دانشمندان دانشگاه هاروارد با همكاری یك محقق ایرانی مدل ریاضیاتی ارائه كرده‌اند كه می‌تواند به طراحی درمانهای موثر بیماری‌های چند دارویی و همچنین درمان بدون ایجاد مقاومت در بیماران مبتلا به ایدز منجر شود.
به گزارش سرویس علمی خبرگزاری دانشجویان ایران(ایسنا)، مطالعات علیرضا ربیع، از مولفان این پژوهش در دانشگاه جانز هاپكینز و همكاران او می‌تواند به توضیح چرایی تفاوت میان ارتباط پایبندی به یك رژیم غذایی و مقاومت دارویی در هر داروی حاضر در تركیب مورد استفاده در كنترل بیماری كمك كرده و پزشكان را در طراحی سریع‌تر و ارزان‌تر تركیبات جدید دارویی با امكان ایجاد مقاومت كمتر یاری كند.
این محققان موفق به ساخت شیوه‌ای شده‌اند كه محققان پزشكی می‌توانند از آن در مدلسازی تاثیرات درمانهای مختلف و پیش‌بینی امكان ایجاد مقاومت در ویروس در برابر دارو كمك كند.
در مقایسه با زمان و هزینه كارآزمایی‌های بالینی، این شیوه یك راه نسبتا آسانتر برای انجام این پیش‌بینی‌ها ارائه كرده است.
به گفته محققان این شیوه یك ابزار ریاضیاتی برای كمك به طراحی كارآزمایی‌های بالینی است كه از درك محاسبه‌ای تكامل برای شبیه‌تر كردن فرآیند پیش‌بینی امكان مقاومت دارویی به مهندسی استفاده می‌كند.
اگرچه برای انجام دقیق این پیش‌بینی‌ها به داده‌های زیادی نیاز است كه دكتر ربیع و همكارانش كه در مورد چگونگی واكنش ویروس اچ‌آی‌وی به دوزهای متفاوت دارو مطالعه می‌كردند، این اطلاعات را تامین كردند.
چنین اطلاعاتی برای مدلی در نهایت توسط دكتر ربیع طراحی شده، بسیار اساسی بوده چرا كه سطح دارو در بیماران بطور طبیعی متفاوت است. در زمان پائین بودن سطح دارو، ویروسها تحت كنترل هستند اما همچنین این سطح پائین می‌تواند خطر بروز گونه‌های جهش یافته ویروس را افزایش دهد كه به مقاومت دارویی منجر خواهد شد.
به گزارش ایسنا ربیع و همكارانش با استفاده از این داده‌ها توانستند یك مدل رایانه‌ای را ایجاد كنند كه امكان و چگونگی رشد یك ویروس یا یك گونه مقاوم در برابر دارو را بر اساس میزان پایبندی بیماران به رژیم دارویی خود پیش‌بینی می‌كند.
این مدل می‌تواند به عنوان یك هدایتگر به دانشمندان در زمان طراحی تركیبات دارویی برای مبارزه با بیماری ایدز كمك كند.
محققان اكنون در حال كار برای اصلاح این مدل جهت تاثیرگذارتر كردن عوامل دیگر از جمله گونه‌های چندگانه جهش یافته ویروس و تغییر تمركز دارو در دیگر بخشهای بدن هستند
