Syvän oppimisen malli ennustaa haitalliset lääke-lääkevuorovaikutukset

Etelä-Korean Gwangju Institute of Science and Technology (GIST) -tutkimusryhmä on kehittänyt syvän oppimisen mallin, joka ennustaa lääke-lääkevuorovaikutuksia (DDI) lääkeaineiden vaikutusten perusteella geeni-ilmaisuihin. DDI:t voivat olla vakava ongelma, kun useita lääkkeitä käytetään samaan aikaan, johtuen odottamattomista vuorovaikutuksista, jotka voivat johtaa vakaviin terveyshaittoihin.

Tutkimus on julkaistu Journal of Cheminformatics-julkaisussa.

Varhainen DDI-havaitseminen

Monet monimutkaiset sairaudet vaativat useiden lääkeaineiden määräämistä, eli polyfarmasiaa. Tällöin useiden lääkeaineiden käyttö voi johtaa odottamattomiin ja ei-toivottuihin vuorovaikutuksiin, jotka voivat johtaa vakaviin sivuvaikutuksiin tai heikentää lääkeaineiden tehoa. Jotta potilaat voivat välttää näitä haitallisia vaikutuksia, DDI:t on havaittava aikaisin.

Nykyiset lähestymistavat käyttävät laskennallisia malleja ja neuroverkkoalgoritmeja, jotka tarkastelevat aiemmin tunnettuja lääkevuorovaikutuksia ennen kuin ne tunnistavat lääkeaineiden rakenteita ja sivuvaikutuksia. Näiden järjestelmien on kuitenkin oletettava, että samankaltaiset lääkeaineet ovat samankaltaisia vuorovaikutuksia ja tunnistavat lääkeyhdistelmiä, joilla on samankaltaisia haitallisia vaikutuksia.

Tutkimusryhmä pyrki kehittämään uuden mallin, jotta voisi välttää joitakin näistä rajoituksista. Ryhmää johti apulaisprofessori Hojung Nam ja väitöskirjatutkija Eunyoung Kim GIST:stä. He kehittivät syvän oppimisen mallin, joka ennustaa DDI:itä lääkeaineiden aiheuttamien geeni-ilmaisujen perusteella.

DeSIDE-DDI-malli

Malli, joka on nimeltään DeSIDE-DDI, koostuu kahdesta osasta:

• Ensimmäinen osa: Lääkeaineen vaikutuksen geeni-ilmaisuun ennustava malli. Se tekee tämän huomioon lääkeaineen rakenteen ja ominaisuuksien perusteella.
  
• Toinen osa: DDI-ennustamismalli, joka ennustaa erilaisia haitallisia vaikutuksia, jotka johtuvat lääkeyhdistelmistä.

“Malli huomioi lääkeaineiden vaikutukset geeneihin käyttämällä geeni-ilmaisudataa, mikä selittää, miksi tietty lääkepari aiheuttaa DDI:itä”, Prof. Nam sanoo. “Se voi ennustaa DDI:itä sekä jo hyväksyttyjen lääkeaineiden että uusien yhdisteiden osalta. Tällä tavoin polyfarmasian uhkat voidaan ratkaista ennen kuin uudet lääkeaineet ovat saatavilla julkinen. ”

Kaikilla yhdisteillä ei ole lääkeaineen käsittelyssä olevia geeni-ilmaisumerkkejä, joten uusi malli perustuu esikoulutettuun yhdisteiden luomismalliin, joka luo odotettuja lääkeaineen käsittelyssä olevia geeni-ilmaisuja.

“Tämä malli voi erottaa mahdollisesti vaaralliset lääkeparit, toimien lääketurvallisuuden valvontajärjestelmänä. Se voi auttaa tutkijoita määrittämään lääkeaineen oikean käytön lääkekehitysvaiheessa”, Prof. Nam jatkaa.

Uusi malli on suuri askel uusien lääkeaineiden turvallisuuden parantamiseksi, ja se tarjoaa tarpeen mukaisen näkymän DDI:ihin ja niiden haitallisiin vaikutuksiin.