Customize Consent Preferences

We use cookies to help you navigate efficiently and perform certain functions. You will find detailed information about all cookies under each consent category below.

The cookies that are categorized as "Necessary" are stored on your browser as they are essential for enabling the basic functionalities of the site. ... 

Always Active

Necessary cookies are required to enable the basic features of this site, such as providing secure log-in or adjusting your consent preferences. These cookies do not store any personally identifiable data.

No cookies to display.

Functional cookies help perform certain functionalities like sharing the content of the website on social media platforms, collecting feedback, and other third-party features.

No cookies to display.

Analytical cookies are used to understand how visitors interact with the website. These cookies help provide information on metrics such as the number of visitors, bounce rate, traffic source, etc.

No cookies to display.

Performance cookies are used to understand and analyze the key performance indexes of the website which helps in delivering a better user experience for the visitors.

No cookies to display.

Advertisement cookies are used to provide visitors with customized advertisements based on the pages you visited previously and to analyze the effectiveness of the ad campaigns.

No cookies to display.

在上海浦东滨江公园观赏外滩建筑群-20240824在上海浦东滨江公园观赏外滩建筑群-20240824
0

福州大学、福建医科大学第一附属医院以及元星智药的研究团队,近日在药物研究领域取得重要进展。他们提出了一种名为 MeTDDI 的深度学习框架,能够高效准确地预测药物相互作用(DDI),相关研究成果已发表于《Nature Machine Intelligence》子刊。

背景介绍

药物相互作用(DDI)是药物研究和临床应用中的一项重要问题。不恰当的药物组合可能导致严重的药物不良反应或药物停药,对患者的健康造成威胁。虽然已有许多深度学习模型在DDI预测方面取得了良好的成果,但这些模型的可解释性以及揭示DDI根本原因的能力尚未得到广泛探索。

研究成果

福大、元星智药团队提出的 MeTDDI 模型,具有局部-全局自注意力和共同注意力,用于学习基于主题的 DDI 预测图。研究人员对 73 种药物(13,786 个 DDI)进行了广泛的评估,MeTDDI 可以精确解释涉及 58 种药物的 5,602 个 DDI 的结构机制。

MeTDDI 的特点

  1. 局部-全局自注意力:MeTDDI 能够有效学习分子内和分子间亚结构相互作用。
  2. 共同注意力:模型能够预测 DDI 相关的药物代谢。
  3. 广泛提供和评估模型的可解释性:MeTDDI 展示了识别与 DDI 相关的关键机制子结构的能力。

评估结果

评估结果表明,MeTDDI 在分类和回归任务中都取得了与基线相比具有竞争力的性能。此外,MeTDDI 还能准确识别药物在 DDI 中的机制作用,并量化 perpetrator 对 victim PK 的影响。

MeTDDI 的应用前景

MeTDDI 为探索 DDI 机制提供了一个新的视角,这将有利于药物发现和多重用药,从而为患者提供更安全的治疗。通过体外和体内实验进行 DDI 评估虽然很有用,但成本高、耗时且费力。MeTDDI 作为一种深度学习模型,有望成为高通量准确 DDI 预测以及根本原因解释的有前途的替代方案。

MeTDDI 的局限性

尽管 MeTDDI 具有诸多优势,但仍然存在一些局限性。例如,在困难场景中,准确预测具有挑战性;模型训练的数据集基于 FDA 药品标签,可能无法反映个别患者的特征;MeTDDI 可能难以同时预测两种以上药物的相互作用。

结语

福大、元星智药团队的研究成果,为药物相互作用预测领域带来了新的突破。MeTDDI 模型不仅在预测精度上表现出色,还在模型可解释性方面取得了显著成果。未来,MeTDDI 有望在药物研发和临床应用中发挥重要作用,为患者提供更安全、有效的治疗方案。


read more

Views: 1

0

发表回复

您的邮箱地址不会被公开。 必填项已用 * 标注