相关实验视频
Updated: Jul 17, 2025
08:41
A MRI-Based Toolbox for Neurosurgical Planning in Nonhuman Primates
Published on: July 17, 2020
5.0K
人类大脑透预测使用动物机器学习模型的缩放方法
1Drug Metabolism & Pharmacokinetics Research Laboratories, Preclinical & Translational Sciences, Research, Takeda Pharmaceutical Company Limited, Shonan Health Innovation Park, 26-1, Muraoka-Higashi 2-Chome, Fujisawa, Kanagawa, 251-8555, Japan. lindsay.liu@takeda.com.
The AAPS journal
|September 4, 2023
概括
机器学习模型准确地预测动物和人类的药物不结合的大脑与血的比率 (Kpuu,大脑). 这种方法有可能取代昂贵的动物研究,用于在药物发现过程中预测人类Kpuu,大脑.
科学领域:
- 药理动力学 药理动力学
- 药物发现 药物发现 药物发现
- 计算毒理学计算毒理学
背景情况:
- 机器学习 (ML) 模型越来越多地用于预测药物的药理动力学特性.
- 之前的工作建立了ML模型来预测大鼠未结合的大脑与血的比率 (Kpuu,大脑).
研究的目的:
- 为了预测人类Kpuu,大脑使用在动物数据上训练的ML模型.
- 为了评估和比较ML模型与Kpuu的机械NeuroPK模型,大脑预测.
主要方法:
- 用开源软件包对大鼠Kpuu的大脑进行重新评估的ML模型.
- 为子Kpuu开发了ML模型,使用leave-one-out交叉验证进行大脑预测.
- 通过缩放动物ML模型预测人类Kpuu,大脑,并与NeuroPK模型进行比较.
主要成果:
- 鼠Kpuu,大脑预测的准确性被复制.
- 对子Kpuu,大脑预测的最佳ML模型 (78%准确度在2倍错误范围内) 优于NeuroPK模型.
- 使用老鼠 (71%准确率) 和子 (64%准确率) 数据的ML模型显示,对人类Kpuu,大脑的NeuroPK模型的预测能力相当.
结论:
- 机器学习模型提供了一个强大的工具来预测Kpuu,动物的大脑和未来的人类.
- 机器学习方法可能会减少对人类Kpuu,大脑预测的昂贵灵长类研究的依赖.
- 这些模型可以通过在发现阶段的早期提供可靠的药物动力学预测,显著帮助药物开发.
