بررسي اثرات تركيبي داروهاي بيهوش كننده تزريقي برگيرنده گليسين انساني با استفاده از شبكه هاي عصبي مصنوعي

Effects of Combination of Intravenous Anesthetic Agents on Human Glycine Receptor evaluated by Artificial Neural Networks

مقدمه: بيهوش كننده هاي عمومي تزريقي، از مهمترين و پرمصرف ترين داروهاي بيهوشي در كلينيك مي باشند. مطالعات گسترده فارماكولوژيكي نشان داده است كه تقويت اثرات گابا و گليسين بر گيرنده هاي خود بدنبال مصرف آنها، از عمده ترين مكانيسمهاي پذيرفته شده مي باشند. تاكنون مطالعات محدودي در رابطه با اثرات تركيبات دو يا چند تايي آنها، بر گيرنده هاي فوق الذكر انجام شده است. اما به منظور دستيابي به تركيب دارويي بهينه كه بواسطه مصرف آن ماكزيمم اثر بر روي گيرنده هاي فوق ايجاد ميگردد، استفاده از روشهاي آزمايشگاهي منطقي بنظر نمي رسد. چرا كه اين امر مستلزم صرف وقت و هزينه غير قابل توجيه مي باشد. يكي از روشهاي يافتن تركيبات بهينه دارويي، روش شبكه هاي عصبي مصنوعي مي باشد كه در آن با استفاده از نتايج آزمايشگاهي موجود، بهينه سازي پاسخ انجام مي پذيرد. روش‌ها: در اين پژوهش مدل شبكه هاي عصبي مصنوعي با هفت متغير ورودي و يك متغير خروجي طراحي شد. هر متغير ورودي بيانگر غلظت مصرفي يكي از داروهاي بيهوشي تزريقي تيوپنتال، متوهگزيتال، پنتوباربيتال، پروپوفول، اتوميديت، سفن و كتامين بوده و متغير خروجي تابع نيز شاخصي براي بيان تاثير داروها بر گيرنده گليسين مي باشد. يافته‌ها: نتايج اين پژوهش نشان ميدهد كه بيشترين اثرات تقويتي بر گيرنده گليسين در روش محاسباتي در حدود %1500 مي باشد كه تحت اثر تركيبي از غلظتهاي مشخصي از داروهاي فوق بدست مي آيد. اين در حاليست كه حداكثر اثر تقويتي هر دارو به تنهايي در آزمايشات در حدود %600 با پروپوفول و يا سفن بوده و ماكزيمم اثر تقويتي در تركيبات دوتايي در حدود %640 با تيوپنتال و پنتوباربيتال، در آزمايشات حاصل شده است. نتيجه‌گيري: نهايتا، جهت بررسي و تاييد نتايج بدست آمده، انجام آزمايشات مربوطه با غلظتهايي كه ماكزيمم اثر را در تركيبات با روشهاي محاسباتي ايجاد نموده اند، توصيه مي گردد.

Introduction: Intravenous general anesthetic agents are among the most important and widely used anesthetic drugs in the clinical practice. Many pharmacological studies have shown that potentiation of GABA and glycine on their receptors is the most plausible mechanism. Nevertheless, there is limited information on the effects of co-administration of two or more of these agents. However, experimental models for investigation of optimized drug combinations to have maximum effects on the receptors, have certain limitations and are both time consuming and expensive. One method to optimize drug combinations is the use of artificial neural network, in which the response optimization is performed by using experimental results.Methods: In this research, artificial neural network has been used to model a function with seven input and one output variants. Each input variant represents one of the intravenous general anesthetics including thiopentone, methohexitone, pentobarbitone, propofol, etomidate, saffan and ketamine and the output variant is the effectiveness of these drugs on glycine receptors.Results: Results of the present study show that maximum potentiation of the tested drugs on glycine receptor are around 1500%, which can be achieved under certain drug concentrations, while maximum potentiation that has been obtained in experimental models by combination of propofol or saffan and by combination of thiopentone and pentobarbitone has been around 600% and 640%, respectively.Conclusion: In order to evaluate and validate the calculated results, experiments are recommended to be performed with the proposed combinations and concentrations.