Охорона здоров’я

Модель глибокого навчання передбачає небажані взаємодії ліків

mm
Додайте Unite.AI до бажаних джерел у Google

Команда дослідників з Інституту науки і технологій Гванджу (GIST) у Південній Кореї розробила модель глибокого навчання, який передбачає взаємодії ліків (DDI) на основі їхнього впливу на експресію генів. DDI можуть бути серйозною проблемою, коли приймаються одночасно кілька ліків, що призводить до несприятливих наслідків для здоров’я через несподівані взаємодії. 

Дослідження було опубліковано в Журналі хемінформатики. 

Раннє виявлення DDI

Багато складних захворювань вимагають призначення декількох ліків, або поліфармакії. З тим сказано, що прийом декількох ліків може привести до всіх видів несподіваних і нежаданих взаємодій, які можуть призвести до серйозних побічних ефектів або зниження клінічної ефективності. Щоб запобігти тому, щоб пацієнти зустрічались з такими несприятливими наслідками, ці DDI повинні бути виявлені рано. 

Поточні підходи включають комп’ютерні моделі та алгоритми, засновані на нейронних мережах, які вивчають попередні записи відомих взаємодій ліків перед ідентифікацією структур і побічних ефектів, з якими вони пов’язані. Однак ці системи припускають, що подібні ліки мають подібні взаємодії, і ідентифікують комбінації ліків з подібними несприятливими наслідками. 

Команда поставила за мету розробити нову модель, щоб обійти деякі з цих обмежень. Команду очолювали асоційований професор Ходжун Нам і здобувач докторського ступеня Eunyoung Kim з GIST. Вони розробили модель глибокого навчання для передбачення DDI на основі профілів експресії генів, індукованих ліками. 

Модель DeSIDE-DDI

Модель, названа DeSIDE-DDI, складається з двох частин:

  • Перша частина: Модель генерації ознак, яка передбачає вплив ліків на експресію генів. Вона робить це, розглядаючи як структуру, так і властивості ліків.
  • Друга частина: Модель передбачення DDI, яка передбачає різні побічні ефекти, які виникають унаслідок комбінацій ліків. 

“Наша модель розглядає вплив ліків на гени, використовуючи дані про експресію генів, що надає пояснення, чому певна пара ліків викликає DDI”, говорить професор Нам. “Він може передбачити DDI для ліків, які зараз схвалені, а також для нових сполук. Таким чином, загрози поліфармакії можуть бути вирішені до того, як нові ліки будуть доступні громадськості”. 

Не для всіх сполук є виміряні профілі експресії генів після впливу препарату, тому нова модель використовує попередньо натреновану модель генерації ознак для отримання очікуваних профілів експресії генів після такого впливу. 

“Ця модель може розрізняти потенційно небезпечні пари ліків, діючи як система моніторингу безпеки ліків. Вона може допомогти дослідникам визначити правильне використання ліків на етапі розробки ліків”, продовжує професор Нам. 

Нова модель є великим кроком вперед у покращенні безпеки нових ліків, і вона надасть необхідний огляд DDI та їхніх несприятливих наслідків. 

mm

Alex очолює новинний підрозділ Unite.AI, що працює на базі ШІ, поєднуючи журналістику, дослідження та автоматизацію для підтримки своєчасного та масштабованого висвітлення штучного інтелекту. Його робота допомагає забезпечити ефективне виявлення нових розробок ШІ, зберігаючи редакційні стандарти видання.