翻译框架将机器学习和体内查结合起来,用于预防氨基糖化物耳毒性
Eunjung Han1, Yun Jae Choi2, Hong Ki Kim2
1Department of Otorhinolaryngology-Head and Neck Surgery, Korea University Ansan Hospital, Korea University, College of Medicine, Ansan, Republic of Korea; Zebrafish Translational Medical Research Center, Korea University, Ansan, Republic of Korea.
Hearing research
|March 3, 2026
概括
一个新的AI模型识别了潜在的自身保护药物,以防止aminoglycoside抗生素的毒性. 包括L-Glutamine在内的六种化合物在斑马鱼中显示出显著的保护作用,为更安全的抗生素治疗提供了希望.
科学领域:
- 药理学 药理学是指药理学的学科.
- 毒理学 毒理学 毒理学
- 计算生物学 计算生物学
背景情况:
- 氨基甘油酸抗生素是有效的,但引起耳毒性,限制了它们的使用.
- 目前寻找更安全替代品的方法效率低下,耗时.
研究的目的:
- 开发一个快速查框架,以识别针对氨基糖化物诱导的耳毒性产生的耳保护剂.
- 用斑马鱼模型验证AI预测的候选人.
主要方法:
- 开发了一个基于注意力的图形变压器模型,以文学衍生标签和转移学习进行训练.
- 选FDA批准的药物库,以优先考虑潜在的自身保护性化合物.
- 使用斑马鱼神经巨毛细胞测试对抗 gentamicin 损伤的验证顶级候选人.
主要成果:
- 人工智能模型成功优先考虑具有保护作用的化合物.
- 六种化合物 (L-Glutamine,氨酸酸盐溶液,酸,德克斯潘醇,酸四水合物,酸) 显著保护了斑马鱼的毛细胞.
- 结构特征,如卡基和基,与疗效相关.
结论:
- 将人工智能预测与体内验证相结合是发现自身保护药物的有效方法.
- 机械学的洞察力指导了合理设计的药物,以防止aminoglycoside的ototoxicity.
- 这项研究为未来的药物重定向工作提供了数据集.
