• Home
  • Kemi
  • Astronomien
  • Energi
  • Naturen
  • Biologi
  • Fysik
  • Elektronik
  •  science >> Vetenskap >  >> Biologi
    Användning av artificiell intelligens för att förbättra tuberkulosbehandlingar

    En medicinsk illustration av läkemedelsresistenta, Mycobacterium tuberculosis-bakterier, presenterad i Centers for Disease Control and Prevention (CDC) publikation med titeln, Antibiotic Resistance Threats in the United States, 2019 (AR Threats Report). Kredit:Medicinska illustratörer:Alissa Eckert; James Archer

    Föreställ dig att du har 20 nya föreningar som har visat viss effektivitet vid behandling av en sjukdom som tuberkulos (TB), som drabbar 10 miljoner människor världen över och dödar 1,5 miljoner varje år. För effektiv behandling kommer patienter att behöva ta en kombination av tre eller fyra läkemedel i månader eller till och med år eftersom TB-bakterierna beter sig olika i olika miljöer i cellerna – och i vissa fall utvecklas till att bli läkemedelsresistenta. Tjugo föreningar i kombinationer av tre och fyra läkemedel erbjuder nästan 6 000 möjliga kombinationer. Hur bestämmer ni vilka läkemedel som ska testas tillsammans?

    I en färsk studie, publicerad i septembernumret av Cell Reports Medicine , forskare från Tufts University använde data från stora studier som innehöll laboratoriemätningar av två läkemedelskombinationer av 12 anti-tuberkulosläkemedel. Med hjälp av matematiska modeller upptäckte teamet en uppsättning regler som drogpar måste uppfylla för att vara potentiellt bra behandlingar som en del av tre- och fyradrogscocktails.

    Användningen av läkemedelspar snarare än mätningar av tre och fyra läkemedelskombinationer minskar avsevärt mängden tester som behöver göras innan en läkemedelskombination flyttas till ytterligare studier.

    "Med hjälp av designreglerna som vi har etablerat och testat kan vi ersätta ett läkemedelspar med ett annat läkemedelspar och vet med hög grad av tillförsikt att läkemedelsparet ska samverka med det andra läkemedelsparet för att döda TB-bakterierna i gnagarmodell", säger Bree Aldridge, docent i molekylärbiologi och mikrobiologi vid Tufts University School of Medicine och för biomedicinsk ingenjörskonst vid School of Engineering, och en fakultetsmedlem i immunologi- och molekylärmikrobiologiprogrammet vid Graduate School of Biomedical Sciences. "Urvalsprocessen vi utvecklade är både mer strömlinjeformad och mer exakt när det gäller att förutsäga framgång än tidigare processer, som nödvändigtvis tog hänsyn till färre kombinationer."

    Aldridges labb, som är motsvarande författare på tidningen och även biträdande chef för Tufts Stuart B. Levy Center for Integrated Management of Antimicrobial Resistance, har tidigare utvecklat och använder DiaMOND, eller diagonal mätning av n-vägs läkemedelsinteraktioner, en metod för att systemiskt studera parvisa och högklassiga läkemedelskombinationsinteraktioner för att identifiera kortare, mer effektiva behandlingsregimer för TB och potentiellt andra bakterieinfektioner. Med designreglerna som fastställts i denna nya studie tror forskarna att de kan öka hastigheten med vilken forskare avgör vilka läkemedelskombinationer som mest effektivt kommer att behandla tuberkulos, den näst ledande smittsamma mördaren i världen. + Utforska vidare

    Mikrobiolog förklarar drogcocktails och hur forskare hittar rätt matchningar för att förbättra resultaten




    © Vetenskap https://sv.scienceaq.com