पेनसिल्व्हेनिया [यूएस]: पेन स्टेट कॉलेज ऑफ मेडिसिन आणि मिनेसोटा विद्यापीठातील संशोधकांनी सर्दी आणि फ्लू-संबंधित खोकल्यांवर उपचार करण्यासाठी वापरल्या जाणार्‍या डेक्स्ट्रोमेथोरफानसारखी औषधे व्यक्तींना धूम्रपान सोडण्यास मदत करण्यासाठी पुन्हा वापरल्या जाऊ शकतात का हे पाहण्यासाठी एक अभ्यास केला. औषधे शोधण्यासाठी, त्यांनी एक क्रांतिकारक मशीन-लर्निंग तंत्र तयार केले जे डेटा सेटमधील नमुने आणि ट्रेंड शोधण्यासाठी संगणक प्रोग्राम वापरतात. त्यांनी दावा केला की काही औषधांचे क्लिनिकल चाचण्यांमध्ये आधीच मूल्यांकन केले जात आहे.
धूम्रपानामुळे अमेरीकेत दरवर्षी सुमारे 5 लाख मृत्यू होतात आणि ते श्वसनाचे आजार, कर्करोग आणि हृदय व रक्तवाहिन्यासंबंधी रोगांसाठी धोकादायक ठरत आहेत. धूम्रपानाच्या सवयी जाऊ शकतात, आनुवंशिकतेमुळे व्यक्तीच्या तसे करण्याच्या शक्यतेवर देखील परिणाम होतो. संशोधकांना आधीच्या अभ्यासात असे आढळून आले की काही विशिष्ट जनुक असलेल्या लोकांमध्ये तंबाखूचे व्यसन होण्याची शक्यता जास्त असते.
1.3 दशलक्षाहून अधिक लोकांच्या अनुवांशिक डेटाचा वापर करून, सार्वजनिक आरोग्य विज्ञान आणि बायोकेमिस्ट्री आणि आण्विक जीवशास्त्राचे प्राध्यापक दाजियांग लिऊ, पीएच.डी. आणि सार्वजनिक आरोग्य विज्ञानाचे सहाय्यक प्राध्यापक बीबो जियांग, पीएच.डी., सह-नेतृत्व एक मोठा बहु-संस्थेचा अभ्यास ज्याने या मोठ्या डेटा संचाचा अभ्यास करण्यासाठी मशीन लर्निंगचा वापर केला - ज्यामध्ये एखाद्या व्यक्तीच्या अनुवांशिकतेबद्दल आणि त्यांच्या स्वत: ची तक्रार केलेल्या धूम्रपान वर्तणुकीबद्दल विशिष्ट डेटा समाविष्ट आहे.
संशोधकांनी 400 पेक्षा जास्त जीन्स ओळखले जे धूम्रपान वर्तनाशी संबंधित होते. एखाद्या व्यक्तीमध्ये हजारो जनुके असू शकतात म्हणून, त्यातील काही जनुके धूम्रपानाच्या वर्तनाशी का जोडलेली आहेत हे त्यांना ठरवावे लागले. जी जीन्स निकोटीन रिसेप्टर्सच्या निर्मितीसाठी निर्देश देतात किंवा डोपामाइन संप्रेरकासाठी सिग्नलिंगमध्ये गुंतलेली असतात, ज्यामुळे लोकांना आराम आणि आनंद वाटतो, त्यांना समजण्यास सोपे कनेक्शन होते. उर्वरित जनुकांसाठी, संशोधन संघाला जैविक मार्गांमध्ये प्रत्येकाची भूमिका निश्चित करायची होती आणि त्या माहितीचा वापर करून, त्या विद्यमान मार्गांमध्ये बदल करण्यासाठी कोणती औषधे आधीच मंजूर आहेत हे शोधून काढले.
अभ्यासातील बहुतांश अनुवांशिक डेटा हा युरोपियन वंशाच्या लोकांचा आहे, त्यामुळे मशीन लर्निंग मॉडेल केवळ त्या डेटाचा अभ्यास करण्यासाठीच नव्हे तर आशियाई, आफ्रिकन किंवा अमेरिकन वंशाच्या सुमारे 150,000 लोकांचा एक लहान डेटा संच देखील तयार करणे आवश्यक आहे. लिऊ आणि जियांग यांनी या प्रकल्पावर ७० हून अधिक शास्त्रज्ञांसोबत काम केले. त्यांनी कमीत कमी आठ औषधे ओळखली जी धूम्रपान बंद करण्यासाठी संभाव्यत: पुनरुत्पादित केली जाऊ शकतात, जसे की डेक्स्ट्रोमेथोरफान, जी सामान्यतः सर्दी आणि फ्लूमुळे होणार्‍या खोकल्यांवर उपचार करण्यासाठी वापरली जाते आणि गॅलेंटामाइन, जी अल्झायमर रोगावर उपचार करण्यासाठी वापरली जाते. हा अभ्यास आज, २६ जानेवारी रोजी नेचर जेनेटिक्समध्ये प्रकाशित झाला.
पेन स्टेट कॅन्सर इन्स्टिट्यूट आणि पेन स्टेट हक इन्स्टिट्यूट ऑफ द लाइफ सायन्सेसचे संशोधक लिऊ म्हणाले, मोठा बायोमेडिकल डेटा आणि मशीन लर्निंग पद्धती वापरून औषधांचा पुनर्उद्देश केल्याने पैसा, वेळ आणि संसाधने वाचू शकतात, ते म्हणाले, काही औषधे आम्ही धूम्रपान सोडण्यास मदत करण्याच्या त्यांच्या क्षमतेसाठी आधीच क्लिनिकल चाचण्यांमध्ये ओळखल्या गेलेल्यांची चाचणी केली जात आहे, परंतु भविष्यातील संशोधनात इतर संभाव्य उमेदवारांचा शोध घेतला जाऊ शकतो.
मशीन लर्निंग पद्धत विविध वंशातील डेटाचा एक छोटासा संच समाविष्ट करण्यात सक्षम असताना, जियांग म्हणाले की, संशोधकांसाठी विविध वंशांच्या व्यक्तींकडून अनुवांशिक डेटाबेस तयार करणे अजूनही महत्त्वाचे आहे. हे केवळ अचूकता सुधारेल ज्यासह मशीन लर्निंग मॉडेल ड्रग्सच्या गैरवापरासाठी धोका असलेल्या व्यक्तींना ओळखू शकतात आणि संभाव्य जैविक मार्ग निर्धारित करू शकतात जे उपयुक्त उपचारांसाठी लक्ष्य केले जाऊ शकतात, असे लिऊ यांचे म्हणने आहे.
हेही वाचा : Risk Of Heart Disease : सावधान! नैराश्यग्रस्त तरुणांमध्ये हृदयविकाराचा धोका अधिक
