深度学习模型预测药物间的不良相互作用

光州科学技术院（GIST）的研究团队开发了一种深度学习模型，用于预测药物相互作用（DDIs）基于其对基因表达的影响。DDIs可能是一个严重的问题，当多种药物同时服用时，可能因意外相互作用而造成不良健康影响。

该研究发表在《化学信息学杂志》上。

早期检测DDIs

许多复杂疾病需要多种药物的处方，或者称为多药联合治疗。然而，多种药物的摄入可能导致各种意外和不想要的相互作用，导致严重的副作用或降低临床疗效。为了防止患者遇到这些不良影响，DDIs必须尽早被检测出来。

当前的方法涉及计算模型和基于神经网络的算法，用于检查已知药物相互作用的记录，然后确定它们的结构和副作用。然而，这些系统假设相似的药物具有相似的相互作用，并识别具有相似不良影响的药物组合。

该团队旨在开发一个新模型来解决这些限制。该团队由光州科学技术院的副教授Hojung Nam和博士候选人Eunyoung Kim领导。他们开发了一个深度学习模型，用于预测DDIs基于药物诱导的基因表达特征。

DeSIDE-DDI模型

该模型，名为DeSIDE-DDI，包括两个部分：

• 第一部分：一个特征生成模型，用于预测药物对基因表达的影响。它通过考虑药物的结构和特性来实现这一点。
• 第二部分：一个DDI预测模型，用于预测由药物组合引起的各种副作用。

“我们的模型考虑了药物对基因的影响，利用基因表达数据，解释了为什么某对药物会引起DDIs，”Nam教授说。“它可以预测当前批准的药物和新化合物的DDIs。这样，多药联合治疗的威胁可以在新药物被公开之前得到解决。”

并非所有化合物都具有药物处理的基因表达特征，因此新模型依赖于预训练的特征生成模型来生成预期的药物处理基因表达。

“该模型可以识别潜在的危险药物对，作为一种药物安全监测系统。它可以帮助研究人员在药物开发阶段定义药物的正确使用，”Nam教授继续说。

该新模型是提高新药安全性的巨大进步，它将为DDIs和其不良影响提供急需的见解。