机器学习使得用于精神疾病治疗的药物更加有效

根据发表的一项研究，人工智能可以提高药物重新定位或重新扫描研究的有效性转化精神病学。在这项由São Paulo研究基金会- fapesp支持的研究中，巴西研究人员将与精神疾病和神经疾病相关的基因信息与批准用于治疗可能抑制或激活这些基因的其他疾病的药物进行了关联。

这项研究确定了针对31个基因的63种药物潜在的候选人用于测试老年痴呆症疾病例如，帕金森氏症、亨廷顿氏症、抑郁、焦虑、双相情感障碍、精神分裂症和自闭症。共1588个基因与722种药物相关。

除了确定这些候选药物，研究人员还开发了一种新的药物筛选方法，可用于其他疾病的研究。然后，他们将新方法应用于另一项研究，目的是重新利用药物治疗COVID-19。

“我们生产的知识比我们能吸收的多得多。科学期刊每年发表100多万篇文章，所以不可能了解自己研究兴趣以外领域的最新文献，”该研究的首席研究员Helder Nakaya说。

Nakaya是巴西圣保罗大学São药学院(FCF-USP)的教授，也是炎症性疾病研究中心(CRID)的高级研究员，CRID是FAPESP资助的研究、创新和传播中心(RIDCs)之一。

新方法:网络医学

药物开发需要大量的时间和金钱。因为现有的药物已经通过了相关的安全测试，所以重新利用药物可能是一条重要的捷径。通常的方法是研究药物和疾病如何共享分子机制。

为了使这些关联更加有效，研究人员使用了一种被称为网络医学的机器学习方法来研究精神和神经疾病的分子特征和机制。

网络医学是一个新兴的领域，它结合了系统生物学和网络科学来了解基因如何在疾病和健康中相互作用。“我们组织和构建了一个与相关药物和基因相关的精神和神经疾病知识网络，”Nakaya解释说。“网络医学使用图论来分析这些复杂的相互作用，并建议使用从未经过测试的药物来治疗某些疾病。”

该小组使用IBM沃森药物发现(WDD)，以及他们自己实验室开发的程序，从过去50年发表的数百万篇科学文章中挖掘信息，并构建了一个连接疾病、基因和药物知识的网络。

IBM WDD可以以比人类更快的速度阅读超过2000万篇文章。计算机利用机器学习算法根据文章信息找出相关性，比如特定物质对基因的激活和抑制，以及这些过程与心理健康问题之间的联系。”“这不是魔法。你不只是按一个按钮就能得到结果。很难辨别出那些重要的联系。”

工具可引导未来的研究

研究人员为毒品重新施加研究发现了完全新的候选人。“分析揭示了药物以前从未被描述为治疗精神病和神经疾病的替代品。我们希望其他研究人员能够使用我们的研究产生的列表，在体外，动物和未来的临床试验中开始测试，如果一切顺利纸质首次作者，判断这些药物是否符合表明疾病的工作。“该研究作为他的博士学位的一部分进行。研究，教育部协调改善高等教育人员（CAPE）和Nakaya监督的协调。

药物再利用过程通过机器学习和网络药物。“而不是筛选2,000个可能的候选者，然后测试以确定哪一个可以治疗疾病，可以使用我们的研究结果来分析更小的，更少于更有的可能候选人列表，”DiaS表示。

在一项即将发表的研究中，由Nakaya领导的小组进行了实验室实验，测试列表中用于治疗精神分裂症的一种药物的效果。“我们已经建立了一个研究合作，以确定是否治疗药物是有效的。实验验证是证明这些分析有效性的基础。

研究人员还将这种方法应用于寻找药物、基因和COVID-19之间的相关性。“在这种情况下，我们正在利用所有类型的病毒引起的传染病的大量信息，以及与严重COVID-19有关的主要问题，寻找关联并创建网络链接基因以及可以用来治疗这种疾病的药物。在当前的危机中，缩小研究范围是必要的。网络医学可以帮助我们以这种方式集中注意力，”他说。

---

---