Deep-Learning-Modell sagt unerwünschte Arzneimittelwechselwirkungen voraus

Ein Team von Forschern des Gwangju Institute of Science and Technology (GIST) in Südkorea hat ein Deep-Learning-Modell entwickelt, das Arzneimittel-Wechselwirkungen (DDIs) auf der Grundlage ihrer Auswirkungen auf die Genexpression vorhersagt. DDIs können ein ernstes Problem darstellen, wenn mehrere Medikamente gleichzeitig eingenommen werden, was zu unerwünschten Gesundheitseffekten aufgrund unerwarteter Wechselwirkungen führen kann.

Die Forschung wurde im Journal of Cheminformatics veröffentlicht.

Früherkennung von DDIs

Viele komplexe Krankheiten erfordern die Verschreibung mehrerer Medikamente oder Polypharmazie. Mit anderen Worten, die Einnahme mehrerer Medikamente kann zu allen möglichen unerwarteten und unerwünschten Wechselwirkungen führen, die zu schwerwiegenden Nebenwirkungen oder verringerten klinischen Wirkungen führen können. Um zu verhindern, dass Patienten solche unerwünschten Effekte erleben, müssen diese DDIs frühzeitig erkannt werden.

Aktuelle Ansätze umfassen computergestützte Modelle und neuronale Netzwerk-Algorithmen, die vorherige Aufzeichnungen bekannter Arzneimittel-Wechselwirkungen untersuchen, bevor sie die Strukturen und Nebenwirkungen identifizieren, mit denen sie verbunden sind. Diese Systeme gehen jedoch davon aus, dass ähnliche Medikamente ähnliche Wechselwirkungen haben und identifizieren Medikamentenkombinationen mit ähnlichen unerwünschten Nebenwirkungen.

Das Team hat sich zum Ziel gesetzt, ein neues Modell zu entwickeln, um einige dieser Einschränkungen zu umgehen. Das Team wurde von Associate Professor Hojung Nam und Eunyoung Kim (Promotionsstudium) von GIST geleitet. Sie entwickelten ein Deep-Learning-Modell, um DDIs auf der Grundlage von Medikamenten-induzierten Genexpressions-Signaturen vorherzusagen.

DeSIDE-DDI-Modell

Das Modell, das DeSIDE-DDI genannt wird, besteht aus zwei Teilen:

• Erster Teil: Ein Feature-Generierungs-Modell, das die Auswirkung eines Medikaments auf die Genexpression vorhersagt. Es tut dies, indem es sowohl die Struktur als auch die Eigenschaften des Medikaments berücksichtigt.
  
• Zweiter Teil: Ein DDI-Vorhersage-Modell, das verschiedene Nebenwirkungen vorhersagt, die durch Medikamentenkombinationen entstehen.

“Unser Modell berücksichtigt die Auswirkungen von Medikamenten auf Gene, indem es Genexpressions-Daten nutzt, und liefert eine Erklärung dafür, warum ein bestimmtes Medikamenten-Paar DDIs verursacht”, sagt Prof. Nam. “Es kann DDIs für derzeit zugelassene Medikamente sowie für neue Verbindungen vorhersagen. Auf diese Weise können die Risiken der Polypharmazie gelöst werden, bevor neue Medikamente der Öffentlichkeit zugänglich gemacht werden.”

Nicht für alle Verbindungen liegen gemessene Genexpressionsprofile nach einer Wirkstoffbehandlung vor. Daher nutzt das neue Modell ein vortrainiertes Modell zur Merkmalsgenerierung, um die erwarteten Genexpressionsprofile nach einer solchen Behandlung zu erzeugen.

“Dieses Modell kann potenziell gefährliche Medikamenten-Paare erkennen, indem es als Arzneimittel-Sicherheitsüberwachungssystem fungiert. Es kann Forschern helfen, die richtige Anwendung von Medikamenten in der Medikamenten-Entwicklungsphase zu definieren”, fährt Prof. Nam fort.

Das neue Modell ist ein großer Schritt nach vorne bei der Verbesserung der Sicherheit neuer Medikamente und wird wertvolle Erkenntnisse über DDIs und ihre unerwünschten Nebenwirkungen liefern.