I ricercatori del GIST sviluppano un modello di apprendimento profondo per prevedere le interazioni farmacologiche avverse
Utilizzando i dati sull’espressione genica, il nuovo modello può prevedere come alcune interazioni farmacologiche possono portare a effetti avversi nel corpo umano
IMMAGINE: I RICERCATORI DEL GIST SVILUPPANO UN MODELLO DI APPRENDIMENTO PROFONDO PER PREVEDERE LE INTERAZIONI FARMACOLOGICHE AVVERSE. UTILIZZANDO I DATI SULL’ESPRESSIONE GENICA, IL NUOVO MODELLO PUÒ PREVEDERE COME ALCUNE INTERAZIONI FARMACOLOGICHE POSSONO PORTARE A EFFETTI AVVERSI NEL CORPO UMANO visualizza di più
CREDITO: GWANGJU INSTITUTE OF SCIENCE AND TECHNOLOGY (GIST)
Le prescrizioni per più farmaci, o la polifarmacia, sono spesso raccomandate per il trattamento di malattie complesse. Tuttavia, dopo l’ingestione, più farmaci possono interagire in modo indesiderato, causando gravi effetti avversi o ridotta efficacia clinica. La diagnosi precoce di tali interazioni farmacologiche (DDI) è quindi essenziale per evitare che i pazienti sperimentino effetti avversi.
Attualmente, i modelli computazionali e gli algoritmi basati su reti neurali esaminano i record precedenti di interazioni farmacologiche note e identificano le strutture e gli effetti collaterali a cui sono associati. Questi approcci presuppongono che farmaci simili abbiano interazioni simili e identificano combinazioni di farmaci associate a simili effetti avversi.
Sebbene la comprensione dei meccanismi delle DDI a livello molecolare sia essenziale per predire i loro effetti indesiderati, i modelli attuali si basano sulle strutture e sulle proprietà dei farmaci, con un range predittivo limitato alle interazioni osservate in precedenza. Non considerano l’effetto dei DDI sui geni e sulla funzionalità cellulare.
Per affrontare queste limitazioni, il Professore Associato Hojung Nam e il Ph.D. il candidato Eunyoung Kim del Gwangju Institute of Science and Technology in Corea del Sud ha sviluppato un modello basato sull’apprendimento profondo per prevedere le DDI sulla base delle firme di espressione genica indotte da farmaci. Questi risultati sono stati pubblicati sul Journal of Cheminformatics il 4 marzo 2022.
Il modello DeSIDE-DDI è costituito da due parti: un modello di generazione di funzionalità e un modello di previsione DDI. Il modello di generazione di funzionalità prevede l’effetto di un farmaco sull’espressione genica considerando sia la struttura che le proprietà del farmaco, mentre il modello di previsione DDI prevede vari effetti collaterali risultanti dalle combinazioni di farmaci.
Per spiegare le caratteristiche chiave di questo modello, il Prof. Nam spiega: “ Il nostro modello considera gli effetti dei farmaci sui geni utilizzando i dati di espressione genica, fornendo una spiegazione del motivo per cui una certa coppia di farmaci causa DDI. Può prevedere le DDI per i farmaci attualmente approvati e per i nuovi composti. In questo modo, le minacce della polifarmacia possono essere risolte prima che nuovi farmaci vengano resi disponibili al pubblico. “
Inoltre , poiché tutti i composti non hanno firme di espressione genica trattata con farmaci, questo modello utilizza un modello di generazione di composti pre-addestrato per generare espressioni geniche trattate con farmaci attese.
Discutendo le sue applicazioni nella vita reale, il Prof. Nam osserva: “ Questo modello può discernere coppie di farmaci potenzialmente pericolose, agendo come un sistema di monitoraggio della sicurezza dei farmaci. Può aiutare i ricercatori a definire il corretto utilizzo del farmaco nella fase di sviluppo del farmaco ”.
Un modello con un tale potenziale rivoluzionerà davvero il modo in cui verrà stabilita la sicurezza dei nuovi farmaci in futuro!
