深度学习预测不良药物反应使用Open TG-GATEs和FAERS数据库
摘要：通过人工智能（AI）的进展和健康相关的大数据的积累，利用机器学习技术来分析临床和组学元数据以评估药物发现过程中不良药物反应或事件（ADR）的可能性已变得越来越可行和普遍。在这里，我们描述了一种新的方法，将Open TG-GATEs（毒性基因组学评估系统）的药物诱导基因表达谱和FAERS（FDA [美国食品和药物管理局]不良事件报告系统）数据库中的ADR发生信息相结合，以预测ADR的可能性。我们使用深度神经网络（DNN）生成了总共14个模型来预测不同的ADR；在验证测试中，我们的模型达到了平均准确度85.71％，表明我们的方法成功地和一致地预测了各种药物的ADR。作为一个例子，我们在十二指肠溃疡的背景下描述了ADR模型。我们相信我们的模型将有助于在测试新的药物化合物时预测ADR的可能性，并对药物发现的研究人员有用。
作者：Attayeb Mohsen, Lokesh P. Tripathi, Kenji Mizuguchi
论文ID：2010.05411
分类：Genomics
分类简称：q-bio.GN
提交时间：2022-04-14