NeuralCipher Araştırma özeti
Kaynak özetin Türkçe makine çevirisi. Klinik kullanım öncesinde özgün yayınla karşılaştırılmalı; hekim incelemesi değildir. cc by
Parkinson hastalığı (PD), beyindeki dopamin eksikliğinden kaynaklanan bir hareket bozukluğudur. Mevcut terapiler öncelikle dopamin modülatörlerine veya levodopa gibi yedeklere odaklanır. Dopamin replasmanı PD semptomlarını hafifletmeye yardımcı olsa da, altta yatan nörodejeneratif süreci hedefleyen terapiler sınırlıdır. Çalışmanın amacı, yapay zekayı PD için en umut verici yeniden tasarlanmış ilaç adaylarını sıralamak için kullanmaktı. Doğal dil işleme (NLP) teknikleri, PubMed'den 33 milyondan fazla biyomedikal dergi makalesinden metin ilişkilerini çıkarmak ve genler, proteinler, ilaçlar, hastalıklar vb. arasındaki ilişkileri bir bilgi grafiğine çizmek için kullanılmıştır. Çapraz alan metin madenciliği, hub ağ analizi ve denetimsiz öğrenme rütbesi toplaması, ilgililiğe dayalı HeteSim puanlarını kullanarak levodopa ve PD'ye en alakalı ilaç adaylarını tahmin etmek için SemNet 2.0'da gerçekleştirildi. Öngörülen adjuvan PD terapileri arasında çok yıllık alerjik rinit için bir antihistaminik olan ebastin; levocetirizin, başka bir antihistaminik; güçlü bir antibiyotik olan vankomisin; kaptopril, anjiyotensin dönüştürücü enzim (ACE) inhibitörü; ve bir N-metil-D-aspartat (NMDA) reseptör agonisti olan neramexan vardı. Çapraz alan metin madenciliği, antihistaminiklerin levodopa veya levodopa-karbidopa gibi dopamin modülatörleriyle kullanıldığında Parkinson semptomlarını sinerjik olarak hafifletme kapasitesini sergilediğini tahmin etti. Tanımlanan adjuvan adaylar arasındaki ilişki kalıpları, antihistaminiklerin çok faktörlü PD patolojisi ile mücadele için olası terapötik mekanizmalarının, oksidatif strese karşı koymayı, nörotransmitterlerin dengesini değiştirmeyi ve enflamatuar mediatörlerin çoğalmasını azaltmayı içerdiğini göstermektedir. Son olarak, çapraz alan metin madenciliği ilginç bir şekilde PD ve karaciğer hastalığı arasında güçlü bir ilişki öngördü.
Özgün kaynak özetini okuyun
Parkinson's disease (PD) is a movement disorder caused by a dopamine deficit in the brain. Current therapies primarily focus on dopamine modulators or replacements, such as levodopa. Although dopamine replacement can help alleviate PD symptoms, therapies targeting the underlying neurodegenerative process are limited. The study objective was to use artificial intelligence to rank the most promising repurposed drug candidates for PD. Natural language processing (NLP) techniques were used to extract text relationships from 33+ million biomedical journal articles from PubMed and map relationships between genes, proteins, drugs, diseases, etc., into a knowledge graph. Cross-domain text mining, hub network analysis, and unsupervised learning rank aggregation were performed in SemNet 2.0 to predict the most relevant drug candidates to levodopa and PD using relevance-based HeteSim scores. The top predicted adjuvant PD therapies included ebastine, an antihistamine for perennial allergic rhinitis; levocetirizine, another antihistamine; vancomycin, a powerful antibiotic; captopril, an angiotensin-converting enzyme (ACE) inhibitor; and neramexane, an N-methyl-D-aspartate (NMDA) receptor agonist. Cross-domain text mining predicted that antihistamines exhibit the capacity to synergistically alleviate Parkinsonian symptoms when used with dopamine modulators like levodopa or levodopa-carbidopa. The relationship patterns among the identified adjuvant candidates suggest that the likely therapeutic mechanism(s) of action of antihistamines for combatting the multi-factorial PD pathology include counteracting oxidative stress, amending the balance of neurotransmitters, and decreasing the proliferation of inflammatory mediators. Finally, cross-domain text mining interestingly predicted a strong relationship between PD and liver disease.
Bilimsel değerlendirme
Araştırma sorusu
Sorunun kapsamı orijinal çalışma üzerinden değerlendirilir.
Yöntem ve örneklem
Çalışma tasarımı ve örneklem için kaynak makaleyi kontrol edin.
Temel bulgular
Bu kayıt için editoryal olarak onaylanmış bulgu özeti henüz yayımlanmadı.
Sınırlılıklar
Sonuçların genellenebilirliği, yanlılık ve klinik anlamı ayrıca incelenmelidir.
Bibliyografik veriden yöntem, örneklem veya klinik sonuç çıkarımı yapılmaz.