Deep-learningmodel voorspelt schadelijke geneesmiddelinteracties

Een team van onderzoekers van het Gwangju Institute of Science and Technology (GIST) in Zuid-Korea heeft een deep-learningmodel ontwikkeld dat geneesmiddel-interacties (DDI’s) voorspelt op basis van hun effecten op genexpressie. DDI’s kunnen een ernstig probleem vormen wanneer meerdere geneesmiddelen tegelijk worden ingenomen, wat leidt tot nadelige gezondheidseffecten als gevolg van onverwachte interacties.

Het onderzoek werd gepubliceerd in de Journal of Cheminformatics.

Vroege Detectie van DDI’s

Veel complexe ziekten vereisen het voorschrijven van meerdere geneesmiddelen, of polyfarmacie. Met dat gezegd, het innemen van meerdere geneesmiddelen kan leiden tot allerlei onverwachte en ongewenste interacties, die kunnen resulteren in ernstige bijwerkingen of vermindering van de klinische werkzaamheid. Om te voorkomen dat patiënten dergelijke nadelige effecten ondervinden, moeten deze DDI’s vroeg worden gedetecteerd.

Huidige benaderingen omvatten computationele modellen en neurale netwerk-gebaseerde algoritmen die eerder geregistreerde geneesmiddelinteracties onderzoeken voordat ze de structuren en bijwerkingen identificeren waarmee ze geassocieerd zijn. Deze systemen gaan ervan uit dat soortgelijke geneesmiddelen soortgelijke interacties hebben en identificeren geneesmiddelcombinaties met soortgelijke nadelige effecten.

Het team zette zich tot doel om een nieuw model te ontwikkelen om enkele van deze beperkingen te omzeilen. Het team werd geleid door associate professor Hojung Nam en Ph.D.-kandidaat Eunyoung Kim van GIST. Zij ontwikkelden een deep-learningmodel om DDI’s te voorspellen op basis van door geneesmiddelen geïnduceerde genexpressie signatures.

DeSIDE-DDI Model

Het model, genaamd DeSIDE-DDI, bestaat uit twee delen:

• Eerste Deel: Een feature generatie model dat de invloed van een geneesmiddel op genexpressie voorspelt. Het doet dit door zowel de structuur als de eigenschappen van het geneesmiddel te overwegen.
  
• Tweede Deel: Een DDI voorspellingsmodel dat diverse bijwerkingen voorspelt die het gevolg zijn van geneesmiddelcombinaties.

“Ons model houdt rekening met de effecten van geneesmiddelen op genen door gebruik te maken van genexpressie gegevens, waardoor wordt uitgelegd waarom een bepaald paar geneesmiddelen DDI’s veroorzaakt”, zegt prof. Nam. “Het kan DDI’s voorspellen voor momenteel goedgekeurde geneesmiddelen, evenals voor nieuwe verbindingen. Op deze manier kunnen de risico’s van polyfarmacie worden opgelost voordat nieuwe geneesmiddelen beschikbaar komen voor het publiek.”

Niet alle verbindingen hebben genexpressieprofielen na behandeling met geneesmiddelen, dus het nieuwe model vertrouwt op een vooraf getraind model voor het genereren van kenmerken om verwachte genexpressieprofielen na blootstelling aan geneesmiddelen te genereren.

“Dit model kan mogelijk gevaarlijke geneesmiddelparen onderscheiden, waardoor het fungeert als een geneesmiddel veiligheidsbewakingsysteem. Het kan onderzoekers helpen de juiste toepassing van het geneesmiddel te definiëren in de geneesmiddelontwikkelingsfase”, vervolgt prof. Nam.

Het nieuwe model is een grote stap voorwaarts in het verbeteren van de veiligheid van nieuwe geneesmiddelen en zal broodnodige inzichten bieden in DDI’s en hun nadelige effecten.