Vorhersage unerwünschter Arzneimittelwechselwirkungen mit einem Deep-Learning-Modell
2022
Gwangju Institute of Science and Technology (GIST), Gwangju, Südkorea
Unerwünschte Wechselwirkungen zwischen Arzneimitteln (DDI) sind aufgrund ihrer unerwarteten Nebenwirkungen ein großes Problem und müssen in einem frühen Stadium der Arzneimittelentdeckung und -entwicklung erkannt werden. Obwohl das Verständnis der Mechanismen von DDIs auf molekularer Ebene für die Vorhersage ihrer unerwünschten Wirkungen von entscheidender Bedeutung ist, stützen sich die derzeitigen Modelle auf die Strukturen und Eigenschaften von Arzneimitteln, wobei der Vorhersagebereich auf zuvor beobachtete Wechselwirkungen beschränkt ist. Sie berücksichtigen nicht die Auswirkungen von DDIs auf Gene und Zellfunktionen.
Hier wird ein auf Deep Learning basierendes Modell zur Vorhersage von DDIs auf der Grundlage von Signaturen der medikamenteninduzierten Genexpression vorgestellt. Das DeSIDE-DDI-Modell besteht aus zwei Teilen: einem Modell zur Generierung von Merkmalen und einem Modell zur DDI-Vorhersage. Das Modell zur Generierung von Merkmalen sagt die Auswirkungen eines Medikaments auf die Genexpression voraus, indem es sowohl die Struktur als auch die Eigenschaften des Medikaments berücksichtigt, während das Modell zur DDI-Vorhersage verschiedene Nebenwirkungen von Medikamentenkombinationen vorhersagt.
Dieses Modell kann potenziell gefährliche Arzneimittelpaare erkennen und als System zur Überwachung der Arzneimittelsicherheit dienen. Außerdem kann es dabei helfen, den richtigen Einsatz eines Medikaments in der Entwicklungsphase zu bestimmen.
DeSIDE-DDI: interpretable prediction of drug-drug interactions using drug-induced gene expressions
Hojung Nam
Eingestellt am: 13.05.2022
[1] https://jcheminf.biomedcentral.com/articles/10.1186/s13321-022-00589-5[2] https://github.com/GIST-CSBL/DeSIDE-DDI[3] https://www.technologynetworks.com/drug-discovery/news/predicting-adverse-drugdrug-interactions-with-deep-learning-model-361271
