, который помогает людям чувствовать себя расслабленными и счастливыми, имели легко объяснимые связи. Для остальных генов исследовательской группе пришлось определить, какую роль каждый из них играет в биологических путях, и, используя эту информацию, выяснить, какие лекарства уже одобрены для изменения этих путей.
Большинство генетических данных в исследовании получено от людей с европейскими корнями, поэтому модель машинного обучения должна была быть адаптирована не только для изучения этих данных, но и для меньшего набора данных, включающего около 150 000 людей с азиатскими, африканскими или американскими корнями.
Лю и Цзян работали над проектом вместе с более чем 70 учеными. Они выявили как минимум восемь лекарств, которые потенциально могут быть перепрофилированы для борьбы с курением, например, декстрометорфан, который обычно используется для лечения кашля, вызванного простудой и гриппом, и галантамин, который используется для лечения болезни Альцгеймера. Исследование было опубликовано в журнале Nature Genetics сегодня, 26 января.
«Повторное использование лекарств с помощью больших биомедицинских данных и методов машинного обучения может сэкономить деньги, время и ресурсы», – сказал Лю, исследователь Института рака штата Пенсильвания и Института наук о жизни штата Пенсильвания. «Некоторые из выявленных нами препаратов уже проходят клинические испытания на способность помочь курильщикам бросить курить, но есть и другие возможные кандидаты, которые могут быть изучены в ходе будущих исследований».
Хотя метод машинного обучения смог включить небольшой набор данных из разных родословных, Цзян считает, что исследователям по-прежнему важно создавать генетические базы данных из людей с разными родословными.
«Это только повысит точность, с которой модели машинного обучения смогут выявлять людей, подверженных риску злоупотребления наркотиками, и определять потенциальные биологические пути, которые могут быть направлены на полезное лечение».
Среди других авторов проекта из Медицинского колледжа – Фан Чен, Синьян Ванг, Дилан Вайсенкампен, Чачрит, Кхунсрираксакул, Лина Янг, Ренан Саутеро, Оливия Маркс и Карин Мусса. Они заявляют об отсутствии конфликтов интересов.
Это исследование было поддержано Национальным институтом здравоохранения (гранты R01HG008983, R56HG011035, R01HG011035, R56HG012358, R01GM126479, R21AI160138 и R03OD032630) и программой биомедицинской информатики и искусственного интеллекта в стратегическом плане Медицинского колледжа штата Пенн. Мнение авторов не обязательно совпадает с мнением финансирующих организаций.
