0
  • 聊天消息
  • 系統(tǒng)消息
  • 評(píng)論與回復(fù)
登錄后你可以
  • 下載海量資料
  • 學(xué)習(xí)在線課程
  • 觀看技術(shù)視頻
  • 寫文章/發(fā)帖/加入社區(qū)
會(huì)員中心
創(chuàng)作中心

完善資料讓更多小伙伴認(rèn)識(shí)你,還能領(lǐng)取20積分哦,立即完善>

3天內(nèi)不再提示

通過(guò)數(shù)學(xué)模型來(lái)預(yù)測(cè)大腦中的藥物效用如何

獨(dú)愛(ài)72H ? 來(lái)源:量子認(rèn)知 ? 作者:量子認(rèn)知 ? 2019-12-19 15:54 ? 次閱讀

(文章來(lái)源:量子認(rèn)知)

藥物是否以正確的量到達(dá)我們大腦的正確位置?這是藥物醫(yī)學(xué)家們長(zhǎng)期以來(lái)一直尋求解決的問(wèn)題,也是所有服藥的人們極為關(guān)心的具體問(wèn)題。最近,荷蘭萊頓大學(xué)的科學(xué)家通過(guò)建立數(shù)學(xué)模型來(lái)描述我們大腦的小“大腦塊”,可以預(yù)測(cè)大腦中隨時(shí)間和空間變化的藥物的濃度。

萊頓大學(xué)(荷蘭語(yǔ):Universiteit Leiden)座落在荷蘭的萊頓市,是目前荷蘭最古老的大學(xué),享有極高的國(guó)際聲譽(yù)。該校建立于1575年,由荷蘭威廉王子所建,荷蘭君主威廉明娜女王、朱麗安娜女王、貝婭特麗克絲女王以及威廉-亞歷山大國(guó)王都曾在萊頓大學(xué)學(xué)習(xí)。

研究人員說(shuō):“迄今為止,成功地運(yùn)用于大腦的藥物仍然十分有限。歷來(lái)對(duì)我們大腦的復(fù)雜性以及藥物如何在大腦中自我分配仍然不甚了解”。因此,研究人員開(kāi)發(fā)了數(shù)學(xué)3D立體模型,以預(yù)測(cè)大腦中的藥物濃度。 這種嶄新的模型描述了藥物在時(shí)間和空間上的擴(kuò)散,從而可以認(rèn)知藥物分配的不同過(guò)程。

準(zhǔn)確地了解藥物在大腦中的擴(kuò)散方式和數(shù)量對(duì)于開(kāi)發(fā)新藥物至關(guān)重要。如果在目標(biāo)部位,如局部腦腫瘤中,藥物不足,則不會(huì)產(chǎn)生預(yù)期的效果。如果藥物的含量過(guò)多,又可能會(huì)產(chǎn)生更多的副作用。此外,通常由于生病,大腦內(nèi)部可能存在局部差異。因?yàn)檫@些差異會(huì)影響大腦的空間分布,使藥物效果的評(píng)估變得十分困難。

出于實(shí)際和倫理的原因,我們不可能用真實(shí)的大腦來(lái)進(jìn)行具體的實(shí)驗(yàn)。 這樣的數(shù)學(xué)模型提供了便于安全地了解更多大腦信息的方法。該模型基于所謂的腦模塊原理。一個(gè)腦模塊是一小塊腦組織的抽象表示,被視為腦的基本構(gòu)建塊,其中用數(shù)學(xué)方法描述了大腦中最小的血管、大腦毛細(xì)血管以及細(xì)胞外的腦液。

在這種腦模塊結(jié)構(gòu)中,藥物首先通過(guò)從血管穿過(guò)腦血腦屏障,從而自身分裂,然后再通過(guò)細(xì)胞外腦液進(jìn)一步擴(kuò)散并結(jié)合至其藥物靶標(biāo)。 腦血管障壁(blood–brain barrier,簡(jiǎn)稱BBB),指在血管和腦之間的一種有選擇性地阻止某些物質(zhì)由血液進(jìn)入大腦的“屏障”。

通過(guò)將這些腦模塊像構(gòu)建塊一樣連接在一起,從而可以描述大腦的更大部分。通過(guò)賦予某些大腦塊與其他大腦塊不同的屬性,這樣可以研究大腦內(nèi)部空間變化的影響。由于每一種藥物在每一個(gè)患者的大腦的空間過(guò)程和特性可能會(huì)有所不同,再加上由于疾病本身發(fā)生的變化,通過(guò)在適應(yīng)性構(gòu)建塊中呈現(xiàn)大腦數(shù)學(xué)景象,可以使數(shù)學(xué)模型針對(duì)每個(gè)患者及其具體情況進(jìn)行個(gè)性化的模式測(cè)量。

該研究通過(guò)使用數(shù)學(xué)技術(shù)更好地理解藥理過(guò)程,通過(guò)三維立體的腦單元模型,在數(shù)學(xué)與藥理學(xué)兩個(gè)學(xué)科之間架起了一座橋梁。科學(xué)家們相信,通過(guò)這樣的的3D模型,為描述藥物在復(fù)雜大腦中的傳播奠定了堅(jiān)實(shí)的基礎(chǔ)。
(責(zé)任編輯:fqj)

聲明:本文內(nèi)容及配圖由入駐作者撰寫或者入駐合作網(wǎng)站授權(quán)轉(zhuǎn)載。文章觀點(diǎn)僅代表作者本人,不代表電子發(fā)燒友網(wǎng)立場(chǎng)。文章及其配圖僅供工程師學(xué)習(xí)之用,如有內(nèi)容侵權(quán)或者其他違規(guī)問(wèn)題,請(qǐng)聯(lián)系本站處理。 舉報(bào)投訴
收藏 人收藏

    評(píng)論

    相關(guān)推薦

    SPICE模型系列的半導(dǎo)體器件

    半導(dǎo)體器件模型是指描述半導(dǎo)體器件的電、熱、光、磁等器件行為的數(shù)學(xué)模型。其中,SPICE(Simulation Program with Integrated Circuit Emphasis)模型
    的頭像 發(fā)表于 10-31 18:11 ?232次閱讀
    SPICE<b class='flag-5'>模型</b>系列的半導(dǎo)體器件

    什么是電路模型?它有什么意義

    電路模型是電子學(xué)和電氣工程中的一個(gè)重要概念,它是用來(lái)描述電路中各個(gè)元件之間相互作用和能量轉(zhuǎn)換的數(shù)學(xué)模型。 一、電路模型的概念 電路模型是用數(shù)學(xué)
    的頭像 發(fā)表于 08-22 16:38 ?2262次閱讀

    matlab預(yù)測(cè)模型怎么用

    MATLAB預(yù)測(cè)模型是一種基于統(tǒng)計(jì)和數(shù)學(xué)方法的預(yù)測(cè)工具,廣泛應(yīng)用于各種領(lǐng)域,如金融、氣象、生物醫(yī)學(xué)等。本文將介紹MATLAB預(yù)測(cè)
    的頭像 發(fā)表于 07-11 14:33 ?504次閱讀

    MATLAB預(yù)測(cè)模型哪個(gè)好

    在MATLAB中,預(yù)測(cè)模型的選擇取決于數(shù)據(jù)類型、問(wèn)題復(fù)雜度和預(yù)測(cè)目標(biāo)。以下是一些常見(jiàn)的預(yù)測(cè)模型及其適用場(chǎng)景的介紹: 線性回歸(Linear
    的頭像 發(fā)表于 07-11 14:31 ?362次閱讀

    matlab預(yù)測(cè)模型有哪些

    環(huán)境,使其成為預(yù)測(cè)模型開(kāi)發(fā)和實(shí)現(xiàn)的理想平臺(tái)。本文將詳細(xì)介紹MATLAB中常用的預(yù)測(cè)模型及其應(yīng)用。 線性回歸模型 線性回歸是一種簡(jiǎn)單的
    的頭像 發(fā)表于 07-11 14:27 ?664次閱讀

    人工神經(jīng)元模型的三要素是什么

    神經(jīng)元是構(gòu)成神經(jīng)系統(tǒng)的基本單元,它們通過(guò)突觸與其他神經(jīng)元相互連接,實(shí)現(xiàn)信息的傳遞和處理。人工神經(jīng)元?jiǎng)t是模仿生物神經(jīng)元的一種數(shù)學(xué)模型,它通過(guò)數(shù)學(xué)和算法來(lái)實(shí)現(xiàn)對(duì)數(shù)據(jù)的處理和學(xué)習(xí)。 1.2
    的頭像 發(fā)表于 07-11 11:13 ?611次閱讀

    bp神經(jīng)網(wǎng)絡(luò)預(yù)測(cè)模型建模步驟

    BP神經(jīng)網(wǎng)絡(luò)(Backpropagation Neural Network)是一種多層前饋神經(jīng)網(wǎng)絡(luò),其核心思想是通過(guò)反向傳播算法來(lái)調(diào)整網(wǎng)絡(luò)中的權(quán)重和偏置,從而實(shí)現(xiàn)對(duì)輸入數(shù)據(jù)的預(yù)測(cè)或分類。本文將詳細(xì)
    的頭像 發(fā)表于 07-11 10:52 ?426次閱讀

    arimagarch模型怎么預(yù)測(cè)

    ARIMA-GARCH模型是一種時(shí)間序列預(yù)測(cè)方法,它結(jié)合了自回歸積分滑動(dòng)平均(ARIMA)模型和廣義自回歸條件異方差(GARCH)模型。ARIMA
    的頭像 發(fā)表于 07-09 10:22 ?362次閱讀

    rnn是什么神經(jīng)網(wǎng)絡(luò)模型

    領(lǐng)域有著廣泛的應(yīng)用。 RNN的基本概念 1.1 神經(jīng)網(wǎng)絡(luò)的基本概念 神經(jīng)網(wǎng)絡(luò)是一種受生物神經(jīng)網(wǎng)絡(luò)啟發(fā)的數(shù)學(xué)模型,它由多個(gè)神經(jīng)元(或稱為節(jié)點(diǎn))組成,這些神經(jīng)元通過(guò)權(quán)重連接在一起。每個(gè)神經(jīng)元接收輸入信號(hào),對(duì)其進(jìn)行加權(quán)求和,然后通過(guò)
    的頭像 發(fā)表于 07-05 09:50 ?496次閱讀

    數(shù)學(xué)建模神經(jīng)網(wǎng)絡(luò)模型的優(yōu)缺點(diǎn)有哪些

    數(shù)學(xué)建模神經(jīng)網(wǎng)絡(luò)模型是一種基于人工神經(jīng)網(wǎng)絡(luò)的數(shù)學(xué)建模方法,它通過(guò)模擬人腦神經(jīng)元的連接和信息傳遞機(jī)制,對(duì)復(fù)雜系統(tǒng)進(jìn)行建模和分析。神經(jīng)網(wǎng)絡(luò)模型
    的頭像 發(fā)表于 07-02 11:36 ?770次閱讀

    基于FPGA技術(shù)的手勢(shì)識(shí)別控制型多功能機(jī)械臂系統(tǒng)

    首先通過(guò)圖像采集設(shè)備來(lái)獲取手勢(shì)圖像,通過(guò)手勢(shì)建模將獲取的手勢(shì)圖像用數(shù)學(xué)模型描述出來(lái),最后根據(jù)得到的手勢(shì)識(shí)別所需要的模型參量判別出具體的手勢(shì)形
    發(fā)表于 04-27 11:21 ?1122次閱讀

    三相SVPWM電壓型逆變器的數(shù)學(xué)模型

    通過(guò)前面得出的dq坐標(biāo)系下的數(shù)學(xué)模型,進(jìn)一步可以得到dq坐標(biāo)系下的變壓器模型。通過(guò)這種模型可以幫助我們更好的去理解dq坐標(biāo)系下的
    發(fā)表于 04-06 04:27 ?2376次閱讀
    三相SVPWM電壓型逆變器的<b class='flag-5'>數(shù)學(xué)模型</b>

    gis最大覆蓋模型是什么

    設(shè)施的需求,并減少人們到設(shè)施的交通成本。它為決策者提供了一個(gè)決定設(shè)施位置的依據(jù)。下面將從原理、應(yīng)用和優(yōu)缺點(diǎn)三個(gè)方面詳細(xì)介紹GIS最大覆蓋模型。 一、原理: GIS最大覆蓋模型基于一個(gè)最優(yōu)化問(wèn)題,通過(guò)數(shù)學(xué)建模
    的頭像 發(fā)表于 02-25 15:04 ?1247次閱讀

    如何基于深度學(xué)習(xí)模型訓(xùn)練實(shí)現(xiàn)工件切割點(diǎn)位置預(yù)測(cè)

    Hello大家好,今天給大家分享一下如何基于深度學(xué)習(xí)模型訓(xùn)練實(shí)現(xiàn)工件切割點(diǎn)位置預(yù)測(cè),主要是通過(guò)對(duì)YOLOv8姿態(tài)評(píng)估模型在自定義的數(shù)據(jù)集上訓(xùn)練,生成一個(gè)工件切割分離點(diǎn)
    的頭像 發(fā)表于 12-22 11:07 ?728次閱讀
    如何基于深度學(xué)習(xí)<b class='flag-5'>模型</b>訓(xùn)練實(shí)現(xiàn)工件切割點(diǎn)位置<b class='flag-5'>預(yù)測(cè)</b>

    LabVIEW進(jìn)行癌癥預(yù)測(cè)模型研究

    效果。 LabVIEW在此研究中的應(yīng)用展示了其在處理復(fù)雜醫(yī)學(xué)數(shù)據(jù)和開(kāi)發(fā)高效預(yù)測(cè)模型方面的獨(dú)特優(yōu)勢(shì),特別是在癌癥早期診斷和治療策略的研究中。通過(guò)使用LabVIEW,研究人員可以更快、更準(zhǔn)確地分析和解釋大量
    發(fā)表于 12-13 19:04