研究人员开发了深度学习模型来预测药物与药物的不良相互作用

在治疗复杂疾病时，经常推荐使用多种药物或多药配伍。然而，多种药物在摄入后可能以不良的方式相互作用，导致严重的不良反应或降低临床疗效。因此，早期发现这种药物-药物相互作用(ddi)对于防止患者出现不良反应至关重要。

目前，计算模型和神经网络基于算法检查已知的先前记录药物的相互作用并确定与之相关的结构和副作用。这些方法假设类似的药物具有类似的相互作用，并确定与类似不良反应相关的药物组合。

尽管在分子水平上理解ddi的机制对于预测其不良影响至关重要，现在的模型依赖于药物的结构和性质，预测范围仅限于先前观察到的相互作用。他们没有考虑ddi对基因和细胞功能的影响。

为了解决这些限制，韩国光州科学技术学院的副教授Hojung Nam和博士候选人Eunyoung Kim开发了一种深度学习基于药物诱导的ddi预测模型基因表达签名。这些研究结果发表在化学信息学杂志2022年3月4日。

DeSIDE-DDI模型由两部分组成:特征生成模型和DDI预测模型。特征生成模型通过考虑药物的结构和性质来预测药物对基因表达的影响，而DDI预测模型则预测药物联合使用后产生的各种副作用。

为了解释该模型的关键特征，Nam教授解释说:“我们的模型通过利用基因表达数据考虑药物对基因的影响，为为什么特定对药物会导致ddi提供解释。它可以预测目前批准的药物以及新化合物的ddi。这样，威胁复方用药可以在新药上市之前解决。”

更重要的是，由于所有化合物都不具有药物处理的基因表达签名，该模型使用预先训练的化合物生成模型来生成预期的药物处理基因表达。

在讨论其实际应用时，南教授说:“这个模型可以识别潜在的危险药物对，作为药物安全监测系统。它可以帮助研究人员定义药物的正确用法药物开发阶段。”