به گزارش مجله خبری نگار،تقسیم سلولی برای رشد بدن ما و برای بازسازی بافتها ضروری است. پیری سلولی پدیدهای را توصیف میکند که در آن سلولها به طور دائمی تقسیم نمیشوند، اما در بدن باقی مانده و باعث آسیب بافت و پیری در اندامها و سیستمهای بدن میشوند.
به طور معمول، سلولهای پیر توسط سیستم ایمنی ما از بدن پاک میشوند. اما، با افزایش سن، سیستم ایمنی بدن ما در پاکسازی این سلولها کمتر موثر است و تعداد آنها افزایش مییابد. افزایش سلولهای پیر با بیماریهایی مانند سرطان، بیماری آلزایمر و علائم بارز پیری مانند بدتر شدن بینایی و کاهش تحرک مرتبط است. با توجه به اثرات مضر بالقوه بر روی بدن، تلاشهایی برای ایجاد جوانسازی یا senolytics موثر وجود دارد، ترکیباتی که سلولهای پیر را پاک میکنند.
اکنون، مطالعهای که توسط محققان دانشگاه ادینبورگ در اسکاتلند انجام شده است، از روشی پیشگام برای جستجوی مواد شیمیایی استفاده کرده که میتواند به طور ایمن و موثر این سلولهای معیوب را از بین ببرد. محققان یک مدل یادگیری ماشینی توسعه داده و به آن آموزش دادند تا ویژگیهای کلیدی مواد شیمیایی با خواص سنولیتیک را تشخیص دهد. دادههای آموزشی مدل از منابع متعدد، از جمله مقالات دانشگاهی و پتنتهای تجاری، و با ترکیبات دو کتابخانه شیمیایی موجود که حاوی طیف وسیعی از ترکیبات مورد تایید سلزمان غذا و دارو یا مرحله بالینی هستند، ادغام شد.
محققان دریافتند که سه ماده شیمیایی جینکژتین، پری پلوسین و اولاندرین سلولهای پیر را بدون آسیب رساندن به سلولهای سالم حذف میکنند. از بین این سه مورد، اولئاندرین مؤثرترین بود. هر سه محصول طبیعی هستند که در داروهای گیاهی سنتی یافت میشوند.
اولئاندرین (Oleandrin) از گیاه خرزهره (Nerium oleander) استخراج میشود و دارای خواصی شبیه به داروی دیگوکسین است که برای درمان نارسایی قلبی و برخی ریتمهای غیر طبیعی قلب (آریتمی) استفاده میشود. مطالعات نشان داده است که اولاندرین دارای خواص ضد سرطانی، ضد التهابی، ضد ویروس ایدز، ضد میکروبی و آنتی اکسیدانی است. اولئاندرین فراتر از سطوح درمانی بسیار سمی است که در انسان پنجره بسیار باریکی بوده و مانع کاربرد بالینی آن میشود. به این ترتیب، توسط آژانسهای نظارتی به عنوان یک داروی تجویزی یا مکمل غذایی تایید نشده است.
محققان میگویند یافتههای آنها نشان میدهد که این ترکیبات دارای قدرتی قابل مقایسه یا بالاتر از توصیفات مطالعات قبلی هستند. مهمتر از آن، پژوهشگران میگویند، روش مبتنی بر یادگیری ماشینی آنها بسیار کارآمد بوده و تعداد ترکیباتی را که نیاز به غربالگری داشتند تا بیش از ۲۰۰ برابر کاهش داد.
دیگو اویارزون (Diego Oyarzún) پژوهشگر مسئول این مطالعه گفت: این مطالعه نشان میدهد که هوش مصنوعی میتواند در شناسایی داروهای جدید، به ویژه در مراحل اولیه کشف دارو و بیماریهایی با زیستشناسی پیچیده یا اهداف مولکولی کمی شناخته شده، بهطور باورنکردنی مؤثر باشد.
شرح کامل این مطالعه در مجله Nature Communications منتشر شده است.