기계 학습은 잠재적으로 흡연자의 금연에 도움이 될 수 있는 약물을 식별합니다.

[아름이]

기계 학습은 잠재적으로 흡연자의 금연에 도움이 될 수 있는 약물을 식별합니다.
날짜:
2023년 1월 30일
원천:
펜 스테이트
요약:
새로운 연구에 따르면 감기와 독감으로 인한 기침을 치료하는 데 사용되는 덱스트로메토르판과 같은 약물이 잠재적으로 사람들이 담배를 끊도록 도울 수 있다고 합니다. 연구자들은 컴퓨터 프로그램이 패턴과 추세에 대한 데이터 세트를 분석하여 약물을 식별하는 새로운 기계 학습 방법을 개발했으며 일부는 이미 임상 시험에서 테스트되고 있다고 말했습니다.
ine과 University of Minnesota 연구원의 연구에 따르면, 감기와 독감으로 인한 기침을 치료하는 데 사용되는 덱스트로메토르판과 같은 약물이 사람들이 담배를 끊도록 돕기 위해 잠재적으로 용도가 변경될 수 있다고 합니다. 그들은 컴퓨터 프로그램이 패턴과 추세에 대한 데이터 세트를 분석하여 약물을 식별하는 새로운 기계 학습 방법을 개발했으며 일부는 이미 임상 시험에서 테스트되고 있다고 말했습니다.

흡연은 심혈관 질환, 암 및 호흡기 질환의 위험 요소이며 매년 미국에서 거의 50만 명이 사망합니다. 흡연 행동은 학습되거나 학습되지 않을 수 있지만, 유전학도 그러한 행동에 참여하는 사람의 위험에 중요한 역할을 합니다. 연구원들은 이전 연구에서 특정 유전자를 가진 사람들이 담배에 중독될 가능성이 더 높다는 사실을 발견했습니다.

공중 보건 과학 및 생화학 및 분자 생물학 교수인 Dajiang Liu 박사와 공중 보건 과학 조교수인 Bibo Jiang 박사는 130만 명 이상의 유전 데이터를 사용하여 기계 학습을 사용하여 이러한 대규모 데이터 세트를 연구하는 대규모 다중 기관 연구입니다. 여기에는 사람의 유전학 및 자체 보고 흡연 행동에 대한 특정 데이터가 포함됩니다.

연구원들은 흡연 행동과 관련된 400개 이상의 유전자를 확인했습니다. 한 사람이 수천 개의 유전자를 가질 수 있기 때문에 그 유전자 중 일부가 흡연 행동과 관련이 있는 이유를 결정해야 했습니다. 니코틴 수용체 생산에 대한 명령을 전달하거나 사람들을 편안하고 행복하게 만드는 호르몬 도파민 신호에 관여하는 유전자는 이해하기 쉬운 연결을 가졌습니다. 나머지 유전자에 대해 연구팀은 생물학적 경로에서 각각의 역할을 결정하고 해당 정보를 사용하여 기존 경로를 수정하기 위해 이미 승인된 약물을 파악해야 했습니다.

연구에 포함된 대부분의 유전 데이터는 유럽 조상을 가진 사람들의 것이므로 기계 학습 모델은 해당 데이터를 연구할 뿐만 아니라 아시아, 아프리카 또는 미국 조상을 가진 약 150,000명의 더 작은 데이터 세트에 맞게 조정되어야 했습니다.

Liu와 Jiang은 이 프로젝트에서 70명 이상의 과학자들과 함께 일했습니다. 그들은 감기와 독감으로 인한 기침을 치료하는 데 일반적으로 사용되는 덱스트로메토르판과 알츠하이머병을 치료하는 데 사용되는 갈란타민과 같이 잠재적으로 금연을 위해 용도가 변경될 수 있는 최소 8개의 약물을 확인했습니다. 이 연구는 오늘 1월 26일 Nature Genetics 에 발표되었습니다.

Penn State Cancer Institute 및 Penn State Huck Institutes of the Life Sciences 연구원인 Liu는 "큰 생의학 데이터와 기계 학습 방법을 사용하여 약물 용도를 변경하면 비용, 시간 및 자원을 절약할 수 있습니다."라고 말했습니다. "우리가 확인한 약물 중 일부는 흡연자의 금연을 돕는 능력에 대해 이미 임상 시험에서 테스트되고 있지만 향후 연구에서 탐색할 수 있는 다른 가능한 후보가 여전히 있습니다."

기계 학습 방법이 다양한 혈통의 작은 데이터 세트를 통합할 수 있었지만 Jiang은 연구자들이 다양한 혈통을 가진 개인의 유전 데이터베이스를 구축하는 것이 여전히 중요하다고 말했습니다.

"이것은 기계 학습 모델이 약물 남용 위험이 있는 개인을 식별하고 유용한 치료를 목표로 할 수 있는 잠재적인 생물학적 경로를 결정할 수 있는 정확도를 향상시킬 뿐입니다."

이 프로젝트의 다른 의과 대학 저자로는 Fang Chen, Xingyan Wang, Dylan Weissenkampen, Chachrit, Khunsriraksakul, Lina Yang, Renan Sauteraud, Olivia Marx 및 Karine Moussa가 있습니다. 이해 상충이 없음을 선언합니다.

이 연구는 미국 국립보건원(R01HG008983, R56HG011035, R01HG011035, R56HG012358, R01GM126479, R21AI160138 및 R03OD032630 보조금)과 전략 계획에 있는 펜실베이니아 의과대학의 생물의학 정보학 및 인공 지능 프로그램의 지원을 받았습니다. 저자의 견해가 반드시 자금 제공자의 견해를 대변하는 것은 아닙니다.

출처 : https://www.sciencedaily.com/