基于深度学习的模型预测不良药物相互作用

韩国光州科学技术院（GIST）的研究团队开发了一种基于深度学习的模型，能够预测药物相互作用（DDIs）及其对基因表达的影响。药物相互作用可能会导致严重的健康问题，特别是在同时服用多种药物时，会产生意外的相互作用，导致不良的健康影响。

该研究发表在 Journal of Cheminformatics 上。

早期检测药物相互作用

许多复杂的疾病需要同时服用多种药物，即多药联合治疗。然而，服用多种药物可能会导致各种意外和不良的相互作用，导致严重的副作用或降低临床疗效。为了防止患者遭受这些不良影响，必须尽早检测出药物相互作用。

当前的方法涉及计算模型和基于神经网络的算法，通过分析已知的药物相互作用记录来识别药物结构和副作用。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。由光州科学技术院的副教授Hojung Nam和博士生Eunyoung Kim领导的团队，开发了一种基于深度学习的模型，能够预测药物相互作用及其对基因表达的影响。

DeSIDE-DDI 模型

该模型，名为 DeSIDE-DDI，包括两个部分：

• 第一部分：一种特征生成模型，能够预测药物对基因表达的影响。它通过考虑药物的结构和性质来实现这一点。
• 第二部分：一种药物相互作用预测模型，能够预测药物组合的各种副作用。

“我们的模型通过利用基因表达数据来考虑药物对基因的影响，解释了为什么某些药物对会导致药物相互作用，” Nam教授说。“它可以预测当前批准的药物以及新化合物的药物相互作用。这样，多药联合治疗的威胁可以在新药物公开之前得到解决。”

并非所有化合物都具有药物处理的基因表达特征，因此新的模型依赖于预训练的化合物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正确的药物使用方法，” Nam教授继续说。

新的模型是提高新药安全性的一个巨大进步，它将为药物相互作用及其不良影响提供急需的见解。