L’apprentissage automatique identifie les médicaments qui pourraient potentiellement aider les fumeurs à arrêter

[ad_1]

Selon une étude menée par des chercheurs du Penn State College of Medicine et de l’Université du Minnesota, des médicaments comme le dextrométhorphane, utilisé pour traiter la toux causée par le rhume et la grippe, pourraient potentiellement être réutilisés pour aider les gens à arrêter de fumer. Ils ont développé une nouvelle méthode d’apprentissage automatique, où les programmes informatiques analysent des ensembles de données pour les modèles et les tendances, pour identifier les médicaments et ont déclaré que certains d’entre eux sont déjà testés dans des essais cliniques.

Le tabagisme est un facteur de risque de maladies cardiovasculaires, de cancer et de maladies respiratoires et est responsable de près d’un demi-million de décès aux États-Unis chaque année. Bien que les comportements tabagiques puissent être appris et désappris, la génétique joue également un rôle dans le risque qu’une personne adopte ces comportements. Les chercheurs ont découvert dans une étude antérieure que les personnes porteuses de certains gènes sont plus susceptibles de devenir dépendantes du tabac.

En utilisant les données génétiques de plus de 1,3 million de personnes, Dajiang Liu, Ph.D., professeur de sciences de la santé publique, de biochimie et de biologie moléculaire, et Bibo Jiang, Ph.D., professeur adjoint de sciences de la santé publique, ont codirigé une grande étude multi-institutions qui a utilisé l’apprentissage automatique pour étudier ces grands ensembles de données – qui incluent des données spécifiques sur la génétique d’une personne et ses comportements tabagiques autodéclarés.

Les chercheurs ont identifié plus de 400 gènes liés aux comportements tabagiques. Puisqu’une personne peut avoir des milliers de gènes, elle devait déterminer pourquoi certains de ces gènes étaient liés aux comportements tabagiques. Les gènes qui portent des instructions pour la production de récepteurs de la nicotine ou qui sont impliqués dans la signalisation de l’hormone dopamine, qui rend les gens se sentent détendus et heureux, avaient des connexions faciles à comprendre. Pour les gènes restants, l’équipe de recherche a dû déterminer le rôle que chacun joue dans les voies biologiques et, à l’aide de ces informations, déterminer quels médicaments sont déjà approuvés pour modifier ces voies existantes.

La plupart des données génétiques de l’étude proviennent de personnes d’ascendance européenne, de sorte que le modèle d’apprentissage automatique a dû être adapté non seulement pour étudier ces données, mais également pour un ensemble de données plus petit d’environ 150 000 personnes d’ascendance asiatique, africaine ou américaine.

Liu et Jiang ont travaillé avec plus de 70 scientifiques sur le projet. Ils ont identifié au moins huit médicaments qui pourraient potentiellement être réutilisés pour arrêter de fumer, tels que le dextrométhorphane, qui est couramment utilisé pour traiter la toux causée par le rhume et la grippe, et la galantamine, qui est utilisée pour traiter la maladie d’Alzheimer. L’étude a été publiée dans Génétique naturelle aujourd’hui, 26 janvier.

« La réorientation des médicaments à l’aide de mégadonnées biomédicales et de méthodes d’apprentissage automatique peut économiser de l’argent, du temps et des ressources », a déclaré Liu, chercheur au Penn State Cancer Institute et au Penn State Huck Institutes of the Life Sciences. « Certains des médicaments que nous avons identifiés sont déjà testés dans des essais cliniques pour leur capacité à aider les fumeurs à arrêter, mais il existe encore d’autres candidats possibles qui pourraient être explorés dans de futures recherches. »

Bien que la méthode d’apprentissage automatique ait pu incorporer un petit ensemble de données d’ascendances diverses, Jiang a déclaré qu’il était toujours important pour les chercheurs de créer des bases de données génétiques à partir d’individus d’ascendances diverses.

« Cela ne fera qu’améliorer la précision avec laquelle les modèles d’apprentissage automatique peuvent identifier les personnes à risque d’abus de drogues et déterminer les voies biologiques potentielles qui peuvent être ciblées pour des traitements utiles. »

Les autres auteurs du Collège de médecine sur le projet incluent Fang Chen, Xingyan Wang, Dylan Weissenkampen, Chachrit, Khunsriraksakul, Lina Yang, Renan Sauteraud, Olivia Marx et Karine Moussa. Ils ne déclarent aucun conflit d’intérêts.

Cette recherche a été soutenue par les National Institutes of Health (subventions R01HG008983, R56HG011035, R01HG011035, R56HG012358, R01GM126479, R21AI160138 et R03OD032630) et le programme d’informatique biomédicale et d’intelligence artificielle du Penn State College of Medicine dans le plan stratégique. Les points de vue des auteurs ne reflètent pas nécessairement les points de vue des bailleurs de fonds.

[ad_2]

Laisser un commentaire

Votre adresse e-mail ne sera pas publiée. Les champs obligatoires sont indiqués avec *

*