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，用于治疗感冒和流感引起的咳嗽的右美沙芬等药物可能会被重新用于帮助人们戒烟。他们开发了一种新颖的机器学习方法，其中计算机程序分析数据集的模式和趋势，以识别药物，并表示其中一些已经在临床试验中进行测试。

吸烟是心血管疾病、癌症和呼吸系统疾病的危险因素，在美国每年造成近五十万人死亡。虽然吸烟行为可以习得和不习得，但遗传学也在一个人从事这些行为的风险中发挥作用。研究人员在之前的一项研究中发现，具有某些基因的人更容易对烟草上瘾。

利用来自1多万人的遗传数据，公共卫生科学教授、生物化学和分子生物学教授刘大江博士和公共卫生科学助理教授蒋碧波博士共同领导了一项大型多机构研究，该研究使用机器学习来研究这些大型数据集-;其中包括有关一个人的遗传学和他们自我报告的吸烟行为的具体数据。

研究人员确定了400多个与吸烟行为有关的基因。由于一个人可以有数千个基因，他们必须确定为什么其中一些基因与吸烟行为有关。携带尼古丁受体产生指令或参与激素多巴胺信号传导的基因，使人们感到放松和快乐，具有易于理解的联系。对于剩余的基因，研究小组必须确定每个基因在生物途径中的作用，并利用这些信息，弄清楚哪些药物已经被批准用于修改这些现有途径。

研究中的大部分遗传数据来自具有欧洲血统的人，因此机器学习模型必须量身定制，不仅要研究这些数据，还要研究大约150，000名具有亚洲，非洲或美洲血统的人的较小数据集。

刘和江与70多名科学家合作开展了这个项目。他们确定了至少八种可能重新用于戒烟的药物，例如通常用于治疗感冒和流感引起的咳嗽的右美沙芬和用于治疗阿尔茨海默病的加兰他敏。这项研究于今天(26月<>日)发表在《自然遗传学》上。

使用生物医学大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。我们确定的一些药物已经在临床试验中测试了它们帮助吸烟者戒烟的能力，但仍有其他可能的候选药物可以在未来的研究中探索。

刘大江博士，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研究员

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，研究人员从具有不同祖先的个体中建立基因数据库仍然很重要。

“这只会提高机器学习模型识别有药物滥用风险的个体的准确性，并确定可以针对有益治疗的潜在生物学途径。