Model Pembelajaran Dalam Memprediksi Interaksi Obat-Obat yang Merugikan

Sebuah tim peneliti dari Gwangju Institute of Science and Technology (GIST) di Korea Selatan telah mengembangkan model pembelajaran dalam yang memprediksi interaksi obat-obat (DDIs) berdasarkan efeknya pada ekspresi gen. DDI dapat menjadi masalah serius ketika beberapa obat diambil secara bersamaan, menyebabkan efek kesehatan yang merugikan karena interaksi yang tidak terduga.

Penelitian ini diterbitkan di Journal of Cheminformatics.

Deteksi Dini DDI

Banyak penyakit kompleks memerlukan resep beberapa obat, atau polifarmasi. Dengan demikian, konsumsi beberapa obat dapat menyebabkan berbagai interaksi yang tidak terduga dan tidak diinginkan, yang dapat menghasilkan efek sampingan yang parah atau mengurangi efikasi klinis. Untuk mencegah pasien mengalami efek merugikan tersebut, DDI harus dideteksi secara dini.

Pendekatan saat ini melibatkan model komputasi dan algoritma berbasis jaringan saraf yang memeriksa catatan sebelumnya tentang interaksi obat yang diketahui sebelum mengidentifikasi struktur dan efek sampingannya. Namun, sistem ini mengasumsikan bahwa obat yang serupa memiliki interaksi yang serupa dan mengidentifikasi kombinasi obat dengan efek sampingan yang serupa.

Tim ini berusaha untuk mengembangkan model baru untuk mengatasi beberapa keterbatasan ini. Tim ini dipimpin oleh associate professor Hojung Nam dan kandidat Ph.D. Eunyoung Kim dari GIST. Mereka mengembangkan model pembelajaran dalam untuk memprediksi DDI berdasarkan tanda tangan ekspresi gen yang diinduksi oleh obat.

Model DeSIDE-DDI

Model ini, yang dinamakan DeSIDE-DDI, terdiri dari dua bagian:

• Bagian Pertama: Model pembangkitan fitur yang memprediksi efek obat pada ekspresi gen. Hal ini dilakukan dengan mempertimbangkan baik struktur dan sifat obat.
  
• Bagian Kedua: Model prediksi DDI yang memprediksi berbagai efek sampingan yang dihasilkan dari kombinasi obat.

“Model kami mempertimbangkan efek obat pada gen dengan menggunakan data ekspresi gen, memberikan penjelasan tentang mengapa pasangan obat tertentu menyebabkan DDI,” kata Prof. Nam. “Hal ini dapat memprediksi DDI untuk obat yang saat ini disetujui serta untuk senyawa baru. Dengan cara ini, ancaman polifarmasi dapat diatasi sebelum obat baru tersedia untuk umum.”

Tidak semua senyawa memiliki tanda tangan ekspresi gen yang diobati dengan obat, sehingga model baru ini bergantung pada model generasi senyawa pra-terlatih untuk menghasilkan ekspresi gen yang diharapkan.

“Model ini dapat membedakan pasangan obat yang berpotensi berbahaya, bertindak sebagai sistem pemantauan keamanan obat. Hal ini dapat membantu peneliti mendefinisikan penggunaan obat yang tepat pada tahap pengembangan obat,” Prof. Nam melanjutkan.

Model baru ini merupakan langkah besar dalam meningkatkan keamanan obat baru, dan akan memberikan wawasan yang sangat dibutuhkan tentang DDI dan efek sampingannya.