Y tế

Mô hình Học Sâu Dự đoán Tương Tác Thuốc Gây Hại

mm
Thêm Unite.AI vào các nguồn ưu tiên của bạn trên Google

Một nhóm nghiên cứu từ Viện Khoa học và Công nghệ Gwangju (GIST) ở Hàn Quốc đã phát triển một mô hình học sâu dự đoán tương tác thuốc (DDIs) dựa trên ảnh hưởng của chúng đến biểu hiện gen. DDIs có thể là một vấn đề nghiêm trọng khi nhiều loại thuốc được sử dụng cùng lúc, dẫn đến tác dụng phụ bất lợi do tương tác không mong muốn.

Nghiên cứu này đã được công bố trên Tạp chí Thông tin Hóa học.

Phát Hiện Sớm DDIs

Nhiều bệnh phức tạp đòi hỏi phải kê đơn nhiều loại thuốc, hoặc đa dược. Với điều đó, việc sử dụng nhiều loại thuốc có thể dẫn đến tất cả các loại tương tác không mong muốn và không mong muốn, có thể gây ra tác dụng phụ nghiêm trọng hoặc giảm hiệu quả lâm sàng. Để ngăn chặn bệnh nhân gặp phải các tác dụng phụ như vậy, các DDIs phải được phát hiện sớm.

Các phương pháp hiện tại liên quan đến các mô hình tính toán và thuật toán dựa trên mạng nơ-ron để kiểm tra các bản ghi trước của các tương tác thuốc đã biết trước khi xác định cấu trúc và tác dụng phụ của chúng. Tuy nhiên, các hệ thống này giả định rằng các loại thuốc tương tự có tương tác tương tự và xác định các kết hợp thuốc có tác dụng phụ tương tự.

Đội ngũ đã đặt ra mục tiêu phát triển một mô hình mới để vượt qua một số hạn chế này. Đội ngũ được dẫn dắt bởi giáo sư phụ tá Hojung Nam và ứng viên tiến sĩ Eunyoung Kim từ GIST. Họ đã phát triển một mô hình học sâu để dự đoán DDIs dựa trên chữ ký biểu hiện gen do thuốc gây ra.

Mô hình DeSIDE-DDI

Mô hình, được đặt tên là DeSIDE-DDI, bao gồm hai phần:

  • Phần đầu tiên: Một mô hình tạo tính năng dự đoán ảnh hưởng của thuốc đến biểu hiện gen. Nó thực hiện việc này bằng cách xem xét cả cấu trúc và tính chất của thuốc.
  • Phần thứ hai: Một mô hình dự đoán DDI dự đoán các tác dụng phụ khác nhau phát sinh từ sự kết hợp thuốc.

“Mô hình của chúng tôi xem xét ảnh hưởng của thuốc đến gen bằng cách sử dụng dữ liệu biểu hiện gen, cung cấp một lời giải thích tại sao một cặp thuốc nhất định gây ra DDIs,” Giáo sư Nam nói. “Nó có thể dự đoán DDIs cho các loại thuốc đã được chấp thuận cũng như cho các hợp chất mới. Bằng cách này, các mối đe dọa của đa dược có thể được giải quyết trước khi các loại thuốc mới được đưa ra thị trường.”

Không phải tất cả các hợp chất đều có chữ ký biểu hiện gen đã được điều trị bằng thuốc, vì vậy mô hình mới dựa trên một mô hình tạo hợp chất đã được đào tạo trước để tạo ra các biểu hiện gen đã được điều trị bằng thuốc dự kiến.

“Mô hình này có thể phân biệt các cặp thuốc nguy hiểm tiềm ẩn, hoạt động như một hệ thống giám sát an toàn thuốc. Nó có thể giúp các nhà nghiên cứu xác định việc sử dụng thuốc đúng cách trong giai đoạn phát triển thuốc,” Giáo sư Nam tiếp tục.

Mô hình mới này là một bước tiến lớn trong việc cải thiện an toàn của các loại thuốc mới và sẽ cung cấp thông tin cần thiết về DDIs và tác dụng phụ của chúng.

Alex McFarland là một nhà báo và nhà văn về trí tuệ nhân tạo, khám phá những phát triển mới nhất trong lĩnh vực trí tuệ nhân tạo. Ông đã hợp tác với nhiều công ty khởi nghiệp và xuất bản về trí tuệ nhân tạo trên toàn thế giới.