Σάββατο, 15 Ιουνίου, 2024

Η τεχνητή νοημοσύνη φωτίζει τις ευεργετικές δράσεις των συστατικών του ελαιολάδου

Η έρευνα με την Τεχνητή Νοημοσύνη για την ευεργετική δράση των συστατικών του ελαιολάδου στην νόσο Alzheimer

Η τεχνητή νοημοσύνη στην προσπάθεια διαλεύκανσης των ευεργετικών δράσεων των συστατικών του ελαιολάδου στις ασθένειες

Τί είναι η Μηχανική Μάθηση
Η μηχανική μάθηση (ML) είναι ένας υποκλάδος της τεχνητής νοημοσύνης που
αναφέρεται στην δημιουργία υπολογιστικών μοντέλων που μπορούν να εκτελούν
καθήκοντα που απαιτούν ανθρώπινη νοημοσύνη, όπως το μάθημα, η λήψη αποφάσεων, η αντίληψη της γλώσσας και η επίλυση προβλημάτων, χωρίς όμως ανθρώπινη παρέμβαση. Αυτά τα μοντέλα χρησιμοποιούν δεδομένα και διαφόρους αλγόριθμους για να αντιστοιχίσουν τις απαιτήσεις των εργασιών που τους ανατίθενται και να παρέχουν αυτόματες λύσεις σε αυτές.

Τα βασικά στάδια για την ανάπτυξη ενός μοντέλου ML είναι τα ακόλουθα:

1. Συλλογή Δεδομένων: Αρχικά, συλλέγονται μεγάλα σύνολα δεδομένων, τα οποία
περιέχουν πληροφορίες που χρειάζεται το σύστημα για να μάθει και να εκπαιδευτεί.

2. Προ-Επεξεργασία Δεδομένων: Τα δεδομένα υποβάλλονται σε προ-επεξεργασία για
καθαρισμό από τυχόν άχρηστες τιμές και κατάλληλη μορφοποίησή τους, προκειμένου να μπορούν να χρησιμοποιηθούν στα επόμενα βήματα που θα ακολουθήσουν. Τα δεδομένα χωρίζονται σε δύο ξένα σύνολα, ένα μεγαλύτερο (σύνολο εκπαίδευσης – 70%-80% των προεπεξεργασμένων δεδομένων) που θα χρησιμοποιηθεί κατά το στάδιο της εκπαίδευσης και ένα μικρότερο (σύνολο ελέγχου 30%-20%) που θα χρησιμοποιηθεί για την δοκιμή και βελτιστοποίηση του παραγόμενου μοντέλου.

3. Εκπαίδευση Μοντέλων: Το σύνολο δεδομένων εκπαίδευσης χρησιμοποιείται για την
εκπαίδευση των μοντέλων μηχανικής μάθησης, τα οποία θα κληθούν να απαντήσουν στα ερωτήματα στα οποία θα τους ζητηθούν απαντήσεις. Αυτά τα μοντέλα εντοπίζουν
αυτόματα πρότυπα και καθορίζουν πώς σχετίζονται μεταξύ τους στο σύνολο των
διαθέσιμων δεδομένων.

4. Δοκιμή και Βελτιστοποίηση: Τα μοντέλα αξιολογούνται χρησιμοποιώντας το σύνολο
ελέγχου, δηλαδή δεδομένα τα οποία ΔΕΝ έχουν χρησιμοποιηθεί κατά το στάδιο της
εκπαίδευσης. Και ανάλογα με τα αποτελέσματα μπορούν να προσαρμοστούν τα μοντέλα προκειμένου να βελτιωθεί η απόδοσή τους.

5. Εφαρμογή σε Καθήκοντα: Μετά την εκπαίδευση, τα μοντέλα είναι έτοιμα για εφαρμογή σε συγκεκριμένα καθήκοντα. Αναλαμβάνουν εργασίες όπως αναγνώριση εικόνων, αυτόματη μετάφραση, πρόβλεψη τάσεων κ.ά.

Όλα τα παραπάνω δείχνουν ότι η ML μπορεί να βοηθά ή/και να αντικαθιστά τον
άνθρωπο σε πολλά θέματα. Όπως κάθε ανακάλυψη- εφεύρεση, έτσι και αυτή μπορεί να αποβεί επωφελής ή καταστρεπτική για τον άνθρωπο. Όσο, μάλιστα, πιο μεγάλη είναι τόσο μεγαλύτερο καλό ή κακό μπορεί να προκαλέσει στον άνθρωπο. Αλλά πρέπει να τονιστεί ότι δεν υπάρχουν καλές ή κακές ανακαλύψεις αλλά καλές ή κακές χρήσεις αυτών από τον άνθρωπο. Η ΤΝ είναι χρήσιμη και βρίσκει εφαρμογή και στην επιστημονική έρευνα. Θα πρέπει όμως να χρησιμοποιηθούν κατάλληλες παράμετροι και επειδή η ΤΝ είναι διαφορετική από την φύση του ανθρώπινου μυαλού (γιατί δεν γνωρίζει ποια ερώτηση να κάνει), θα πρέπει να γίνει σωστή χρήση της ΤΝ, οπότε μπορεί να βοηθήσει να βρεθεί η σωστή λύση ενός προβλήματος.

Εφαρμογές της Τεχνητής Νοημοσύνης στην υγεία
Ένα παράδειγμα χρήσης της ΤΝ είναι η περίπτωση της αντιμετώπισης της Νόσου
Alzheimer (AD), όπου με χρήση ML και επεξεργασία δεδομένων από γονίδια και τις
αντίστοιχες πρωτεΐνες (που η παραγωγή τους κωδικοποιείται από αυτά τα γονίδια) που
σχετίζονται με την νόσο, γίνεται προσπάθεια για την ανακάλυψη μορίων στο ελαιόλαδο που έχουν ευεργετική δράση στην πρόληψη, ανάπτυξη ή/και εξέλιξη της νόσου. Η ιδέα στηρίχτηκε σε υπάρχουσες μελέτες που υποδεικνύουν ότι το εξαιρετικό παρθένο ελαιόλαδο (EVOO) μπορεί να είναι χρήσιμο στην πρόληψη, ανάπτυξη και την εξέλιξη της AD, οπότε μπαίνει το ερώτημα ποια από τα συστατικά του ελαιολάδου δίνουν σε αυτό την συγκεκριμένη δυνατότητα για αυτή την νόσο που προκαλεί ανθρώπινη, κοινωνική και οικονομική επιβάρυνση. Η έρευνα αυτή με τίτλο «Alzheimer’s disease: using gene/protein network machine learning for molecule discovery in olive oil» δημοσιεύτηκε πρόσφατα στο διεθνές επιστημονικό περιοδικό Hum Genomics 17, 57 (2023).

https://doi.org/10.1186/s40246-023-00503-6 με συγγραφείς τους Luís Rita, Natalie R. Neumann, Ivan Laponogov, Guadalupe Gonzalez, Dennis Veselkov, Domenico Pratico, Reza Aalizadeh, Nikolaos S. Thomaidis, David C. Thompson, Vasilis Vasiliou and Kirill Veselkov.

Η έρευνα με την Τεχνητή Νοημοσύνη για την ευεργετική δράση των συστατικών του ελαιολάδου στην νόσο Alzheimer
Η ασθένεια χαρακτηρίζεται κυρίως από την παθολογική παρουσία εναποθέσεων
λανθασμένων πρωτεϊνών (δηλαδή, αμυλοειδών βήτα πεπτιδίων και φωσφορυλιωμένης
πρωτεΐνης tau κλπ) και την απώλεια κυττάρων σε περιοχές του εγκεφάλου που είναι
σημαντικές για τη γλώσσα και τη μνήμη. Παρά τις δεκαετίες έρευνας, η ακριβής
παθογένεση της AD παραμένει άγνωστη και δεν υπάρχουν θεραπείες για την αναστροφή ή την πρόληψη της νευρογνωστικής έκπτωσης. Λόγω των επιπτώσεων της ασθένειας, της περιορισμένης κατανόησης της παθοφυσιολογίας της και της έλλειψης αποτελεσματικών τρόπων θεραπείας, οι ερευνητές εξετάζουν νέες και μη συμβατικές θεραπείες για την πρόληψη και την θεραπεία αυτής της νόσου. Τα τελευταία χρόνια, υπάρχει αυξανόμενο ενδιαφέρον για τις πιθανές νευροπροστατευτικές επιδράσεις του EVOO βασικό συστατικό της Μεσογειακής δίαιτας, η κατανάλωση του οποίου έχει συσχετιστεί με χαμηλότερη συχνότητα εμφάνισης άνοιας και γνωστικής έκπτωσης σε μεγάλες επιδημιολογικές μελέτες. Επιπλέον, αρκετές παρεμβατικές κλινικές μελέτες έχουν δείξει επίσης πολλά υποσχόμενα αποτελέσματα στη χρήση ελαιολάδου και συστατικών του EVOO για τη βελτίωση των γνωστικών αποτελεσμάτων σε άτομα με AD. Ωστόσο, τα συγκεκριμένα αυτά συστατικά που είναι υπεύθυνα για αυτές τις επιδράσεις παραμένουν άγνωστα λόγω της πολύπλοκης φύσης του EVOO και του χρόνου και του κόστους που σχετίζεται με την απομόνωση επαρκών ποσοτήτων μεμονωμένων συστατικών και την εξέταση των επιπτώσεών τους στην ανάπτυξη και εξέλιξη της AD . Μία προσέγγιση στο θέμα περιλαμβάνει την εξερεύνηση βιοδραστικών μορίων τροφής με την εξέταση των μεμονωμένων πρωτεϊνικών στα οποία αυτά επιδρούν, μια προσέγγιση που συχνά αναφέρεται ως «μία ασθένεια-ένας στόχος-ένα φάρμακο». Αυτή η προσέγγιση στην ανάπτυξη της θεραπευτικής παρέμβασης συνδέει μια συγκεκριμένη ασθένεια με ένα μόνο συγκεκριμένο χημικό μόριο-στόχο (όπως μια πρωτεΐνη ή ένα ένζυμο), το οποίο στη συνέχεια δέχεται την επίδραση από ένα μόνο φάρμακο ή χημικό μόριο τροφής για τη θεραπεία της νόσου. Πρέπει να σημειωθεί ότι από ετών υπάρχει η άποψη (και έχει αποδειχθεί σε πολλές περιπτώσεις) ότι αφ΄ ενός μεν, μια ασθένεια μπορεί να προκύψει ως συνέπεια μιας μεμονωμένης δυσλειτουργίας ενός χημικού μορίου του οργανισμού, δηλαδή μια μεμονωμένη πρωτεϊνική δυσλειτουργία μπορεί να επηρεάσει πολλές άλλες πρωτεΐνες και μονοπάτια σε έναν καταρράκτη διαταραχών, με αποτέλεσμα την νόσο. Και αφ’ ετέρου δε, ότι η διόρθωση αυτής της δυσλειτουργίας μπορεί να οδηγήσει στη θεραπεία ή τη διαχείριση της νόσου. Οι πρόσφατες εξελίξεις στην ΤΝ, σε συνδυασμό με την εκρηκτική ανάπτυξη δεδομένων μεγάλης κλίμακας, πολλαπλών πηγών για τρόφιμα, φάρμακα και ασθένειες, προσφέρουν μια μοναδική ευκαιρία εντοπισμού μορίων στα τρόφιμα που μπορούν να αποτρέψουν ή/και να αναστρέψουν ασθένειες χρησιμοποιώντας πιο ολιστικές και βασισμένες σε συστήματα προσεγγίσεις. 

Τα αποτελέσματα της έρευνας
Χρησιμοποιώντας την ΤΝ, η παρούσα μελέτη εντόπισε φάρμακα εγκεκριμένα από
την FDA ( U.S. Food and Drug Administration) και συστατικά του EVOO που είναι πιθανό να αλληλεπιδράσουν με γονίδια και πρωτεΐνες που σχετίζονται με την παθοφυσιολογία της AD. Το μοντέλο εκπαιδεύτηκε αρχικά για τη διαφοροποίηση μεταξύ φαρμάκων που έχουν εγκριθεί από τον FDA στις φάσεις 3 ή 4 για τη θεραπεία της AD (και αποτέλεσαν την θετική κατηγορία) έναντι εκείνων των φαρμάκων που έχουν εγκριθεί από τον FDA για τη θεραπεία άλλων ασθενειών εκτός από την AD (και αποτέλεσαν την αρνητική κατηγορία). Αυτό ήταν το μοντέλο που χρησιμοποιήθηκε για να προβλέψει ποια συστατικά του EVOO θα μπορούσαν να επηρεάσουν την ανάπτυξη και/ή την εξέλιξη της AD. Οι πιθανότητας συσχέτισης που λήφθηκαν για τα συστατικά του μοντέλου EVOO ήταν παρόμοιες με αυτές που ελήφθησαν για τα εγκεκριμένα από τον FDA φάρμακα φάσης 3 ή 4, υποδηλώνοντας ότι τα συστατικά του EVOO αλληλοεπιδρούν με τις ίδιες οδούς με τα εγκεκριμένα από τον FDA φάρμακα.

Η χρήση της ΤΝ για τον εντοπισμό στόχων που επιδρούν τα φάρμακα με χρήση
υπαρχουσών βάσεων δεδομένων είναι μόνο στην αρχή της και η ακρίβεια των προβλέψεων βασίζεται στην ποιότητα των βάσεων δεδομένων που χρησιμοποιούνται, οι οποίες όμως ενημερώνονται πάντα καθώς δημιουργείται νέα γνώση. Τα αποτελέσματα που προέκυψαν στην παρούσα μελέτη υποστηρίζουν την εγκυρότητα αυτής της προσέγγισης στο ότι αρκετά από τα συστατικά του EVOO που εντοπίστηκαν, όπως η κερκετίνη, έχουν προηγουμένως βρεθεί ότι έχουν θετική επίδραση στην πρόληψη της ανάπτυξης ή της εξέλιξης της AD. Για παράδειγμα, η κερκετίνη, συστατικό του EVOO που έχει αποδειχθεί ότι έχει την ισχυρότερη πιθανότητα συσχέτισης στην παρούσα μελέτη, έχει προηγουμένως αξιολογηθεί ως νευροπροστατευτικός παράγοντας στην AD. Θεωρείται ότι είναι προστατευτική έναντι της AD μειώνοντας το οξειδωτικό στρες, τη ρύθμιση των κυτταροκινών, την αναστολή της συσσώρευσης βήτα αμυλοειδούς και τη μείωση της φωσφορυλίωσης tau.  Ακόμα τα συστατικά γενιστεΐνη, απιγενίνη, κατεχίνη (επικατεχίνη), καμπφερόλη, ομοίως, έχουν επίσης αναγνωριστεί ως πιθανοί θεραπευτικοί παράγοντες για την AD. Άλλα συστατικά όπως τα φλαβονοειδή λουτεολίνη και δαϊδζεΐνη, δεν έχουν διερευνηθεί ως θεραπευτικοί παράγοντες στην AD. Επιπλέον το παλμιτελαϊκό και το στεατικό οξύ έχουν υποβληθεί σε περιορισμένη αξιολόγηση για τις βιολογικές τους δράσεις στο κεντρικό νευρικό σύστημα. Τέλος, μέχρι σήμερα, το σκουαλένιο δεν έχει θεωρηθεί ως θεραπευτικό συστατικό, αν και ο μεταβολισμός του έχει ληφθεί υπόψη στην παθογένεση της AD.

Αδυναμίες-περιορισμοί της έρευνας
Η αναλυτική προσέγγιση που υιοθετήθηκε στην παρούσα μελέτη έχει αρκετούς
περιορισμούς, πολλοί από τους οποίους οφείλονται στη φύση των δεδομένων της βάσης που χρησιμοποιήσαμε. Για παράδειγμα, η ακριβής παθογένεση της AD είναι άγνωστη. Εάν υπάρχουν πρωτεΐνες και γονίδια που έχουν σημαντικό ρόλο στην ανάπτυξη της AD, αλλά δεν έχουν ακόμη ανακαλυφθεί, δεν έχουν ληφθεί υπόψη σε αυτή τη μελέτη. Κάποιες άλλες βάσεις δεδομένων είναι από μόνες τους ελλιπείς και είναι πιθανό να υπάρχουν πρωτεΐνες, συστατικά του EVOO που αλληλοεπιδρούν με κάποια πρωτεΐνη ή αλληλοεπίδραση πρωτεΐνης-πρωτεΐνης που είναι γνωστό ότι έχουν αντίκτυπο στην AD, οι οποίες δεν περιλαμβάνονται σε αυτές τις βάσεις δεδομένων. Καθώς αυτές οι βάσεις δεδομένων βελτιώνονται με την προώθηση της γνώσης, αυτή η προσέγγιση που ακολουθείται στην παρούσα μελέτη θα πρέπει να γίνει πιο ισχυρή. Επιπλέον, αναλύθηκε μόνο ένα υποσύνολο γονιδίων που επιμελήθηκαν οι ειδικοί της AD και είναι πιθανό αυτά που επιλέχθηκαν να μην χαρακτηρίζουν πλήρως τη διαδικασία της νόσου. Η ανάλυσή τους επίσης δεν διακρίνει εάν τα συστατικά που εντοπίστηκαν EVOO είναι απαραίτητα αποτελεσματικά κατά της AD ή εάν τα αποτελέσματά τους θα ήταν υπέρ της AD. Βέβαια, αν και είναι πιο πιθανό να είναι εξίσου αποτελεσματικά με τα εγκεκριμένα από τον FDA φάρμακα φάσης 3 και 4 που υποβάλλονται σε κλινικές δοκιμές AD από οποιαδήποτε άλλα μόρια που βρέθηκαν στο EVOO. Είναι επίσης σημαντικό να αναγνωριστεί ότι ο αριθμός αυτών των φαρμάκων θετικής κατηγορίας (δηλαδή, φάρμακα εγκεκριμένα από τον FDA που υποβάλλονται σε δοκιμές AD) ήταν πολύ μικρότερος (32) από τον αριθμό των φαρμάκων αρνητικής κατηγορίας (δηλαδή, εγκεκριμένα από τον FDA φάρμακα που δεν είναι κατά της AD) που χρησιμοποιήθηκαν για εκπαίδευση μοντέλων (1.745). Ένα τέτοιο μη ισορροπημένο σύνολο δεδομένων αυξάνει την πιθανότητα μεροληψίας προς την αρνητική τάξη, οδηγώντας σε υποεκτίμηση των συστατικών του EVOO που μπορεί να επηρεάσουν την AD. Με τον εντοπισμό περισσότερων φαρμάκων κατά της AD και τις ενημερωμένες βάσεις δεδομένων στο μέλλον, θα είναι δυνατό να βελτιωθεί περαιτέρω η προγνωστική ικανότητα του τρέχοντος μοντέλου.

Συμπερασματικά:
Είναι γνωστό ότι η διατροφή και ο τρόπος ζωής επηρεάζουν την υγεία. Η μηχανική μάθηση είναι ένας νέος, οικονομικά αποδοτικός τρόπος αξιολόγησης των πιθανών οφελών για την υγεία των μεμονωμένων συστατικών του EVOO. Η παρούσα μελέτη παρέχει μια προσέγγιση που συνδυάζει μελέτες ΤΝ, αναλυτικής χημείας και μελετών ολόκληρων κατηγοριών μορίων για τη διερεύνηση των αλληλεπιδράσεων των συστατικών του EVOO με μονοπάτια που εμπλέκονται σε παθολογικές καταστάσεις, πληροφορίες που μπορούν να οδηγήσουν στον εντοπισμό νέων θεραπευτικών τρόπων με ένα φυσικό προϊόν (που περιέχει ένα ετερογενές μείγμα δραστικών συστατικών). Οι αναλύσεις εντόπισαν πολλά μεμονωμένα συστατικά του EVOO που έχουν υψηλή πιθανότητα να παρεμβαίνουν στην AD, μερικά από τα οποία (π.χ. κερκσετίνη, γενιστεΐνη) έχουν δείξει πολλά υποσχόμενα αποτελέσματα στην παθογένεση της AD. Άλλα (π.χ., λουτεολίνη) αξίζουν περαιτέρω in vitro και in vivo μελέτη. 

Μόνο μέσω της διεξαγωγής τέτοιων μελετών θα επικυρωθεί η προγνωστική χρησιμότητα της προσέγγισής τους με την ΤΝ. Ενώ τα αποτελέσματα της παρούσας μελέτης ρίχνουν φως στον τρόπο με τον οποίο το EVOO μπορεί να βοηθήσει στη θεραπεία ή στην πρόληψη της AD, η ίδια προσέγγιση μπορεί να εφαρμοστεί για τον εντοπισμό δραστικών συστατικών του EVOO (ή άλλων συστατικών τροφίμων) που θεραπεύουν άλλες ασθένειες, όπως η υπέρταση, η δυσλιπιδαιμία κ.λπ.

Επιμέλεια άρθρου:

Κωνσταντίνος Α. Δημόπουλος: Ομοτ. Καθηγητής Βιοχημείας & Χημείας Τροφίμων, Τμήμα Χημείας, Πανεπιστημίου Αθηνών.
Μέλος της Επιστημονικής Εταιρείας Εγκυκλοπαιδιστών Ελαιοκομίας (4Ε)

 

Αλέξανδρος Κ. Δημόπουλος: Λέκτορας Σχολής Ναυτικών Δοκίμων
Ηλεκτρολόγος Μηχανικός και Μηχανικός ΕΜΠ

Σχετικά άρθρα

Ακολουθήστε μας

5,044ΥποστηρικτέςΚάντε Like
1,570ΑκόλουθοιΑκολουθήστε
119ΣυνδρομητέςΓίνετε συνδρομητής
Ελιά & Ελαιόλαδο: Τεύχος 105