深層学習モデルは薬物間の有害相互作用を予測します

韓国の光州科学技術大学（GIST）の研究者チームは、遺伝子発現への影響に基づいて薬物間相互作用（DDI）を予測する深層学習モデルを開発した。 DDI は、複数の薬を同時に服用すると深刻な問題となり、予期せぬ相互作用による健康への悪影響を引き起こす可能性があります。 

研究はに掲載されました ジャーナル・オブ・ケミインフォマティクス. 

DDI の早期検出

多くの複雑な病気では、複数の薬の処方、つまりポリファーマシーが必要になります。 そうは言っても、複数の薬物を摂取すると、あらゆる種類の予期しない望ましくない相互作用が引き起こされる可能性があり、それが重篤な副作用や臨床効果の低下を引き起こす可能性があります。 患者がそのような副作用に遭遇するのを防ぐためには、これらの DDI を早期に検出する必要があります。 

現在のアプローチには、関連する構造や副作用を特定する前に、既知の薬物相互作用の過去の記録を調べる計算モデルとニューラル ネットワーク ベースのアルゴリズムが含まれています。 ただし、これらのシステムは、類似の薬剤には類似の相互作用があると想定しており、同様の副作用を持つ薬剤の組み合わせを特定します。 

チームは、これらの制限の一部を回避するための新しいモデルの開発に着手しました。 チームはホジュン・ナム准教授と博士が率いました。 GISTのキム・ウニョン候補。 彼らは、薬物誘発性の遺伝子発現サインに基づいて DDI を予測する深層学習モデルを開発しました。 

DeSIDE-DDIモデル

DeSIDE-DDI という名前のモデルは、次の XNUMX つの部分で構成されます。

• 最初の部分： 遺伝子発現に対する薬剤の影響を予測する特徴生成モデル。 これは、薬物の構造と特性の両方を考慮して行われます。
  
• 第二部： 薬剤の組み合わせによって生じるさまざまな副作用を予測する DDI 予測モデル。 

「私たちのモデルは、遺伝子発現データを利用して遺伝子に対する薬物の影響を検討し、特定の薬物の組み合わせがなぜ DDI を引き起こすのかについての説明を提供します」とナム教授は言います。 「現在承認されている薬剤だけでなく、新規化合物の DDI も予測できます。 このようにして、新薬が一般に利用可能になる前に、ポリファーマシーの脅威を解決することができます。」 

すべての化合物には薬物処理遺伝子発現シグネチャがないため、新しいモデルは、事前トレーニングされた化合物生成モデルに依存して、予想される薬物処理遺伝子発現を生成します。 

「このモデルは、潜在的に危険な薬物の組み合わせを識別でき、薬物安全性監視システムとして機能します。 研究者が医薬品開発段階で医薬品の正しい使用法を定義するのに役立ちます」とナム教授は続けます。 

新しいモデルは、新薬の安全性向上における大きな前進であり、DDI とその副作用について切望されている洞察を提供するでしょう。