گروه علمی: در رساله دکتری سهیلا شعبانی، دانشجوی مرکز تحقیقات بیوشیمی و بیوفیزیک دانشگاه تهران، روش محاسباتی مبتنی بر سیستمهای توصیهگر برای پیشبینی عوارض جانبی داروها بررسی شد.به گزارش ایسنا، عوارض جانبی داروهای شیمیایی به عنوان اصلیترین عامل نگرانی بیماران و علت عمده حذف دارو از بازار دارو است. برای تولید یک دارو ۵ تا ۱۰ سال زمان لازم است که این پروسه هزینه بسیاری دارد. برای تولید دارو به آزمایش حیوانی و تست انسانی نیاز داریم که در هر مرحله از این تستها ممکن است به علت وجود یک عارضه شدید، پروسه تولید دارو متوقف شود.
بسیاری از عوارض جانبی داروها بعد از ورود به بازار و سالها مصرف مشخص میشوند که عامل بزرگی در شکست دارو هستند. با وجود این مشکلات و سختیهای دیگری که در تولید دارو وجود دارد، نیاز به استفاده از روشهای محاسباتی در روند پیشبینی عوارض جانبی احساس میشود. روشهای محاسباتی سریعتر، خطر کمتری دارند و استفاده از آنها در این زمینه مؤثر خواهد بود.
روش پیشنهادی NDDSA ، روش محاسباتی بر اساس سیستمهای توصیهگر است که قابلیت استفاده در پیشگویی عوارض جانبی داروهای جدید در مراحل ابتدایی تولید دارو را دارد. این روش با گرفتن مولکول شیمیایی دارو بهعنوان ورودی، لیستی از عوارض جانبی پیشنهادی برای دارو را بهعنوان خروجی میدهد.
این روش، قابلیت استفاده در کامل کردن لیست عوارض جانبی داروهای موجود در بازار را نیز دارد که این قابلیت برای داروهایی که بهصورت طولانیمدت استفاده میشود، بسیار راهگشا است مثل داروهایی که برای بیماریهای مزمن تجویز میشود. روش NDDSA در پیشبینی عوارض جانبی داروهای جدید نسبت به روشهای موجود دیگر، عملکرد بهتری دارد. سرعت الگوریتم ارائه شده بسیار بالاتر از روشهای موجود است و به راحتی قابلیت استفاده در مراحل اولیه تولید دارو را دارد.
استفاده از شبکه اطلاعاتی «دارو-عارضه جانبی موجود» میتواند در یافتن عوارض جانبی داروهای جدید بسیار راهگشا باشد. با بهکارگیری این روش ساده و ارزان میتوان شاهد کاهش هزینه و زمان تولید داروهای جدید بود.
بنابر اعلام روابط عمومی وزارت علوم، این یافتهها بر اساس پژوهش رساله دکتری سهیلا شعبانی مشکول، با عنوان «ارائه یک روش محاسباتی مبتنی بر سیستمهای توصیهگر برای پیشبینی عوارض جانبی داروها» به راهنمایی دکتر سجاد قرقانی، استادیار گروه بیوانفورماتیک مرکز تحقیقات بیوشیمی و بیوفیزیک و دکتر سید امیر مرعشی، دانشیار گروه بیوتکنولوژی دانشکده علوم، محقق شده است.