研究人员推出了一种新的机器学习方法来预测药物准确的相互作用
使用组织模型和先进的 机器学习 通过算法，该团队设计了一种方法来识别潜在的药物相互作用，从而提高患者的安全性和治疗效果。
该研究发表于 自然生物医学工程麻省理工学院、布莱根妇女医院的研究人员和杜克大学进行了这项研究。
药物通常如何发挥作用
人体消化道是一个复杂的系统，口服药物必须通过各种途径才能被有效吸收。
这一过程的核心是胃肠道内的转运蛋白，它有助于药物进入血液。
然而，了解每种药物利用哪些转运蛋白一直是药理学领域的长期挑战。 主要作者、麻省理工学院副教授、布莱根妇女医院胃肠病学家 Giovanni Traverso 解释说：“建立吸收模型的挑战之一是药物受到不同转运蛋白的影响。”
让药物相互作用对每个人都更安全
通过揭示这些转运蛋白与药物的相互作用，研究人员可以查明可能损害治疗结果的潜在药物冲突。
该团队的方法涉及双管齐下的策略。 首先，他们利用 2020 年开发的组织模型来模拟实验室中的药物吸收。 通过使用短 RNA 链选择性抑制特定转运蛋白，研究人员可以查明单个转运蛋白在药物吸收途径中的作用。 该实验装置为了解胃肠道药物转运机制提供了宝贵的见解。
接下来，研究人员采用根据实验数据和药物数据库训练的机器学习算法来预测潜在的药物相互作用。
该模型可以通过分析药物之间的化学相似性来准确预测与特定转运蛋白的相互作用。 这种预测能力可以筛选现有药物和实验药物。
使用机器学习
鉴定抗生素强力霉素和血液稀释剂华法林之间的相互作用。 对患者记录的数据分析证实，这些药物的共同给药会导致血液中华法林水平的波动。
该模型确定了强力霉素与地高辛、左乙拉西坦和他克莫司等其他药物之间的相互作用，突出了以前未被识别的药物相互作用。
“这种方法使您能够了解同时服用这些药物的潜在安全影响，”特拉维索说。 除了提高现有药物组合的安全性之外，这种方法还有望优化新药的开发。
提高未来药物的安全性
通过微调药物配方以尽量减少相互作用或增强吸收，研究人员的目标是提高未来药物的功效和安全性。
Vivtex 是一家由麻省理工学院研究人员共同创立的生物技术公司，处于应用该技术开发创新口服药物输送系统的前沿。
组织模型和机器学习算法的集成为预测药物相互作用和优化患者治疗提供了强大的工具。 随着进一步的完善和应用，这种方法有望提高药物治疗的安全性和有效性。
编辑的 受到推崇的 文章
2024-02-20 15:46:45
1708444868
#新的机器学习模型可识别药物相互作用以便更安全地开药
