Deep learning improves prediction of drug-rug and drug-food interactions
https://www.pnas.org/doi/10.1073/pnas.1803294115
2018, PNAS Systems Biology, 717 citation
Significance
DDI 와 DFI를 포함한 약물 상호작용은 ADEs와 같은 예기치 않은 약리 작용(pharmacological effects)을 촉발시킬 수 있다. 기존의 여러 약물 상호작용 예측 방법들은 약물 타겟과 같이 상세하면서도 흔히 구하기 어려운 정보를 입력 데이터로 요구하는다는 한계가 있다. 이에 본 연구에서는 약물의 이름과 구조 정보만을 활용하여 약물 쌍 및 약물-음식 성분 쌍의 DDI 유형을 정확히 예측하는 계산 프레임워크인 ‘DeepDDI’를 제시한다. 우리는 DeepDDI의 네 가지 활용 사례를 통해 약물 상호작용에 대한 이해를 높일 수 있음을 입증한다. 구체적으로는 ADE를 유발하는 DDI 기전 예측, 부작용 없이 의도한 약리 효과를 낼 수 있는 대체 약물 제안, 음식 성분이 상호작용 약물에 미치는 영향 예측, 그리고 음식 성분의 생리활성 예측이 포함된다.
Abstract
본 연구에서는 약물 쌍 또는 약물-음식 성분 쌍의 명칭과 구조 정보만을 입력하여, 86가지의 주요 DDI 유형을 인간이 읽을 수 있는 문장 형태로 정확히 생성하는 전산 프레임워크인 ‘DeepDDI’를 보고한다. DeepDDI는 최적화된 심층 신경망을 활용하며, 191,878개의 약물 쌍에서 도출된 192,284건의 DrugBank 골드 표준 데이터를 바탕으로 86개 DDI 유형에 대해 평균 92.4%의 예측 정확도를 보였다.
DeepDDI는 9,284개 약물 쌍에서 보고된 ADE의 잠재적 인과 기전을 제시하고, 건강에 부정적인 영향을 미치는 62,707개 약물 쌍에 대한 대체 약물 후보를 예측하는 데 활용되었다. 나아가, 2,159종의 승인된 약물과 1,523종의 음식 성분으로 구성된 3,288,157개의 약물-음식 성분 쌍에 적용하여 상호작용을 분석했다. 이를 통해 256개 음식 성분이 약리 작용에 미치는 영향과 149개 음식 성분의 생리활성을 예측해다. 이러한 결과는 DeepDDI가 처방 및 식이 요령 안내는 물론, 신약 개발 과정의 가이드라인 수립에도 중요한 정보를 제공할 수 있음을 시사한다.
Idea
Evaluation & Findings
