一种权方法来整合大奥米克和机械评估DILI
Yuan Jin1,2, Yingqing Shou2, Qinkai Lei2
1Key Laboratory of Birth Regulation and Control Technology of National Health Commission of China, Maternal and Child Health Care Hospital of Shandong Province Affiliated to Qingdao University, Jinan, China.
Hepatology (Baltimore, Md.)
|October 11, 2023
概括
这项研究开发了一种新的机器学习方法,通过整合各种数据集和分析毒性途径来预测药物诱导的肝损伤 (DILI). 该模型实现了超过86%的精度,有助于药物开发和患者安全.
科学领域:
- 毒理学 毒理学 毒理学
- 药理学 药理学是指药理学的学科.
- 计算生物学 计算生物学
背景情况:
- 药物诱导性肝损伤 (DILI) 是急性肝衰竭的重要原因,构成了全球健康挑战.
- 了解药物肝毒性机制对于制药开发和安全使用药物至关重要.
研究的目的:
- 开发和验证基于分子机制和集成大数据的DILI预测模型.
- 通过使用计算工具分析毒性路径来描述和预测DILI.
主要方法:
- 综合多源数据集:基因表达,药物标签 (FDA肝毒性知识库,LiverTox) 和临床报告.
- 开发了一个由11个途径组成的小组,并使用权方法进行基因权重.
- 使用可解释的机器学习模型 (XGBoot-SHAP) 进行路径重要性排名.
主要成果:
- 该途径小组成功地将受伤者与未受伤的样本区分开来,并在训练药物中表现出DILI的特征.
- 在对另外89种药物进行测试时,预测模型达到超过86%的准确性.
- 确定了导致DILI的关键毒性途径.
结论:
- 介绍了使用大数据集成进行DILI预测的新,机制驱动的方法.
- 突出了这种方法在促进药理学和理解人类生物学方面的潜力.
- 通过改善肝毒性预测,促进更安全的药物开发.
更多相关视频
08:59An Intestine/Liver Microphysiological System for Drug Pharmacokinetic and Toxicological Assessment
Published on: December 3, 2020
7.9K
00:05In Silico Modeling Method for Computational Aquatic Toxicology of Endocrine Disruptors: A Software-Based Approach Using QSAR Toolbox
Published on: August 28, 2019
14.0K
