مدل جدید داروهایی را که نباید با هم مصرف شوند شناسایی می کند

هر دارویی که به صورت خوراکی مصرف می شود باید از پوشش داخلی دستگاه گوارش عبور کند. پروتئین های ناقل پیدا شد روی سلول هایی که دستگاه گوارش را پوشانده اند به این امر کمک می کنند process، اما برای بسیاری از داروها، ناشناخته است که از کدام یک از این ناقل ها برای خروج از دستگاه گوارش استفاده می کنند.

شناسایی ناقل های مورد استفاده توسط داروهای خاص می تواند به بهبود درمان بیمار کمک کند زیرا اگر دو دارو متکی باشند روی همان انتقال دهنده، آنها می توانند با یکدیگر تداخل داشته باشند و نباید با هم تجویز شوند.

محققان MIT، بریگهام و بیمارستان زنان و دانشگاه دوک اکنون یک استراتژی چندجانبه برای شناسایی ناقل های مورد استفاده توسط داروهای مختلف ایجاد کرده اند. رویکرد آنها که از مدل‌های بافتی و الگوریتم‌های یادگیری ماشینی استفاده می‌کند، قبلاً نشان داده است که یک آنتی‌بیوتیک معمول تجویز شده و یک رقیق‌کننده خون می‌توانند با یکدیگر تداخل داشته باشند.

یکی از چالش‌های مدل‌سازی جذب این است که داروها در معرض انتقال‌دهنده‌های مختلف هستند. جووانی تراورسو، دانشیار مهندسی مکانیک در MIT می‌گوید: «این مطالعه درباره این است که چگونه می‌توانیم آن تعاملات را مدل‌سازی کنیم، که می‌تواند به ما کمک کند داروها را ایمن‌تر و مؤثرتر کنیم، و سمیت‌های بالقوه‌ای را پیش‌بینی کنیم که پیش‌بینی آن‌ها تاکنون دشوار بوده است». ، متخصص گوارش در بیمارستان بریگهام و زنان و نویسنده ارشد این مطالعه.

کسب اطلاعات بیشتر در مورد این که کدام انتقال دهنده ها به داروها در عبور از دستگاه گوارش کمک می کنند، می تواند به توسعه دهندگان دارو نیز کمک کند تا با افزودن مواد کمکی که تعامل آنها با ناقلین را افزایش می دهد، قابلیت جذب داروهای جدید را بهبود بخشند.

یونهوا شی و دانیل رکر، فوق دکترای سابق MIT، نویسندگان اصلی این مطالعه هستند که امروز در مهندسی زیست پزشکی طبیعت.

حمل و نقل مواد مخدر

مطالعات قبلی چندین ناقل را در دستگاه گوارش شناسایی کرده اند که به داروها در عبور از پوشش روده کمک می کنند. سه مورد از متداول‌ترین موارد مورد استفاده، که تمرکز مطالعه جدید بودند، BCRP، MRP2 و PgP هستند.

برای این مطالعه، تراورسو و همکارانش مدل بافتی را که در سال 2020 ایجاد کرده بودند برای اندازه‌گیری قابلیت جذب یک دارو اقتباس کردند. این تنظیم آزمایشی، بر اساس روی بافت روده خوک که در آزمایشگاه رشد می کند، می تواند برای قرار دادن سیستماتیک بافت در معرض فرمولاسیون های دارویی مختلف و اندازه گیری میزان جذب آنها استفاده شود.

برای مطالعه نقش تک تک ناقل ها در بافت، محققان از رشته های کوتاه RNA به نام siRNA برای از بین بردن بیان هر ناقل استفاده کردند. در هر بخش از بافت، آن‌ها ترکیب‌های مختلفی از انتقال‌دهنده‌ها را از بین بردند، که به آنها امکان داد روش تعامل هر ناقل با بسیاری از داروهای مختلف را مطالعه کنند.

چند راه وجود دارد که داروها می توانند از طریق بافت عبور کنند، اما شما نمی دانید کدام جاده. می‌توانیم جاده‌ها را جداگانه ببندیم تا بفهمیم، اگر این جاده را ببندیم، آیا دارو هنوز از آن عبور می‌کند؟ اگر پاسخ مثبت است، پس از آن جاده استفاده نمی‌کند.» تراورسو می‌گوید.

محققان 23 داروی معمولی را با استفاده از این سیستم آزمایش کردند و به آنها اجازه داد تا ناقلین استفاده شده توسط هر یک از این داروها را شناسایی کنند. سپس، آنها یک مدل یادگیری ماشینی را آموزش دادند روی این داده ها و همچنین داده های چندین پایگاه داده دارویی. این مدل یاد گرفت که پیش‌بینی کند که کدام دارو با کدام حمل‌کننده تداخل دارد روی شباهت بین ساختار شیمیایی داروها

با استفاده از این مدل، محققان مجموعه جدیدی از 28 داروی فعلی و همچنین 1595 داروی آزمایشی را تجزیه و تحلیل کردند. این صفحه نمایش نزدیک به 2 میلیون پیش بینی از تداخلات دارویی بالقوه ارائه داد. در میان آنها پیش بینی این بود که داکسی سایکلین، یک آنتی بیوتیک، می تواند با وارفارین، یک رقیق کننده خون که معمولا تجویز می شود، تداخل داشته باشد. همچنین پیش‌بینی شد که داکسی‌سایکلین با دیگوکسین، که برای درمان نارسایی قلبی، لوتیراستام، یک داروی ضد تشنج و تاکرولیموس، یک سرکوب‌کننده ایمنی استفاده می‌شود، تداخل داشته باشد.

شناسایی تعاملات

برای آزمایش این پیش‌بینی‌ها، محققان داده‌های حدود 50 بیمار را که در زمان تجویز داکسی‌سایکلین، یکی از این سه دارو را مصرف می‌کردند، بررسی کردند. این داده ها که از پایگاه داده بیماران در بیمارستان عمومی ماساچوست و بیمارستان زنان و بریگهام به دست آمده است، نشان می دهد که وقتی داکسی سایکلین به بیمارانی که قبلاً وارفارین مصرف می کردند داده می شد، سطح وارفارین در جریان خون بیماران بالا می رفت و پس از آن دوباره پایین می آمد. مصرف داکسی سایکلین را متوقف کرد.

این داده‌ها همچنین پیش‌بینی‌های مدل مبنی بر اینکه جذب داکسی‌سایکلین تحت‌تاثیر دیگوکسین، لوتیراستام و تاکرولیموس قرار می‌گیرد، تأیید کرد. تنها یکی از این داروها، تاکرولیموس، قبلاً مشکوک به تداخل با داکسی سایکلین بود.

تراورسو می‌گوید: «اینها داروهایی هستند که معمولاً مورد استفاده قرار می‌گیرند، و ما اولین کسی هستیم که این تعامل را با استفاده از مدل تسریع‌شده در سیلیکون و در شرایط آزمایشگاهی پیش‌بینی می‌کنیم». “این نوع رویکرد به شما توانایی درک پیامدهای ایمنی بالقوه تجویز این داروها را می دهد.”

علاوه بر شناسایی تداخلات بالقوه بین داروهایی که در حال حاضر استفاده می شوند، این رویکرد می تواند برای داروهایی که اکنون در حال توسعه هستند نیز اعمال شود. با استفاده از این فناوری، توسعه دهندگان دارو می توانند فرمول مولکول های دارویی جدید را تنظیم کنند تا از تداخل با سایر داروها جلوگیری کنند یا قابلیت جذب آنها را بهبود بخشند. Vivtex، یک شرکت بیوتکنولوژی که در سال 2018 توسط فوق دکترای سابق MIT، توماس فون ارلاخ، پروفسور مؤسسه MIT رابرت لانگر، و Traverso برای توسعه سیستم‌های دارورسانی خوراکی جدید تأسیس شد، اکنون این نوع تنظیم دارو را دنبال می‌کند.

این تحقیق تا حدی توسط مؤسسه ملی بهداشت ایالات متحده، دپارتمان مهندسی مکانیک در MIT و بخش گوارش در بیمارستان زنان بریگهام تامین شد.

سایر نویسندگان مقاله عبارتند از: لانگر، فون ارلاخ، جیمز برن، آمیا کیرتانه، کیتلین هس جیمنز، ژویی وانگ، ناتسودا ناواماجیتی، کامرون یانگ، زاخاری فرالیش، زیلو ژانگ، آرون لوپس، ونس سوارس، یاکوب واینر و لی میائو.