通常建议使用多种药物或多种药物的处方来治疗复杂疾病。然而，在摄入后，多种药物可能会以不希望的方式相互作用，导致严重的副作用或降低临床疗效。因此，早期发现此类药物-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，计算模型和基于神经网络的算法检查已知药物相互作用的先前记录并识别它们相关的结构和副作用。这些方法假设相似的药物具有相似的相互作用，并确定与相似副作用相关的药物组合。
尽管在分子水平上了解 DDI 的机制对于预测其不良影响至关重要，但目前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，Hojung Nam 副教授和博士。来自韩国光州科技学院的候选人 Eunyoung Kim 开发了一种基于深度学习的模型，用于根据药物诱导的基因表达特征预测 DDI。这些发现发表在2022 年 3 月 4 日的《化学信息学杂志》上。
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特性来预测药物对基因表达的影响，而 DDI 预测模型预测药物组合产生的各种副作用。
为了解释这个模型的关键特征，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，解释了为什么某对药物会导致 DDI。它可以预测当前批准的 DDI药物以及新化合物。这样，在向公众提供新药之前，可以解决多种药物的威胁。”
更重要的是，由于所有化合物都没有药物处理的基因表达特征，因此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。
标签：
免责声明：本文由用户上传，与本网站立场无关。财经信息仅供读者参考，并不构成投资建议。投资者据此操作，风险自担。 如有侵权请联系删除！