شناسایی تداخل دارویی با هوش مصنوعی

درست مانند غذاهای خاصی که نباید با هم مصرف شوند، ترکیبات خاصی از داروها نیز وجود دارد که باید از مصرف آنها باهم اجتناب کرد.

به گزارش تکناک، داروهای خوراکی، باید از پوشش داخلی دستگاه گوارش عبور کنند. پروتئین‌های ناقل روی سلول‌های پوشاننده دستگاه گوارش به این فرآیند کمک می‌کنند.

این پروتئین‌ها نقش مهمی در جذب مواد مغذی، الکترولیت‌ها و سایر مولکول های غذایی که می‌خوریم در جریان خون و همچنین در ترشح مواد زائد و مایعات گوارشی از جمله داروها ایفا می‌کنند.

با این حال، در بسیاری از داروها مشخص نیست که از کدام انتقال‌دهنده‌های خاص برای خروج از دستگاه گوارش استفاده می‌کنند. دانستن ناقل‌های مورد استفاده توسط داروها می‌تواند درمان را بهبود بخشد، زیرا اگر دو دارو از یک ناقل استفاده کنند، ممکن است با یکدیگر تداخل داشته باشند و نباید با هم تجویز شوند.

محققان MIT، بریگهام و دانشگاه دوک، روشی را برای شناسایی ناقل‌های مورد استفاده در داروهای مختلف ابداع کرده‌اند.

رویکرد آنها ترکیبی از مدل‌های بافت و الگوریتم‌های یادگیری ماشینی است. مدلی که آنها توسعه داده‌اند قبلاً نشان داده است که یک آنتی‌بیوتیک که معمولاً تجویز می‌شود و یک رقیق‌کننده خون می‌توانند با یکدیگر تداخل داشته باشند.

جووانی تراورسو، نویسنده ارشد این مطالعه در این باره گفت: این مطالعه در مورد این است که چگونه می‌توانیم آن تداخلات را شبیه‌سازی کنیم، که می‌تواند به ما کمک کند داروها را ایمن‌تر و مؤثرتر کنیم و سمیت‌هایی را پیش‌بینی کنیم که پیش‌بینی آن‌ها تاکنون دشوار بوده است.

در تحقیقات قبلی، دانشمندان یک سری ترکیبات کمک‌کننده در روده پیدا کردند که به داروها در عبور از سد روده کمک می‌کنند. مطالعه جدید بر روی سه مورد محبوب متمرکز شد: BCRP، MRP2 و PgP.

تراورسو و گروهش مدلی را که در سال 2020 ساخته بودند، بهینه کردند. این مدل که از سلول‌های روده خوک رشد کرده در آزمایشگاه ساخته شده است، به اندازه‌گیری قابلیت جذب دارو کمک می‌کند.

محققان می‌خواستند بفهمند که هر انتقال دهنده در بافت چگونه کار می‌کند. برای انجام این کار، آنها از روشی به نام تداخل RNA به ویژه RNA تداخلی کوتاه (siRNA) استفاده کردند تا فعالیت هر ناقل را کاهش دهند.

آنها این تکنیک را در بخش‌های مختلف بافت به کار بردند و ترکیبات مختلفی از ناقل‌ها را هدف قرار دادند. با انجام این کار، آنها می‌توانند نحوه رفتار هر ناقل در مواجهه با داروهای مختلف را مشاهده کنند و این کار به آنها کمک می‌کند تا نقش و تعاملات خاص را درک کنند.

تراورسو می‌گوید: چند راه وجود دارد که داروها می‌توانند از طریق بافت عبور کنند، اما ما نمی‌دانیم این راه‌ها کدام هستند.

محققان 23 داروی رایج را مورد آزمایش قرار دادند تا ببینند از کدام انتقال دهنده‌ها استفاده می‌کنند. سپس با استفاده از داده‌های پایگاه‌های اطلاعاتی دارو، یک برنامه رایانه‌ای را آموزش دادند تا پیش‌بینی کنند که کدام داروها با کدام ناقل‌ها بر اساس ساختار شیمیایی آن‌ها تعامل دارند.

داکسی سایکلین و وارفارین

محققان از این برنامه برای تجزیه و تحلیل 28 داروی موجود و 1595 داروی تجربی استفاده کردند و تقریباً 2 میلیون پیش‌بینی از تداخلات دارویی احتمالی انجام دادند.

به عنوان مثال، آنها پیش‌بینی کردند که داکسی سایکلین که یک آنتی‌بیوتیک است، می‌تواند با وارفارین که یک رقیق‌کننده خون است، و همچنین با دیگوکسین و لوتیراستام که داروهای ضد تشنج هستند و تاکرولیموس که یک داروی سرکوب‌کننده سیستم ایمنی است، تداخل داشته باشد.

تراورسو گفت: اینها داروهایی هستند که معمولاً مورد استفاده قرار می‌گیرند و ما اولین کسی هستیم که این تعامل را با استفاده از این مدل سیلیکونی و آزمایشگاهی پیش‌بینی می‌کنیم. این نوع رویکرد به شما توانایی درک پیامدهای ایمنی بالقوه تجویز این داروها را می‌دهد.

برای آزمایش این پیش‌بینی‌ها، محققان داده‌های حدود 50 بیمار را که در زمان تجویز داکسی‌سایکلین از یکی از این داروها استفاده می‌کردند، بررسی کردند.

داده‌ها نشان داد که وقتی بیماران داکسی سایکلین را با وارفارین مصرف می‌کردند، میزان وارفارین در خون آنها افزایش یافته و پس از قطع مصرف داکسی سایکلین، کاهش می‌یابد.

همچنین داده‌ها تایید کردند که دیگوکسین، لوتیراستام و تاکرولیموس بر جذب داکسی سایکلین تأثیر می‌گذارند. فقط تاکرولیموس قبلاً برای تداخل با داکسی سایکلین شناخته شده بود.

این روش می‌تواند برای شناسایی تداخلات بین داروهایی که در حال حاضر استفاده می‌شوند و داروهای در حال توسعه، استفاده شود. با استفاده از این فناوری، توسعه‌دهندگان دارو می‌توانند فرمول داروهای جدید را برای جلوگیری از تداخلات یا بهبود جذب آنها تنظیم کنند.

این مطالعه در مجله Nature Biomedical Engineering منتشر شده است.