به گزارش «خبرنامه دانشجویان ایران» به نقل از نئوروساینس نیوز، داروهای ترک اعتیاد با فعال کردن گیرنده‌های اپیوئیدی که منجر به کاهش درد و تندرستی می‌شود؛ عمل می‌کنند. متأسفانه، آنها همچنین باعث وابستگی فیزیکی و مشکلات تنفسی می‌شوند، که مورد دوم در طول مصرف بیش از حد دارو منجر به مرگ می‌شود.
طبق گزارش‌های متعدد، مطالعات پیش‌بالینی انجام‌شده نشان داده‌اند که مسدود کردن این گیرنده‌های اپیوئیدی کاپا ممکن است به درمان وابستگی به مواد کمک کند. مغز انسان بعد از قرار گرفتن در معرض مواد زیاد، به مواد مخدر بیشتری نیاز دارد. مسدود کردن فعالیت گیرنده اپیوئیدی کاپا در مدل های حیوانی نیاز به استفاده از دارو در دوره ترک را کاهش می دهد.
چالش این کار در کشف داروهایی است که در واقع می توانند فعالیت پروتئینی مانند این گیرنده ها رامسدود کنند. به همین دلیل دانشمندان برای کارآمدتر کردن فرآیند به ابزارهای محاسباتی روی آورد. آن ها از هوش مصنوعی برای بهینه سازی سیستم های یافتن داروی خود استفاده می‌کنند.
هوش مصنوعی این مزیت را دارد که حجم عظیمی از اطلاعات را گرفته و با یادگیری بتواند الگوها را از آن تشخیص دهد. بنابراین، یادگیری ماشین می‌تواند کمک کند تا اطلاعاتی را که می‌توان از پایگاه‌های داده شیمیایی بزرگ به دست آورد، برای طراحی داروهای جدید به کار برد و به این ترتیب، زمان و هزینه های مرتبط با کشف دارو را کاهش داد.
تیم محققان یک مدل کامپیوتری را برای تولید ترکیباتی که ممکن است گیرنده را مسدود کند با الگوریتم یادگیری تقویتی که به خواص مطلوب برای درمان دارویی پاداش می‌دهد، آموزش دادند. آنها این کار را با ترکیب اطلاعات مربوط به گیرنده کاپا-اپیوئید و داروهای شناخته شده انجام دادند.
محققان قبلاً چندین ترکیب را شناسایی کرده‌اند که ویژگی‌های امیدوارکننده‌ای دارند. آنها اکنون قصد دارند ترکیبات را سنتز کنند و در نهایت روی مدل‌های حیوانی برای ایمنی و اثربخشی آزمایش کنند.
