深層学習モデルは有害な薬物間相互作用を予測する

韓国の光州科学技術院（GIST）の研究チームは、遺伝子発現に与える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ました。DDIは、複数の薬物を同時に服用すると、予期せぬ相互作用により重篤な健康被害を引き起こす可能性があります。

研究は、Journal of Cheminformaticsに掲載されました。

DDIの早期検出

多くの複雑な疾患では、複数の薬物の処方、または多剤療法が必要です。ただし、複数の薬物を服用すると、予期せぬ相互作用が生じ、重篤な副作用や臨床的な有効性の低下を引き起こす可能性があります。したがって、DDIを早期に検出する必要があります。

現在のアプローチでは、既知の薬物相互作用の記録を分析し、構造と副作用を関連付け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を使用しています。ただし、これらのシステムでは、類似した薬物には類似した相互作用があると仮定し、類似した副作用を持つ薬物の組み合わせを特定します。

研究チームは、これらの制限を回避するために新しいモデルを開発しました。チームは、GISTの准教授Hojung Namと博士課程のEunyoung Kimが率いていました。彼らは、薬物誘発性遺伝子発現シグネチャに基づいて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

モデルは、DeSIDE-DDIと呼ばれ、2つの部分で構成されています：

• 第一部分：薬物の遺伝子発現への影響を予測する特徴生成モデルです。薬物の構造と特性を考慮して実行されます。
• 第二部分：薬物組み合わせによるさまざまな副作用を予測するDDI予測モデルです。

「私たちのモデルは、遺伝子発現データを利用して、薬物が遺伝子に与える影響を考慮して、特定の薬物の組み合わせがDDIを引き起こす理由を説明します」とNam准教授は述べています。「現在承認されている薬物だけでなく、新規化合物に対してもDDIを予測できます。したがって、多剤療法のリスクを、新薬が一般に公開される前に解決できます」

すべての化合物について薬物処理後の遺伝子発現プロファイルが得られるわけではありません。そのため、新しいモデルは事前学習済みの特徴生成モデルを使って、薬物処理後に予測される遺伝子発現プロファイルを生成します。

「このモデルは、潜在的に危険な薬物の組み合わせを判別し、薬物安全監視システムとして機能します。研究者が新薬の開発段階で薬物の正しい使用法を定義するのに役立ちます」とNam准教授は続けています。

新しいモデルは、新薬の安全性を向上させる大きなステップであり、DDIとその副作用に関する必要な洞察を提供します。