انتقال همه داروهابه بدن بایک کپسول!
جرعه ای ازجهان دانش
بهارسادات موسوی
[ گزارش ازپژوهش های تازه ]
محققان کپسولی ابداع کردند که چند دارو را در خود جای می دهد و زمان های مختلف در بدن آزاد می کند.
به گزارش نیواطلس ، برای کنترل برخی بیماریها زمانبندی دریافت دارو اهمیت خاصی دارد. در همین راستا ، محققان دانشگاه یو سی سن دیگو یک کپسول با قابلیت شخصی سازی ابداع کردهاند که تنظیم دوز بندی پیچیده دارو را با یک سیستم رهش چند مرحله منحصربه فرد ساده میکند.
در سالهای اخیر محققان دریافت برخی مواد براساس ساعت بیولوژیک بدن انسان را تحلیل کردند. در همین راستا یک تحقیق نشان داد دریافت داروهای ضد التهاب در شب برخلاف صبح ممکن است فرایند در مان را کند کند. حتی زمان افزودن شکر به قهوه تاثیرگذاری کافئین این نوشیدنی را تغییر میدهد.
با این وجود رعایت برنامه ریزی دوز بندی روزانه به خصوص برای افراد مسن که اغلب با کاهش بیماریهای شناختی دست و پنجه نرم میکنند ، ممکن است کار مشکلی باشد. کپسول جدید یو سی سن دیگو میتواند در این زمینه به افراد کمک کند و احتمال تاثیرگذاری برخی داروها را افزایش دهد.
محققان برای ابداع این محصول یک کپسول با بخشهای مختلفی که به وسیله موانعی ساخته شده از یک ماتریکس لاکتوز و مالتوز که با یک پلیمر پاسخدهنده به pH جاسازی شده در آن ، جدا شده بود را مهندسی کردند. این پلیمر در مقابل اسید معده از موانع محافظت میکند و با تغییر ضخامت موانع مختلف میتواند زمان رهش دارو در بخشهای مختلف را کنترل کند.
کل این کپسول در یک لایه محافظتی از سلولز گیاهی پوشیده شده که در معده حل میشود. بنابراین داروهایی که باید به سرعت آزاد شوند در لایههای اولیه و بدون مانع محافظ قرار میگیرند تا با حل شدن پوشش خارجی آزاد شوند.
همچنین مهندسان در لایه خارجی ذرات منیزیم قرار دادند تا دو فعالیت را انجام دهد. نخست هنگامی که این ذرات آزاد میشوند جریانی از حبابهای هیدروژن میسازند که به انتشار سریعتر داروها کمک میکند. در در جه دوم منیزیم به خنثی سازی اسید معده کمک میکند و همین امر سبب میشود مانع واکنش دهنده به pH داروی دوم را آزاد کند.
راهکار تازه برای تولید دادههای مصنوعی
پژوهشگران دانشگاههای تهران و قم روشی برای تولید دادههای مصنوعی ارائه کردهاند که میتواند تحولی در یادگیری ماشین ، امنیت سایبری و جرمشناسی دیجیتال ایجاد کند.
به گزارش دانشگاه تهران ، در پژوهشی که به سرپرستی دکتر مهدی تیموری ، دانشیار دانشکده سامانههای هوشمند دانشکدگان علوم و فناوریهای میانرشتهای دانشگاه تهران و پژوهشگرانی از دانشگاه قم انجام شده است ، راهکار تازهای برای تولید دادههای مصنوعی و آموزش یک مدل یادگیری ماشین با استفاده از این دادهها پیشنهاد شده است.
دکتر مهدی تیموری ، سرپرست این تیم تحقیقاتی درباره اهمیت این پژوهش گفت: «یکی از چالشهای اساسی در کاربردهای عملی یادگیری ماشین ، مسالهی تعمیمپذیری است ؛ یعنی این که یک مدل آموزشدیده چقدر میتواند در شرایط و دادههای متفاوت ، از دادههای آموزشی ، عملکرد مطلوبی ارائه دهد. این مشکل بهویژه در حوزههایی مانند امنیت شبکه که دادههای برچسبخورده کمیاب و اغلب محرمانه هستند ، اهمیت بیشتری پیدا میکند. تحقیق اخیر برای پاسخ به همین چالش طراحی شده است.»
وی افزود: «در این پژوهش ، با تمرکز بر پروتکلهای جغرافیایی مانند NMEA و KLV ، روشی مبتنی بر مهندسی ویژگیها و مدلسازی آماری — تحلیلی توزیع ویژگیها معرفی و با استفاده از آن ، مجموعهدادهای مصنوعی تولید شده است. سپس ، یک مدل یادگیری ماشین تنها با همین دادههای مصنوعی آموزش داده شده و عملکرد آن با دادههای واقعی مورد ارزیابی قرار گرفته است. نتایج نشان میدهد که مدل آموزشدیده ، حتی زمانی که دادهها دارای نویز هستند ، دقت بالایی در شناسایی پروتکلها دارد.»
عضو هیات علمی دانشکدگان علوم و فناوریهای نوین دانشگاه تهران گفت: «از ویژگیهای برجستهی این پژوهش ، قابلیت تعمیم روش پیشنهادی به سایر حوزههای مبتنی بر یادگیری ماشین است. اگرچه مطالعهی حاضر بهطور خاص بر شناسایی پروتکلهای جغرافیایی تمرکز دارد ، اما رویکرد ارائهشده در تولید دادههای مصنوعی میتواند در حوزههایی مانند تشخیص نفوذ ، تحلیل رفتار کاربران ، تصویربرداری پزشکی ، یا حتی در صنایع هوشمند مانند کشاورزی ، لجستیک و حملونقل نیز کاربرد داشته باشد ؛ بهویژه در مواردی که دادههای واقعی بهدلیل محدودیتهای حریم خصوصی ، امنیتی یا هزینهبر بودن ، در دسترس نیستند.»
وی با بیان این که یکی از مهمترین دستاوردهای این پژوهش ، کاهش وابستگی به دادههای واقعی برچسبخورده است ، اظهار داشت: «این مزیت نهتنها از نظر صرفهجویی در منابع و زمان اهمیت دارد ، بلکه از نظر یافتن راه حلی عملی برای حفظ حریم خصوصی کاربران و شناسایی پروتکلهای نادر یا جدید مهم است.»
یافتههای این پژوهش به تازگی از سوی الزویر در نشریه Forensic Science International: Digital Investigation منتشر شده و از طریق این لینک در دسترس است.
راهکار تازه برای تولید دادههای مصنوعی
پژوهشگران دانشگاههای تهران و قم روشی برای تولید دادههای مصنوعی ارائه کردهاند که میتواند تحولی در یادگیری ماشین ، امنیت سایبری و جرمشناسی دیجیتال ایجاد کند.
به گزارش دانشگاه تهران ، در پژوهشی که به سرپرستی دکتر مهدی تیموری ، دانشیار دانشکده سامانههای هوشمند دانشکدگان علوم و فناوریهای میانرشتهای دانشگاه تهران و پژوهشگرانی از دانشگاه قم انجام شده است ، راهکار تازهای برای تولید دادههای مصنوعی و آموزش یک مدل یادگیری ماشین با استفاده از این دادهها پیشنهاد شده است.
دکتر مهدی تیموری ، سرپرست این تیم تحقیقاتی درباره اهمیت این پژوهش گفت: «یکی از چالشهای اساسی در کاربردهای عملی یادگیری ماشین ، مسالهی تعمیمپذیری است ؛ یعنی این که یک مدل آموزشدیده چقدر میتواند در شرایط و دادههای متفاوت ، از دادههای آموزشی ، عملکرد مطلوبی ارائه دهد. این مشکل بهویژه در حوزههایی مانند امنیت شبکه که دادههای برچسبخورده کمیاب و اغلب محرمانه هستند ، اهمیت بیشتری پیدا میکند. تحقیق اخیر برای پاسخ به همین چالش طراحی شده است.»
وی افزود: «در این پژوهش ، با تمرکز بر پروتکلهای جغرافیایی مانند NMEA و KLV ، روشی مبتنی بر مهندسی ویژگیها و مدلسازی آماری — تحلیلی توزیع ویژگیها معرفی و با استفاده از آن ، مجموعهدادهای مصنوعی تولید شده است. سپس ، یک مدل یادگیری ماشین تنها با همین دادههای مصنوعی آموزش داده شده و عملکرد آن با دادههای واقعی مورد ارزیابی قرار گرفته است. نتایج نشان میدهد که مدل آموزشدیده ، حتی زمانی که دادهها دارای نویز هستند ، دقت بالایی در شناسایی پروتکلها دارد.»
عضو هیات علمی دانشکدگان علوم و فناوریهای نوین دانشگاه تهران گفت: «از ویژگیهای برجستهی این پژوهش ، قابلیت تعمیم روش پیشنهادی به سایر حوزههای مبتنی بر یادگیری ماشین است. اگرچه مطالعهی حاضر بهطور خاص بر شناسایی پروتکلهای جغرافیایی تمرکز دارد ، اما رویکرد ارائهشده در تولید دادههای مصنوعی میتواند در حوزههایی مانند تشخیص نفوذ ، تحلیل رفتار کاربران ، تصویربرداری پزشکی ، یا حتی در صنایع هوشمند مانند کشاورزی ، لجستیک و حملونقل نیز کاربرد داشته باشد ؛ بهویژه در مواردی که دادههای واقعی بهدلیل محدودیتهای حریم خصوصی ، امنیتی یا هزینهبر بودن ، در دسترس نیستند.»
وی با بیان این که یکی از مهمترین دستاوردهای این پژوهش ، کاهش وابستگی به دادههای واقعی برچسبخورده است ، اظهار داشت: «این مزیت نهتنها از نظر صرفهجویی در منابع و زمان اهمیت دارد ، بلکه از نظر یافتن راه حلی عملی برای حفظ حریم خصوصی کاربران و شناسایی پروتکلهای نادر یا جدید مهم است.»
یافتههای این پژوهش به تازگی از سوی الزویر در نشریه Forensic Science International: Digital Investigation منتشر شده و از طریق این لینک در دسترس است.
آزمایش بمب هیدروژنی غیرهستهای
براساس گزارشها ، دولت چین یک بمب هیدروژنی قدرتمند اما غیرهستهای را آزمایش کرده است.
به گزارش روزنامه «ساوث چاینا مورنینگ پست» ، پژوهشگران چینی با موفقیت یک بمب انفجاری مبتنی بر هیدروژن را در یک آزمایش میدانی کنترلشده منفجر کردند ؛ بمبی که بدون استفاده از هیچ ماده هستهای ، واکنشهای زنجیرهای شیمیایی مخربی ایجاد کرد.
بر اساس مطالعهای که ماه میلادی گذشته منتشر شد ، این بمب ۲ کیلوگرمی آتشی با دمای بیش از ۱۰۰۰ درجه سانتیگراد به مدت بیش از ۲ ثانیه ایجاد کرد که این مدت ۱۵ برابر طولانیتر از انفجار مشابهی با ماده منفجره «تی.ان.تی» است و هیچ ماده هستهای در آن به کار نرفته بود.
این بمب توسط یک مؤسسه تحقیقاتی وابسته به شرکت صنایع کشتیسازی دولتی چین توسعه یافته و از یک ماده ذخیرهسازی هیدروژن به حالت جامد استفاده میکند که بر منیزیم مبتنی است. این پودر نقرهایرنگ که «هیدرید منیزیم» نام دارد ، ظرفیت ذخیره هیدروژن بسیار بیشتری نسبت به مخازن تحت فشار دارد. در اصل این ماده برای انتقال گاز هیدروژن به مناطق بدون دسترسی به شبکه برق و تأمین برق پاک و گرمایش تولید شده بود.
به گفته پژوهشگران در مقالهای که در نشریه چینی «پروژهها ، راکتها ، موشکها و هدایت» منتشر شده ، زمانی که این ماده با مواد منفجره معمولی فعال میشود ، دچار تجزیه گرمایی سریع شده و گاز هیدروژن آزاد میکند که به یک آتشسوزی پایدار تبدیل میشود.
رهبر این تیم تحقیقاتی اعلام کرد: «انفجار گاز هیدروژن با حداقل انرژی جرقه شروع میشود ، دامنه وسیعی از انفجار را پوشش میدهد و شعلههایی را ایجاد میکند که به سرعت گسترش یافته و در منطقه وسیعی پخش میشوند. این ترکیب اجازه میدهد شدت انفجار به طور دقیقی کنترل شود و تخریب یکنواخت اهداف در مناطق وسیع به راحتی محقق شود.»
این مقاله ، محل تهیه مقدار زیاد هیدرید منیزیم مورد استفاده در آزمایش را فاش نکرده است و همچنان مشخص نیست که ارتش آزادیبخش خلق چین تحت چه شرایطی ممکن است این سلاح را به کار گیرد. تا همین اواخر ، تولید هیدرید منیزیم تنها در آزمایشگاهها و با سرعت چند گرم در روز امکانپذیر بود ؛ چرا که پیوند دادن هیدروژن با منیزیم نیاز به دما و فشار بالا داشت و در صورت تماس تصادفی با هوا در حین تولید ، خطر وقوع یک انفجار مرگبار وجود داشت.
با این حال ، در اوایل سال جاری میلادی ، چین کارخانهای برای تولید هیدرید منیزیم در استان شمال غربی شانشی راهاندازی کرد که ظرفیت تولید ۱۵۰ تن از این ماده در سال را دارد. این کارخانه توسط مؤسسه فیزیک شیمی دالیان توسعه یافته و طبق اعلام آکادمی علوم چین ، با استفاده از روش «سنتز در یک مرحله» هزینه تولید را به طور قابلتوجهی کاهش داده است.
ناحیه حل مشکلات در مغز انسان کشف شد
محققان هنگام پژوهش روی بیماران با آسیب های مغزی ، ناحیه ای از مغز که توانایی فرد برای دست و پنجه نرم کردن با مشکلات جدید دارد را کشف کرده اند.
به گزارش ایندپندنت ، پژوهشگران به رهبری کارشناسان بیمارستان ملی عصب شناسی و جراحی اعصاب لندن نقشهای از مغز ۲۴۷ بیمار که به دلیل سکته یا تومور دچار آسیب شده بودند را تهیه و با ۸۱ فرد سالم مقایسه کردند.
کارشناسان انستیتو عصب شناسی UCL Queen Square و بخش نوروسایکولوژی بیمارستان اعلام کردند تحقیق شأن مناطق کلیدی مغز که برای تفکر منطقی و حل مشکلات حیاتی است را کشف کردهاند.
محققان تستهای جدیدی برای ارزیابی توانایی مهارتهای استدلالی یعنی قابلیت درک ، نتیجه گیری و دست و پنجه نرم کردن با چالشهای جدید و نوین ایجاد کردند. این تستها شامل یک فعالیت استدلالی آنالوژیک کلامی یا نوعی معما که در آن از افراد خواسته میشود رابطه بین کلمات را برای حل چالشها بیابند و همچنین یک استدلال قیاسی که در آن افراد از عکسها ، اشکال یا اعداد برای شناسایی الگوهای منطقی و حل مشکل استفاده میکنند ، بود.
عملکرد شرکت کنندگان در این تستها به ایجاد نقشه از آسیبها و نقصانها مرتبط بود. برای این منظور از یک ابزار جهت شناسایی مناطقی از مغز که در هنگام آسیب دیدگی با نقصان مخصوصی مرتبط بودند استفاده شد.
افراد دچار آسیب در لوب جلویی سمت راست مغز در مقایسه با افرادی که نقاط دیگر مغزشان آسیب دیده بود در انجام تستهای مذکور چالش بیشتری داشتند و ۱۵ درصد بیشتر از بیماران دیگر و افراد سالم اشتباه میکردند.
جوزف مول مؤلف ارشد این تحقیق میگوید: پژوهش ما شیوه کمک قسمت جلویی سمت راست مغز به تفکر و حل و مشکل را بررسی میکند. این بررسی نشان داد تستهای جدید میتوانند به ردیابی چالشهای استدلالی در افراد با آسیبهای مغزی کمک کنند و از سوی دیگر تشخیص و درمان را بهبود میبخشند.
با ترکیب تحقیقات شناختی دقیق دریک مخزن بزرگ از نمونه افراد دچار آسیب مغزی با تکنیک پیشرفته نقشه برداری از آسیب ، درک محققان از ساختارهای عصبی پیچیده و زیربنایی استدلال انسانها بیشتر شد.
