Connect with us

Μοντέλο Βαθιάς Μάθησης Προβλέπει Αντιδράσεις Φαρμάκων-Φαρμάκων

Υγεία

Μοντέλο Βαθιάς Μάθησης Προβλέπει Αντιδράσεις Φαρμάκων-Φαρμάκων

mm

Μια ομάδα ερευνητών από το Ινστιτούτο Επιστημών και Τεχνολογίας Gwangju (GIST) στη Νότια Κορέα έχουν αναπτύξει ένα μοντέλο βαθιάς μάθησης που προβλέπει τις αλληλεπιδράσεις φαρμάκων-φαρμάκων (DDIs) με βάση τις επιδράσεις τους στην έκφραση γονιδίων. Οι DDIs μπορούν να είναι ένα σοβαρό πρόβλημα όταν λαμβάνονται πολλά φάρμακα ταυτόχρονα, οδηγώντας σε ανεπιθύμητες επιπτώσεις στην υγεία λόγω απροσδόκητων αλληλεπιδράσεων.

Το ερευνητικό έργο δημοσιεύθηκε στο Περιοδικό Χημειοπληροφορικής.

Πρόωρη Ανίχνευση DDIs

Πολλές σύνθετες ασθένειες απαιτούν τη συνταγογράφηση πολλαπλών φαρμάκων, ή πολυφαρμακοποίηση. Με αυτό που έχει कहθεί, η κατάποση πολλαπλών φαρμάκων μπορεί να οδηγήσει σε όλους τους种 τους απροσδόκητους και ανεπιθύμητους συνδυασμούς, οι οποίοι μπορούν να οδηγήσουν σε σοβαρές παρενέργειες ή μειωμένη κλινική αποτελεσματικότητα. Για να αποτραπεί η έκθεση των ασθενών σε τέτοιες ανεπιθύμητες επιπτώσεις, αυτές οι DDIs πρέπει να ανιχνευθούν εγκαίρως.

Οι τρέχουσες προσεγγίσεις εμπλέκουν υπολογιστικά μοντέλα και αλγόριθμους που βασίζονται σε νευρωνικά δίκτυα που εξετάζουν προηγούμενα αρχεία γνωστών αλληλεπιδράσεων φαρμάκων πριν από την αναγνώριση των δομών και των παρενεργειών με τις οποίες συνδέονται. Ωστόσο, αυτά τα συστήματα υποθέτουν ότι παρόμοια φάρμακα έχουν παρόμοιες αλληλεπιδράσεις και αναγνωρίζουν συνδυασμούς φαρμάκων με παρόμοιες ανεπιθύμητες επιπτώσεις.

Η ομάδα έθεσε ως στόχο την ανάπτυξη ενός νέου μοντέλου για να ξεπεραστούν κάποια από αυτά τα περιορισμένα. Η ομάδα ήταν υπό την ηγεσία του αναπληρωτή καθηγητή Hojung Nam και του υποψήφιου διδάκτορα Eunyoung Kim από το GIST. Ανέπτυξαν ένα μοντέλο βαθιάς μάθησης για την πρόβλεψη DDIs με βάση τις υπογραφές έκφρασης γονιδίων που προκαλούνται από φάρμακα.

Μοντέλο DeSIDE-DDI

Το μοντέλο, που ονομάζεται DeSIDE-DDI, αποτελείται από δύο μέρη:

  • Πρώτο Μέρος: Ένα μοντέλο δημιουργίας χαρακτηριστικών που προβλέπει την επίδραση ενός φαρμάκου στην έκφραση γονιδίων. Αυτό το κάνει λαμβάνοντας υπόψη τόσο τη δομή όσο και τις ιδιότητες του φαρμάκου.
  • Δεύτερο Μέρος: Ένα μοντέλο πρόβλεψης DDIs που προβλέπει διάφορες παρενέργειες που προκύπτουν από συνδυασμούς φαρμάκων.

“Το μοντέλο μας λαμβάνει υπόψη τις επιδράσεις των φαρμάκων στα γονίδια χρησιμοποιώντας δεδομένα έκφρασης γονιδίων, παρέχοντας μια εξήγηση για το γιατί ένα συγκεκριμένο ζευγάρι φαρμάκων προκαλεί DDIs”, λέει ο καθηγητής Nam. “Μπορεί να προβλέψει DDIs για φάρμακα που έχουν ήδη εγκριθεί, καθώς και για νέα συστατικά. Αυτό το τρόπο, οι απειλές της πολυφαρμακοποίησης μπορούν να επιλυθούν πριν τα νέα φάρμακα γίνουν διαθέσιμα στο κοινό.”

Όλα τα συστατικά δεν έχουν υπογραφές έκφρασης γονιδίων που προκαλούνται από φάρμακα, οπότε το νέο μοντέλο βασίζεται σε ένα προ-εκπαιδευμένο μοντέλο δημιουργίας συστατικών για τη δημιουργία αναμενόμενων υπογραφών έκφρασης γονιδίων που προκαλούνται από φάρμακα.

“Αυτό το μοντέλο μπορεί να διακρίνει πιθανώς επικίνδυνες ζεύγη φαρμάκων, ενεργώντας ως σύστημα παρακολούθησης ασφάλειας φαρμάκων. Μπορεί να βοηθήσει τους ερευνητές να ορίσουν τη σωστή χρήση του φαρμάκου στη φάση ανάπτυξης του φαρμάκου”, συνεχίζει ο καθηγητής Nam.

Το νέο μοντέλο είναι ένα τεράστιο βήμα μπροστά στην βελτίωση της ασφάλειας των νέων φαρμάκων και θα παρέχει πολύτιμη ενημέρωση σχετικά με τις DDIs και τις ανεπιθύμητες επιπτώσεις τους.

Ο Alex McFarland είναι δημοσιογράφος και συγγραφέας του AI που εξερευνά τις τελευταίες εξελίξεις στην τεχνητή νοημοσύνη. Έχει συνεργαστεί με πολλές startups και εκδόσεις του AI σε όλο τον κόσμο.