根据宾夕法尼亚州立医学院和明尼苏达大学的研究人员进行的一项研究，某些药物，如通常用于治疗感冒和流感引起的咳嗽的右美沙芬可能被重新利用来帮助人们戒烟。研究人员采用了一种尖端的机器学习方法，即计算机算法仔细检查数据集以发现模式和趋势，以确定具有潜力的药物。这些药物中的一些已经在进行临床试验。

吸烟是导致心血管疾病、癌症和呼吸道疾病的主要因素，每年在美国造成近50万人死亡。虽然吸烟的习惯可以培养和改变，但遗传学也对一个人从事这种行为的可能性起着一定的作用。在之前的一项研究中，研究人员发现具有特定遗传特征的人更容易对烟草上瘾。

公共卫生科学、生物化学和分子生物学教授刘大江博士和公共卫生科学助理教授蒋碧波博士利用130多万人的基因数据，共同领导了一项大型的多机构研究，利用机器学习来研究这些大型数据集--其中包括一个人的基因和他们自我报告的吸烟行为的具体数据。

研究人员确定了400多个与吸烟行为有关的基因。由于一个人可能有成千上万的基因，他们必须确定为什么其中一些基因与吸烟行为有关。携带生产尼古丁受体的指令或参与荷尔蒙多巴胺信号的基因，使人们感到放松和快乐，这些基因有容易理解的联系。对于其余的基因，研究小组必须确定每个基因在生物途径中发挥的作用，并利用这些信息，弄清哪些药物已经被批准用于修改这些现有途径。

该研究中的大部分基因数据来自欧洲人的祖先，因此机器学习模型必须量身定做，不仅要研究这些数据，还要研究由大约15万名亚洲、非洲或美国人祖先组成的较小的数据集。

刘和江在该项目中与70多位科学家合作。他们发现至少有八种药物有可能被重新用于戒烟，例如常用于治疗感冒和流感引起的咳嗽的右美沙芬，以及用于治疗阿尔茨海默病的加兰他敏。该研究发表在《自然-遗传学》上。

宾夕法尼亚州立癌症研究所和宾夕法尼亚州立哈克生命科学研究所的研究人员说："利用生物医学大数据和机器学习方法重新处理药物可以节省金钱、时间和资源。我们确定的一些药物已经在临床试验中测试其帮助吸烟者戒烟的能力，但仍有其他可能的候选药物可以在未来的研究中探索。"

虽然机器学习方法能够纳入一小部分来自不同祖先的数据，但研究人员认为从具有不同祖先的个体中建立起基因数据库仍然很重要："这只会提高机器学习模型识别有药物滥用风险的个体的准确性，并确定可用于有益治疗的潜在生物途径。"