از نظر نویسنده ارشد این مطالعه، گسترش اعتیاد به افیون یک مسئله در سطح مولکولی است. به گفته او، داروهای مسکن که به طور قانونی در صنعت دارویی از آن ها استفاده می شود، مثل اکسی کدون، بسیار اعتیاد آور هستند.
اما باید به اطلاعات بیشتری درباره نحوه تعامل مولکول های این داروها با پروتئین ها در بدن مان دست پیدا کنیم تا موفق به تولید داروهای دیگری شویم که اعتیاد آور نیستند.
به همین خاطر هم آن ها کمک هزینه ای برای ادامه مطالعات دریافت کرده اند و قرار است به زودی دست به کار شوند.
دریافت کمک هزینه برای انجام مطالعات
در ماه می سال گذشته، این موسسه مطالعاتی 1.5 میلیون دلار بودجه برای انجام کارهای خود دریافت کرد. آن ها با یک موسسه مطالعاتی دیگر همکاری می کنند.
محققان از هوش مصنوعی برای ارزیابی چندین میلیارد داروی مولکولی احتمالی افیون استفاده می کنند تا نحوه تعامل این مولکول ها با پروتئین های مهم بدن را متوجه شوند.
اعتیاد به افیون؛ درباره مطالعه پیش رو
به گفته نویسنده ارشد مطالعه ای که قرار است انجام شود، “امروزه بیماران تحت عمل جراحی قرار گرفته و بعد از آن افیون به آن ها تزریق می شود که حسابی برای بیماران دردسر به همراه دارد. پس هدف ما این است که یک داروی بی حس کننده تولید کنیم که دیگر باعث اعتیاد در بیماران نشود.”
آن ها قرار است بر روی گیرنده های میو افیون مطالعه کنند. نحوه کار این گیرنده ها به این صورت است که برای پروتئین های موجود در سیستم عصبی مرکزی سیگنال فرستاده تا به مولکول های افیون متصل شوند.
این گیرنده ها می توانند درد، استرس، خلق و خوی و سایر فعالیت های دیگر بدن را تنظیم کنند. داروهایی که این گیرنده ها را هدف قرار می دهند، در اصل قدرتمندترین داروهای مسکن هستند اما در عین حال، بسیار هم اعتیاد آور هستند.
پلتفرم محاسباتی که محققان از آن استفاده می کنند، تعامل های میان دارو و پروتئین را به نحوی ترسیم می کند که حرکات فیزیکی شان نیز دیده شود. این حرکات که به آن ها تغییرات ساختاری گفته می شود، در عرض چند میلی ثانیه رخ می دهد. به واسطه این تغییرات، رفتار پروتئین و اتصال یا تعامل آن با یک دارو مولکول جدید به طور چشمگیری تغییر می کند.
الگوریتم های مورد استفاده در این مطالعه می توانند این حرکت را ترسیم کنند. با کمک این الگوریتم ها می توان تعامل میان پروتئین ها و داروها و تاثیر این کنش و واکنش را پیش بینی کرد.
سپس محققان از این اطلاعات برای بررسی چندین میلیارد داروی بالقوه استفاده می کنند. یا حتی محققان می توانند داروهای جدیدی طراحی کنند که عوارض جانبی اعتیاد آور کمتری داشته باشند.
به گفته محققان، در حال حاضر یک سری پلتفرم محاسباتی وجود دارد که می تواند ساختار پروتئین ها و نحوه تعامل شان با داروهای فعلی را ترسیم کند اما تغییرات ساختاری در این پلتفرم ها نادیده گرفته شده و نمی توانند با دقت بالا عملکرد یک داروی جدید را پیش بینی کنند.
