الرعاية الصحية

نموذج التعلم العميق يتنبأ بالتفاعلات الضارة بين الأدوية

mm
أضف Unite.AI إلى مصادرك المفضلة على Google

فريق من الباحثين من معهد كوانغجو للعلوم والتكنولوجيا (جست) في كوريا الجنوبية طور نموذجًا للتعلم العميق يتنبأ بالتفاعلات بين الأدوية (DDIs) بناءً على تأثيرها على التعبير الجيني. يمكن أن تكون DDIs مشكلة خطيرة عند تناول عدة أدوية في نفس الوقت ، مما يؤدي إلى آثار صحية ضارة بسبب التفاعلات غير المتوقعة.

نشر البحث في مجلة المعلومات الكيميائية .

اكتشاف مبكر للتفاعلات بين الأدوية

تتطلب العديد من الأمراض المعقدة وصف عدة أدوية ، أو تناول عدة أدوية. ومع ذلك ، يمكن أن يؤدي تناول عدة أدوية إلى جميع أنواع التفاعلات غير المتوقعة وغير المرغوب فيها ، مما قد يؤدي إلى آثار جانبية خطيرة أو انخفاض في الفعالية السريرية. من أجل منع المرضى من مواجهة هذه الآثار الضارة ، يجب اكتشاف هذه التفاعلات في وقت مبكر.

تشمل الأساليب الحالية نماذج حسابية و خوارزميات قائمة على الشبكات العصبية التي تدرس السجلات السابقة للتفاعلات المعروفة بين الأدوية قبل تحديد الهياكل والآثار الجانبية المرتبطة بها. ومع ذلك ، تفترض هذه الأنظمة أن الأدوية المماثلة لها تفاعلات مماثلة وتحدد مجموعات الأدوية ذات الآثار الجانبية المماثلة.

سعى الفريق إلى تطوير نموذج جديد للتغلب على بعض هذه القيود. قاد الفريق الأستاذ المشارك Hojung Nam ومرشح الدكتوراه Eunyoung Kim من GIST. طوروا نموذجًا للتعلم العميق لتنبؤ التفاعلات بين الأدوية بناءً على أنماط التعبير الجيني الناتجة عن الأدوية.

نموذج DeSIDE-DDI

يتكون النموذج ، الذي سمي DeSIDE-DDI ، من جزأين:

  • الجزء الأول: نموذج توليد ميزات يتنبأ بتأثير دواء على التعبير الجيني. يقوم بذلك عن طريق مراعاة كل من هيكل الدواء وخصائصه.
  • الجزء الثاني: نموذج تنبؤ بالتفاعلات بين الأدوية يتنبأ بالآثار الجانبية المختلفة الناتجة عن توليفات الأدوية.

“يأخذ نموذجنا في الاعتبار تأثير الأدوية على الجينات من خلال استخدام بيانات التعبير الجيني ، مما يوفر تفسيرًا لماذا يسبب زوج معين من الأدوية تفاعلات بين الأدوية” ، يقول البروفيسور نام. “يمكنه التنبؤ بالتفاعلات بين الأدوية للأدوية المعتمدة حاليًا وكذلك للمركبات الجديدة. بهذه الطريقة ، يمكن حل تهديدات تناول عدة أدوية قبل إتاحة الأدوية الجديدة للجمهور”.

لا تتوفر لكل المركبات بيانات مقاسة عن أنماط التعبير الجيني بعد المعالجة بالأدوية، لذلك يستخدم النموذج الجديد نموذجًا مُدرّبًا مسبقًا لتوليد السمات، بهدف إنتاج أنماط التعبير الجيني المتوقعة بعد المعالجة بالأدوية.

“يمكن للنموذج التمييز بين أزواج الأدوية المحتملة الخطرة ، ويعمل كنظام مراقبة سلامة الدواء. يمكنه مساعدة الباحثين في تحديد الاستخدام الصحيح للدواء في مرحلة تطوير الدواء” ، يواصل البروفيسور نام.

النموذج الجديد هو خطوة كبيرة نحو تحسين سلامة الأدوية الجديدة ، وسيوفر رؤى ضرورية حول التفاعلات بين الأدوية وتأثيراتها الضارة.

يقود أليكس عمليات الأخبار المدعومة بالذكاء الاصطناعي في Unite.AI، حيث يجمع بين الصحافة والبحث والأتمتة لدعم تغطية سريعة وقابلة للتوسع للذكاء الاصطناعي. يساعد عمله في ضمان ظهور التطورات الناشئة في مجال الذكاء الاصطناعي بشكل فعال مع الحفاظ على معايير التحرير في النشرة.