Данных о каннабисе не хватает, но машинное обучение может помочь: новое исследование показывает, что мы мало знаем о соединениях, содержащихся в марихуане, и названия не имеют большого значения

Любой, кто использовал, продавал, изучал или даже много читал о марихуане, вероятно, признает эти акронимы как активные ингредиенты в растении.
Но помимо опьяняющего тетрагидроканнабинола (THC) и терапевтического каннабидиола (CBD), существует множество разнообразных химических веществ, которые, как считается, незаметно взаимодействуют – явление, известное как “ эффект окружения ”, влияющее на то, как каждый уникальный штамм каннабиса заставляет людей чувствовать себя.
На сегодняшний день индустрия каннабиса собрала очень мало данных об этих менее известных соединениях, как показывает новое исследование Университета Колорадо в Боулдере. Но то же исследование, опубликованное в этом месяце в журнале PLOS ONE, предполагает, что удивительная научная область может сыграть важную роль в заполнении пробела в знаниях.

«Этот документ представляет собой очень ранний пример того, как применение передовых методов науки о данных может дать нам новое представление о том, как работает этот завод», – сказал старший автор Брайан Киган, доцент кафедры информатики.
Спросите совета у продавца бутонов, и они нередко делают обобщения, рекомендуя, например, сорта Cannabis sativa для получения энергии или Cannabis indica для расслабляющего эффекта.

Такие названия, как Girl Scout Cookies или Gorilla Glue, производят впечатление стандартизации – купите его в одном месте, и вы получите такой же продукт, как если бы вы купили его в другом месте, полагают многие.
Но зачастую это не так, – говорит первый автор исследования Даниэла Вергара, научный сотрудник отдела экологии и эволюционной биологии.

Различные флавоноиды и терпены могут сделать кажущиеся похожие сорта разными по вкусу и запаху, а вторичные каннабиноиды могут влиять на то, расслабляет он или стимулирует, успокаивает или вдохновляет на творчество.
Единственный способ по-настоящему узнать, что находится в разнообразии, – это измерить химические вещества.

«Но поскольку правила требуют отчетности только по нескольким соединениям, таким как THC и CBD, собирается очень мало данных об этих других соединениях или о том, как они взаимодействуют», – сказал Вергара. “Мы не понимаем всей картины.”
Медицинская или рекреационная марихуана теперь легальна в 39 штатах, а продажи только в Колорадо превышают $ 1.7 миллиардов в 2019 году, заполнение этих пробелов в знаниях важнее, чем когда-либо, что может привести к стандартизации продуктов или новым методам лечения, основанным на эффекте окружения, говорят авторы.

В надежде получить полную картину о растении, Вергара объединилась с Киганом для анализа набора данных о более чем 17600 сортов цветка каннабиса, предоставленных одной из крупнейших в стране компаний по тестированию каннабиса за восемь лет.

Оценивая, сколько данных было доступно по семи различным каннабиноидам, исследователи обнаружили – что неудивительно – что только 1.У 4% сортов отсутствовали данные о ТГК, а в 38% процентов отсутствовали данные о КБД. Только 153 образца содержали данные по всем семи каннабиноидам, а некоторые почти никогда не измерялись.
Например, только 597 образцов, менее 4%, содержали информацию о CBDV (каннабидварин), непсихоактивном соединении, которое, как считается, подавляет судороги. В 62% образцов отсутствовали данные о CBN (каннабиноле), соединении, которое часто рекомендуется для сна.

Введите машинное обучение.
«Мы думали, что методы науки о данных могут помочь решить фундаментальную проблему с отсутствующими данными», – сказал Киган. “Можем ли мы использовать имеющиеся у нас данные о химических профилях некоторых штаммов, чтобы приписать или угадать значения тех, по которым у нас нет данных?”
Используя алгоритмы и статистические методы, команда решила выявить скрытые закономерности, обнаруженные в данных. Вскоре они поняли, что одно из их ключевых предположений было неверным.

В растении THCA и CBDA (кислотные формы каннабиноидов, которые превращаются в THC и CBD при нагревании) конкурируют за одну и ту же молекулу-предшественник, каннабигероловую кислоту (CBGA). Таким образом, исследователи предположили, что штаммы с высоким содержанием ТГК будут с низким содержанием КБД, или наоборот.

«Так не вышло», – сказал Киган, отметив, что некоторые штаммы содержали оба. “Это говорит о том, что мы не знаем об этих химических путях столько, сколько мы думали.”
Используя метод, называемый уменьшением размерности, они смогли сгруппировать штаммы в четыре отдельные категории на основе химических свойств, каждая из которых соответствовала различным вариантам использования (лекарственные, развлекательные, комбинированные, промышленные).
Любопытно, что некоторые сорта с одинаковым названием попали в разные кластеры.

«Это исследование подтверждает неправильное присвоение сортов каннабиса отраслью», – отметили авторы. “Название штамма не указывает на эффективность или общий химический состав.”
В будущем Киган продолжит использовать машинное обучение для заполнения пробелов в данных. Но чтобы сделать это правильно, требуется широкое сотрудничество в индустрии каннабиса.
«Если бы больше людей делились своими данными, мы могли бы делать более точные выводы о том, как эти разные каннабиноиды работают или взаимодействуют друг с другом», – сказал он.

Он предвидит день, когда можно будет разработать индивидуальные продукты для медицинского использования на основе комплексного эффекта окружения взаимодействующих соединений. Клиенты диспансера могут просмотреть панель ингредиентов, так же как панель фактов о питании на пищевых продуктах, перед покупкой. И имена будут что-то значить.

«Машинное обучение сыграло огромную роль в формировании других отраслей, от Facebook и Twitter до Target», – сказал Вергара. “Это также может помочь заполнить пробелы в индустрии каннабиса.”
Среди других соавторов исследования Реджи Гаудино и Томас Бланк из Front Range Biosciences.