Djupinlärningsmodell förutsäger ogynnsamma läkemedelsinteraktioner

Ett team av forskare från Gwangju Institute of Science and Technology (GIST) i Sydkorea har utvecklat en djupinlärningsmodell som förutsäger läkemedelsinteraktioner (DDI) baserat på deras effekter på genuttryck. DDI kan vara ett allvarligt problem när flera läkemedel tas samtidigt, vilket leder till ogynnsamma hälsoeffekter på grund av oväntade interaktioner. 

Forskningen publicerades i Journal of Cheminformatics. 

Tidig upptäckt av DDI

Många komplexa sjukdomar kräver förskrivning av flera läkemedel, eller polyfarmaci. Med det sagt kan intag av flera läkemedel leda till alla sorters oväntade och oönskade interaktioner, vilket kan resultera i allvarliga biverkningar eller minskad klinisk effektivitet. För att förhindra att patienter möter sådana ogynnsamma effekter måste DDI upptäckas tidigt. 

Nuvarande metoder involverar beräkningsmodeller och neuronnätbaserade algoritmer som undersöker tidigare register över kända läkemedelsinteraktioner innan de identifierar strukturer och biverkningar som de är associerade med. Dessa system antar att liknande läkemedel har liknande interaktioner och identifierar läkemedelskombinationer med liknande ogynnsamma effekter. 

Teamet satte sig för att utveckla en ny modell för att komma runt några av dessa begränsningar. Teamet leddes av associate professor Hojung Nam och Ph.D.-kandidat Eunyoung Kim från GIST. De utvecklade en djupinlärningsmodell för att förutsäga DDI baserat på läkemedelsinducerade genuttryckssignaturer. 

DeSIDE-DDI-modell

Modellen, som heter DeSIDE-DDI, består av två delar:

• Första delen: En modell för generering av egenskaper som förutsäger ett läkemedels effekt på genuttryck. Den gör detta genom att överväga både läkemedlets struktur och egenskaper.
  
• Andra delen: En DDI-förutsägelsmodell som förutsäger olika biverkningar som uppstår till följd av läkemedelskombinationer. 

“Vår modell överväger effekterna av läkemedel på gener genom att använda genuttrycksdata, vilket ger en förklaring till varför ett visst par läkemedel orsakar DDI”, säger professor Nam. “Den kan förutsäga DDI för godkända läkemedel samt för nya föreningar. På detta sätt kan hoten från polyfarmaci lösas innan nya läkemedel görs tillgängliga för allmänheten.” 

Alla föreningar har inte läkemedelsbehandlade genuttryckssignaturer, så den nya modellen förlitar sig på en förtränad modell för generering av föreningar för att generera förväntade läkemedelsbehandlade genuttryck. 

“Denna modell kan urskilja potentiellt farliga läkemedelspar, vilket fungerar som ett system för övervakning av läkemedelssäkerhet. Den kan hjälpa forskare att definiera rätt användning av läkemedlet under läkemedelsutvecklingsfasen”, fortsätter professor Nam. 

Den nya modellen är ett stort steg framåt i förbättringen av säkerheten för nya läkemedel, och den kommer att ge mycket behövlig insikt i DDI och deras ogynnsamma effekter.