메이저사이트State 엔지니어가 NSF 보조금을 받아 약물 개발에서 동물 실험을 줄이는 방법을 모색합니다.
2024년 2월 19일 월요일
맨해튼 — 캔자스 주립대학교 공학부 조교수는 동물 실험과 같은 전통적인 방법보다 메이저사이트 상호 작용으로 인한 질병 진행 및 합병증을 더 잘 예측하는 프레임워크를 개발하기 위해 노력하고 있습니다.
다부드 B. 푸어카르가르, 화학공학과 조교수칼 R. 아이스 공과대학은 장기 칩 실험과 기계 학습을 활용한 다중 규모 모델링 프레임워크를 통해 메이저사이트 전달 역학에 대한 이해를 높이기 위해 국립과학재단(National Science Foundation)으로부터 245,000달러의 보조금을 받았습니다.
2년 프로젝트인 "질병 진행 및 약물 전달 역학에 대한 심층적인 이해를 위한 장기 칩 데이터를 사용한 물리학 기반 기계 학습"은 다음과 같은 한계를 해결하는 데 초점을 맞춘 NSF 자금을 활용합니다. 메이저사이트 있어 기존의 동물 모델링을 사용하여 윤리적 우려를 강조하고 사용을 최소화합니다.
이 연구는 건강한 조직과 질병에 걸린 조직의 물리화학적 기반 다중 규모 모델, 최첨단 장기 칩 실험 및 기계 학습을 활용하여 질병 진행 및 메이저사이트 상호 작용을 더 잘 예측할 것입니다.
"이 혁신적인 물리학 기반 기계 학습 접근 방식은 장기 칩 실험을 강화하고 전임상 과정을 간소화하며 메이저사이트 효능을 개선하고 부작용을 최소화합니다."라고 Pourkargar는 말했습니다. "궁극적으로 이 프로젝트는 메이저사이트 발견을 가속화하고 맞춤형 치료를 지원하며 보다 효율적이고 저렴한 의료 서비스를 육성하는 동시에 동물 실험에 대한 의존도를 줄입니다."
개발 중인 하이브리드 모델은 표준 기계 학습 기반 모델을 능가하여 향상된 분석 단순성, 해석 가능성 및 훈련 샘플의 필요성 감소를 통해 장기 칩 데이터를 정확하게 추정 및 보간할 것입니다.
