نانوداروی مُسکن تولید شد
تاریخ انتشار: ۲۹ بهمن ۱۳۹۷ | کد خبر: ۲۲۷۹۷۹۸۲
محققان دو دانشگاه پاریس دکارت و پاریس ساکله نانودارویی را طراحی و ساخته اند که درد را در نمونه های آزمایشگاهی حیوانی بدون اثر اعتیادآور کاهش داده است.
به گزارش صدای ایران از ایرنا، با اینکه اثر تریاک و مشتقات دارویی آن برای کاهش درد در میلیون ها نفر در سراسر جهان ثابت شده است، اما مدارک متقنی وجود دارد که نشان می دهد به شدت خصوصیت اعتیادآور دارد و به موارد فراوان سوء استفاده و مرگ و میر در بیماران معتاد به آن منجر شده است.
بیشتر بخوانید:
اخباری که در وبسایت منتشر نمی‌شوند!
محققان روی پپتیدهایی (پلمیرهای کوچک متشکل از چند اسید آمینه) کار کردند که به صورت طبیعی در بدن ظاهر می شوند و به گیرنده های اوپیوئید متصل هستند. یکی از نمونه های آن لئوانکفالین نوعی اندورفین است که در انتهای عصب تشکیل می شود. گفته می شود داروهایی که با الگوگیری از این پپتیدها ساخته می شوند به همان اندازه موثر و کمتر اعتیادآور هستند.
اما تلاش های محققان برای تولید یک دارو به دلیل نفوذناپذیری سدخونی مغزی (محدوده جداکننده مایع برون سلولی مغز در سیستم اعصاب مرکزی و جریان خون گردشی در بدن؛ طوری که اگر مواد رنگی درون خون تزریق شود از این ماده درون مغز اثری دیده نیست)، بی نتیجه مانده بود. محققان برای حل این مشکل پپتیدهای عصبی لئوانفکالین را به نوعی لیپید به نام اسکالین متصل کردند و در نتیجه به دارویی رسیدند که قابلیت تزریق مستقیم به بخش هایی از بدن را داشت که دردمند بودند. آنها امیدوار بودند داروی یادشده موجب کاستن از درد با تاثیر بر سیستم عصبی پیرامونی شود نه با اثر گذاشتن بر مغز شود.
این محققان داروی خود را با تزریق به پنجه های متورم موش های آزمایشگاهی آزمایش کرده، سپس این قسمت از بدن را در معرض گرما قرار دادند تا واکنش های درد را بسنجند، هر چه واکنش کمتر، درد کمتر بود.
این محققان معتقدند موش ها بعد از تزریق داروهای مسکن جدید نشان دادند وضعیت بهتری از نظر درد دارند. آزمایش های بیشتر نشان داد دارو زمان بیشتری نسبت به مشتقات تریاک اثر دارد، همچنین از آنجا که با مغز در ارتباط نیست اعتیادآور نخواهد بود.
با وجود این آزمایش های بالینی بیشتری نیاز است، یکی از مشکلات استریلیزه کردن دارو بدون خراب کردن آن است. همچنین دارو باید روی نمونه های دیگر حیوانی و همچنین انسان های داوطلب آزمایش شود.
منبع: صدای ایران
درخواست حذف خبر:
«خبربان» یک خبرخوان هوشمند و خودکار است و این خبر را به‌طور اتوماتیک از وبسایت sedayiran.com دریافت کرده‌است، لذا منبع این خبر، وبسایت «صدای ایران» بوده و سایت «خبربان» مسئولیتی در قبال محتوای آن ندارد. چنانچه درخواست حذف این خبر را دارید، کد ۲۲۷۹۷۹۸۲ را به همراه موضوع به شماره ۱۰۰۰۱۵۷۰ پیامک فرمایید. لطفاً در صورتی‌که در مورد این خبر، نظر یا سئوالی دارید، با منبع خبر (اینجا) ارتباط برقرار نمایید.
با استناد به ماده ۷۴ قانون تجارت الکترونیک مصوب ۱۳۸۲/۱۰/۱۷ مجلس شورای اسلامی و با عنایت به اینکه سایت «خبربان» مصداق بستر مبادلات الکترونیکی متنی، صوتی و تصویر است، مسئولیت نقض حقوق تصریح شده مولفان در قانون فوق از قبیل تکثیر، اجرا و توزیع و یا هر گونه محتوی خلاف قوانین کشور ایران بر عهده منبع خبر و کاربران است.
خبر بعدی:
ساعت هوشمندی که اختلال در ریتم قلب را زودتر از وقوع پیش‌بینی می‌کند
با برنامه‌ریزی گنجاندن این مدل در یک تلفن همراه هوشمند به طوری که بتواند داده‌های یک ساعت هوشمند را تجزیه و تحلیل کند می‌توان از آن به عنوان یک سیستم هشدار اولیه استفاده کرد.
به گزارش ایسنا، شایع‌ترین اختلال ریتم قلب، فیبریلاسیون دهلیزی (AF) است که به طور قابل توجهی مراجعات بخش اورژانس و خطر بیماری‌های دیگر مانند سکته مغزی و زوال عقل را افزایش می‌دهد. این عارضه زمانی اتفاق می‌افتد که حفره‌های فوقانی قلب یا دهلیز‌ها به‌طور آشفته‌ای می‌تپند و با حفره‌های پایینی یا بطن‌ها هماهنگ نیستند و ریتم قلبی نامنظم و اغلب بسیار سریعی ایجاد می‌کنند.
بازگرداندن بیمار از فیبریلاسیون دهلیزی به ریتم منظم سینوسی می‌تواند به مداخلات فشرده‌ای مانند کاردیوورژن و وارد کردن شوک کم انرژی نیاز داشته باشد. بنابراین، تشخیص یک دوره از فیبریلاسیون دهلیزی قبل از وقوع، مداخلات اولیه را امکانپذیر می‌کند که ممکن است نتایج درمان بیمار را بهبود بخشد.
محققان مرکز سیستم‌های زیست‌پزشکی لوکزامبورگ (LCSB) در دانشگاه لوکزامبورگ مطالعه‌ای را منتشر کرده‌اند که در آن یک مدل یادگیری عمیق برای پیش‌بینی دقیق و ۳۰ دقیقه زودتر از وقوع فیبریلاسیون دهلیزی آموزش دیده است.
در حال حاضر، الکتروکاردیوگرافی (ECG) یا نوار قلب فقط می‌تواند فیبریلاسیون دهلیزی را درست قبل از وقوع آن تشخیص دهد، بنابراین نمی‌توان آن را یک سیستم هشدار اولیه در نظر گرفت.
خورخه گونکالوز (Jorge Goncalves)، نویسنده مسئول این مطالعه می‌گوید: ما از داده‌های ضربان قلب برای آموزش یک مدل یادگیری عمیق استفاده کردیم که می‌تواند مراحل مختلف مانند ریتم سینوسی، پیش فیبریلاسیون دهلیزی و فیبریلاسیون دهلیزی را تشخیص دهد و احتمال خطر ابتلا به یک اتفاق قریب‌الوقوع را محاسبه کند.
این مدل هشدار فیبریلاسیون دهلیزی (Warning of Atrial fibRillatioN) یا وارن (WARN) نامیده می‌شود، بر روی ضبط ۲۴ ساعته نوار قلب که از ۳۵۰ بیمار در بیمارستان تانگجی، چین جمع آوری شده بود، آموزش داده و آزمایش شد. داده‌ها توسط متخصصین قلب به عنوان ریتم سینوسی، پیش فیبریلاسیون دهلیزی و فیبریلاسیون دهلیزی دسته‌بندی شدند.
برای آموزش مدل برای تشخیص علائم پیش از فیبریلاسیون دهلیزی، محققان از تنوع در فاصله بین امواج در نوار قلب به عنوان منبع اصلی داده استفاده کردند.
با جمع‌آوری نمونه‌های ۳۰ ثانیه‌ای هر ۱۵ ثانیه، مدل یادگیری عمیق احتمال بروز فیبریلاسیون دهلیزی قریب الوقوع را محاسبه کرد. در داده‌های آزمایش، وارن شروع فیبریلاسیون دهلیزی را به‌طور متوسط ۳۱ دقیقه و ۳۳ دقیقه قبل از وقوع، به ترتیب با دقت ۸۳ و ۷۳ درصد پیش‌بینی کرد.
مارینو گاویدیا (Marino Gavidia) نویسنده اول مطالعه می‌گوید: مدل ما با استفاده از فواصل امواج R به R، عملکرد بالایی دارد که می‌توان این داده‌ها را از ضبط کننده‌های سیگنال پالس ساده و مقرون به صرفه مانند ساعت‌های هوشمند دریافت کرد.
محققان پیش‌بینی می‌کنند که این دستگاه می‌تواند در تلفن‌های هوشمند برای پردازش داده‌های به‌دست‌آمده از یک ساعت هوشمند استفاده شود. هدف در درازمدت این است که بیماران بتوانند به طور مداوم ریتم قلب خود را کنترل کنند و به اندازه کافی هشدار دریافت کنند تا بتوانند از درمان‌هایی مانند داروهای ضد آریتمی خوراکی برای جلوگیری از شروع فیبریلاسیون دهلیزی استفاده کنند؛ و محققان می‌گویند، این فناوری را می‌توان شخصی‌سازی کرد.
این مطالعه در مجله Patterns منتشر شده است.
منبع: ایسنا
باشگاه خبرنگاران جوان علمی پزشکی فناوری
محکومیت بدوی توماج صالحی به اعدام