机器学习可以识别出可能帮助吸烟者戒烟的药物

根据宾夕法尼亚州立大学医学院和明尼苏达大学研究人员的一项研究，右美沙芬等用于治疗感冒和流感引起的咳嗽的药物可能被重新用于帮助人们戒烟。他们开发了一种新的机器学习方法，通过计算机程序分析数据集的模式和趋势来识别药物，并表示其中一些药物已经在临床试验中进行了测试。

吸烟是危险因素心血管病在美国，每年有近50万人死于癌症和呼吸道疾病。虽然吸烟行为可以习得和非习得，但基因也在一个人从事这些行为的风险中发挥着作用。研究人员在之前的一项研究中发现，患有某些疾病的人基因更容易对烟草上瘾。

使用基因数据来自130多万人口的刘大江博士，公共卫生科学教授，生物化学和分子生物学和Bibo Jiang博士，公共卫生科学助理教授，共同领导了一项大型多机构研究，使用机器学习来研究这些问题大型数据集其中包括一个人的基因和他们自我报告的吸烟行为的具体数据。

研究人员发现了400多个与吸烟行为有关的基因。由于一个人可能有数千个基因，他们必须确定为什么其中一些基因与吸烟行为有关。携带尼古丁受体生成指令或参与多巴胺激素信号传递的基因，使人们感到放松和快乐，它们之间的联系很容易理解。对于剩下的基因，研究团队必须确定每个基因在生物途径中所起的作用，并利用这些信息，找出哪些药物已经被批准用于修改这些现有途径。

这项研究中的大部分基因数据都来自欧洲血统的人，所以机器学习模型必须进行调整，不仅要研究这些数据，还要研究一个更小的数据集，包括大约15万亚洲、非洲或美国血统的人。

刘、江和70多名科学家一起参与了该项目。他们确定了至少8种可能被重新利用的药物吸烟例如右美沙芬，通常用于治疗感冒和流感引起的咳嗽，以及加兰他敏，用于治疗阿尔茨海默病。这项研究发表在自然遗传学1月26日。

宾夕法尼亚州立大学癌症研究所和宾夕法尼亚州立大学哈克生命科学研究所的研究员Liu说:“使用大生物医学数据和机器学习方法重新利用药物可以节省金钱、时间和资源。”“我们发现的一些药物已经在进行试验临床试验他们帮助吸烟者戒烟的能力，但仍有其他可能的候选人可以在未来的研究中探索。”

虽然机器学习方法能够整合来自不同祖先的一小部分数据，但Jiang说，对于研究人员来说，从不同祖先的个体中构建遗传数据库仍然很重要。

“这只会提高机器学习模型识别药物滥用风险个体的准确性，并确定潜在的生物途径，可以针对这些途径进行有益的治疗。”