پیش بینی عوارض جانبی

چند نهادی گروهی از محققان به رهبری دانشکده پزشکی هاروارد و نوارتیس موسسات تحقیقات پزشکی ایجاد کرده است یک منبع یادگیری ماشین ابزاری است که برای شناسایی پروتئین های مرتبط با مواد مخدر عوارض جانبی.

کار منتشر شده 18 ژوئن در مجله لانست EBioMedicineارائه می دهد یک روش جدید برای توسعه امن تر دارو با شناسایی پتانسیل های عوارض مواد مخدر قبل از نامزدها رسیدن انسان بالینی یا ورود به بازار به عنوان داروهای تایید شده.

این یافته ها همچنین ارائه بینش به انسان چگونه پاسخ بدن به دارو و ترکیبات در سطح مولکولی در هر دو مورد نظر و ناخواسته راه.

"یادگیری ماشین است که یک گلوله نقره ای برای کشف مواد مخدر, اما من معتقدم در آن می توانید سرعت بخشیدن به بسیاری از جنبه های مختلف در فرآیند دشوار و طولانی در حال توسعه داروهای جدید گفت:" paper co-اولین نویسنده رابرت Ietswaart تحقیقات همکار در ژنتیک در آزمایشگاه استرلینگ Churchman در Blavatnik موسسه در HMS. Churchman بود و نه درگیر در مطالعه است.

"اگر چه آن را نمی تواند پیش بینی کند همه ممکن است عوارض جانبی, ما امیدواریم که که کار ما کمک خواهد کرد که محققان نقطه مشکل بالقوه در اوایل و توسعه امن تر مواد مخدر در آینده" Ietswaart گفت.

مواد مخدر, عوارض جانبی, مشخصات فنی شناخته شده به عنوان عوارض جانبی دارو واکنش طیف وسیعی از خفیف تا کشنده است. آنها ممکن است رخ دهد یا زمانی که یک دارو تجویز شده و یا به عنوان یک نتیجه از نادرست دوزهای تعامل چندین دارو و یا خارج از برچسب استفاده کنید (مصرف مواد مخدر برای چیزی غیر از آنچه در آن بود مورد تایید). عوارض مسئول 2 میلیون نفر در ایالات متحده بستری شدن در بیمارستان هر سال با توجه به وزارت بهداشت و خدمات انسانی رخ می دهد و در طول 10 تا 20 درصد از بستری شدن در بیمارستان با توجه به Merck Manuals.

محققان و ارائه دهندگان مراقبت های بهداشتی باید اعمال تاکتیک های بسیاری در طول دهه برای جلوگیری و یا حداقل به حداقل رساندن عوارض. اما از آنجا که تنها یک دارو اغلب در تعامل با چندین پروتئین در بدن-و نه همیشه محدود به اهداف مورد نظر--می توان آن را سخت برای پیش بینی چه, اگر هر گونه عوارض جانبی یک دارو ممکن است تولید. و اگر مواد مخدر می کند و در نهایت باعث واکنش نامطلوب می توان آن را سخت برای شناسایی کدام یک از آن اهداف پروتئین می تواند به عهده دارد.

در مطالعه جدید محققان در یک پایگاه داده موجود از گزارش عوارض ناخواسته دارو و دیگری پایگاه داده از 184 پروتئین است که داروهای خاص شناخته شده برای اغلب ارتباط برقرار کردن با. سپس آنها ساخته شده یک الگوریتم کامپیوتر برای اتصال نقطه.

"یادگیری" از داده ها الگوریتم کشف 221 انجمن بین فردی پروتئین و خاص عوارض. برخی از آنها شناخته شده و برخی از آنها جدید است.

انجمن ها نشان داد که پروتئین به احتمال زیاد نشان دهنده اهداف مواد مخدر که منجر به خاص و عوارض که دیگران ممکن است بیگناه.

بر اساس آنچه در آن است در حال حاضر "آموخته" و تقویت شده توسط هر گونه اطلاعات جدید که محققان تغذیه آن برنامه ممکن است کمک به پزشکان و دانشمندان پیش بینی اینکه آیا یک داروی جدید نامزد به احتمال زیاد به علت برخی عوارض در خود و یا هنگامی که در ترکیب با داروهای خاص. این الگوریتم می تواند با کمک این پیش بینی قبل از مواد مخدر آزمایش در انسان بر اساس آزمایش آزمایشگاه است که نشان می دهد که پروتئین مواد مخدر در تعامل با.

امید است به منظور بالا بردن احتمال که یک نامزد مواد مخدر را به اثبات امن برای بیماران قبل و بعد از آن می رسد بازار است.

"این می تواند به کاهش ریسک هایی که شرکت کنندگان در مطالعه صورت در طول اولین بار در انسان بالینی و به حداقل رساندن خطرات برای بیماران اگر مواد مخدر دستاوردهای تایید FDA و وارد استفاده بالینی گفت: Ietswaart.

این پروژه متولد شد در کمی علم hackathon سازمان یافته توسط نوارتیس موسسات تحقیقات پزشکی (NIBR) در سال 2018 است.

لاسلو شهری, جهانی, رئیس بالینی ثانویه فارماکولوژی در NIBR ارائه شده در برخی از مشکلات تیم خود را چهره زمانی که ارزیابی ایمنی جدید مبارزه با مواد مخدر نامزدها. یک گروه از بوستون-منطقه دانش آموزان فارغ التحصیل و دانشجویان مقطع فوق دکترا در hackathon شروع به پریدن کرد به درخواست دانش خود را از داده های علم و یادگیری ماشین.

از زمانی که پروژه از hackathon پایان به عنوان یادگیری تمرینات گفت: شهری است. در این موقعیت نادر اما قوی و ماندگار تعامل با الهام از دانشمندان از نهادهای مختلف منجر به یک رمان منتشر شده در یک بسیار محترم مجله, او گفت:.

چهار نفر از اعضای اصلی hackathon گروه شد شرکت برای اولین بار نویسندگان مقاله: Ietswaart در HMS, Seda Arat از جکسون آزمایشگاهی, Amanda چن از دانشگاه MIT و سامان فرهمند از دانشگاه ماساچوست بوستون. Arat است که در حال حاضر در Pfizer. دیگر عضو تیم Bumjun کیم از دانشگاه است و یک نویسنده. شهری شد و نویسنده ارشد این مقاله است.

برای مقابله با این مشکل این تیم ساخته شده آن یادگیری ماشین الگوریتم و اعمال آن را به دو مجموعه داده های بزرگ: یکی از نوارتیس با اطلاعات در مورد پروتئین است که هر یک از 2000 مواد مخدر با تعامل و یکی از FDA با 600,000 پزشک گزارش عوارض ناخواسته دارو در بیماران است.

الگوریتم تولید شده از نظر آماری قوی اطلاعات در مورد چگونه فردی پروتئین کمک به مستند, واکنش های جانبی گفت: Ietswaart.

"این نشان می دهد فیزیولوژیکی پاسخ به perturbing یک پروتئین خاص-و یا ژن است که باعث می شود آن را--در سطح مولکولی," او گفت:.

بسیاری از نتایج حمایت قبلی مشاهدات مانند است که با اتصال به پروتئین hERG می تواند باعث آریتمی های قلبی. یافته های مثل این تقویت محققان اعتماد به نفس است که این الگوریتم انجام شد به خوبی.

نتایج دیگر اما غیر منتظره.

برای مثال الگوریتم نشان می دهد که پروتئین PDE3 همراه است با بیش از 40 عوارض. پزشکان و محققان برای سال شناخته شده است که PDE3 بازدارنده--مشترک ضد انعقادی برای درمان حاد نارسایی قلبی, سکته مغزی و پیشگیری از یک حمله قلبی از عوارض شناخته شده به عنوان cardiogenic shock--می تواند باعث آریتمی پایین پلاکت ها و افزایش سطح آنزیم به نام ترانس ممکن شاخص آسیب کبدی است. اما آن را شناخته شده است که هدف قرار دادن PDE3 ممکن است افزایش خطر ابتلا به بسیاری از عوارض جانبی دیگر از جمله برخی مربوط به عضلات و استخوان ها و بافت های پیوندی کلیه و مجاری ادراری و گوش.

این الگوریتم همچنین ارائه پیش بینی بر این احتمال است که یک داروی خاص می تواند باعث برخی واکنش های جانبی.

چگونه دقیق بودند کسانی که پیش بینی های جدید? برای پیدا کردن محققان تغذیه الگوریتم خود را به روز رسانی اطلاعات. تا آن زمان این برنامه را آموخته بود و از عوارض گزارش شده از طریق 2014. این تیم اضافه شده گزارش های جمع آوری شده از سال 2014 از طریق 2019 که برخی از آنها نشان داد عوارض جانبی که تا به حال مشاهده شده قبل از داروها خاص است.

مطمئن شوید به اندازه کافی بسیاری از این الگوریتم را قبلا اثبات نشده پیش بینی همسان اخیر در دنیای واقعی ،

"آنچه به نظر می رسید مانند غلط-مثبت پیش بینی ثابت نمی شود غلط در تمام زمانی که گزارش های جدید در دسترس قرار گرفت" گفت: Ietswaart.

را فوق العاده خاصی است که این الگوریتم قابل اعتماد است این تیم در مقایسه نتایج آن به دارو و برچسب های انجام شده متن کاوی از ادبیات علمی و استفاده از دیگر تکنیک های اعتبار سنجی.

اگر چه محققان تقویت این مدل تا آنجا که آنها می تواند آن را هنوز هم ارزیابی کمتر از 1 درصد از 20,000 ژن در ژنوم انسان.

"کار ما این است که به هیچ وجه درک کامل از اثرات سوء مواد مخدر حوادث زیرا بسیاری از دیگر ژن ها و پروتئین ها ممکن است کمک که هیچ روش در دسترس است و یا بدون داروهای آزمایش شده اند" گفت: Ietswaart.

دانشمندان می توانند با استفاده از بهبود و ساخت بر این که ارسال شده است به صورت رایگان و آنلاین در https://github.com/samanfrm/ADRtarget.

"این کار شده است مشترک علم باز روح و تلاش تیم گفت:" Ietswaart و شهری است.

###

اضافی نویسندگان وابسته اوراکل علوم سلامت و نوارتیس. در حالی که NIBR ارائه یک مجموعه داده ها برای تجزیه و تحلیل این مطالعه بودجه توسط هر سازمان است.