哈佛科学家开发开源机器学习工具预测药物副作用

哈佛科学家开发开源机器学习工具预测药物副作用

由哈佛医学院和诺华生物医学研究所牵头的一个多机构研究人员小组创建了一个开源机器学习工具预测药物副作用,该工具可以识别与药物副作用相关的蛋白质。

该研究成果于6月18日发表在《柳叶刀》杂志的《EBioMedicine》上,通过在候选药物进入人体临床试验或作为批准药物进入市场之前识别潜在药物不良反应,为开发更安全药物提供了一种新方法。

机器学习不是药物发现的灵丹妙药,但利用工具确实可以在开发新药艰难而漫长的过程中加速不同方面新发现。尽管这不能预测所有可能的不良反应,但该研究工作有望帮助研究人员及早发现潜在问题并在未来开发更安全的药物。

药物的副作用(从技术上称为药物不良反应)范围从轻度到致命。它们可能是在按照处方服药时出现的,或者是由于剂量不正确以及多种药物相互作用或说明之外未经批准的其他方式服用药物引起的。根据美国卫生和公共服务部的数据,每年有200万人因药物不良反应住院,根据《默克手册》数据,这些不良反应发生率在10%至20%。

几十年来,研究人员和医疗服务提供者已经采取了许多策略来避免或最大程度地减少药物不良反应。但是,由于一种药物通常会与体内的多种蛋白质发生相互作用(并不总是局限于预期的靶标),因此很难预测药物可能产生什么副作用。而且,如果某种药物最终导致不良反应,则可能很难确定其哪些蛋白质靶标可能是造成这种情况的原因。

在这项新的研究中,研究人员使用了一个现有的药物不良反应数据库和另一个184种已知特定药物经常与之相互作用的蛋白质数据库。然后他们构造了一个计算机算法建立连接点。

从数据“学习”中,该算法发掘了221种蛋白质与特定药物不良反应之间的关联。有些是已知的,有些是未知的。

根据已经“学习”的内容,并根据研究人员提供的任何新数据加以加强,该程序可以帮助医生和科学家预测新药候选者是否可能本身或与某些药物合用会产生某种副作用。该算法可以在药物在人体内测试之前帮助进行这些预测,根据实验室实验揭示药物与哪些蛋白质相互作用的。增加候选药物在上市之前和之后对患者安全的可能性。如果药物获得FDA批准并进入临床使用,这可以降低研究参与者在首次人体临床试验中面临的风险,并最大程度地降低患者的风险。

这是一项协作开放式科学创新支持数据驱动发现药物副作用成果,这是提高创新和加快药物安全了解的关键因素。科学家可随意使用,该模型网上免费源码:https://github.com/samanfrm/ADRtarget

上一篇:

下一篇:


标签