Deep-Learning-Modell zur Vorhersage von unerwünschten Arzneimittel-Wechselwirkungen

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 gesundheitlichen Auswirkungen 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 eine Polypharmazie. Wie bereits erwähnt, kann die Einnahme mehrerer Medikamente zu allen möglichen unerwarteten und unerwünschten Wechselwirkungen führen, was zu schwerwiegenden Nebenwirkungen oder einer verringerten klinischen Wirksamkeit führen kann. Um zu verhindern, dass Patienten solche unerwünschten Auswirkungen erleiden, 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 in Verbindung stehen. Diese Systeme gehen jedoch davon aus, dass ähnliche Medikamente ähnliche Wechselwirkungen haben und identifizieren Medikamentenkombinationen mit ähnlichen unerwünschten Auswirkungen.

Das Team wollte ein neues Modell entwickeln, um einige dieser Einschränkungen zu umgehen. Das Team wurde von Associate Professor Hojung Nam und dem Ph.D.-Kandidaten Eunyoung Kim von GIST geleitet. Sie entwickelten ein Deep-Learning-Modell, um DDIs auf der Grundlage von durch Medikamente induzierten Genexpressions-Signaturen vorherzusagen.

DeSIDE-DDI-Modell

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

• Erster Teil: Ein Modell zur Generierung von Merkmalen, 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 Modell zur Vorhersage von DDIs, 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”, so 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 alle Verbindungen haben Genexpressions-Signaturen, die durch Medikamente behandelt werden, daher verlässt sich das neue Modell auf ein vorab trainiertes Modell zur Generierung von Verbindungen, um erwartete Genexpressions-Signaturen zu generieren, die durch Medikamente behandelt werden.

“Dieses Modell kann potenziell gefährliche Medikamenten-Paare erkennen und als Medikamenten-Sicherheitsüberwachungssystem dienen. 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 Einblicke in DDIs und ihre unerwünschten Auswirkungen liefern.