使用人工智能预测药物引起的出生缺陷

数据科学家伊坎在纽约西奈山医学院和他的同事创造了一个人工智能模型,可以更准确地预测哪些现有的药物,目前还没有被列为有害,可能实际上会导致先天性残疾。

描述模型,或“知识图谱”,在7月17日出版的《自然》杂志上通信医学(DOI: 10.1038 / s43856 - 023 - 00329 - 2),也有可能预测临床前的参与化合物可能损害胎儿的健康发育。这项研究是第一个已知的使用知识图集成各种数据类型调查先天性残疾的原因。

出生缺陷是异常,影响约33出生在美国。他们可以功能或结构和被认为源于多种因素,包括遗传学。然而,大多数这些残疾的原因仍然未知。某些物质在药物、化妆品、食品和环境污染物可能导致出生缺陷如果怀孕期间暴露。

“我们想提高我们对生殖健康和胎儿发育的理解,和重要的是,警告潜在的新药引起出生缺陷前这些药物被广泛推广和分布式,”说Avi Ma 'ayan博士,教授,药理科学和西奈山生物信息学中心主任伊坎西奈山,和论文的资深作者。“虽然识别根本原因是一个复杂的任务,我们希望通过这样的复杂数据分析集成来自多个来源的证据,我们就可以,在某些情况下,为了更好地预测,控制,和防止先天性残疾可能导致的重大伤害。”

研究人员聚集在出生缺陷协会指出知识跨多个数据集出版工作,包括那些由国家卫生研究院共同基金项目演示如何集成数据从这些资源会导致协同发现。特别是,合并后的数据是已知基因的生殖健康,怀孕期间分类基于风险的药物,以及药物和临床前的化合物是如何影响人体细胞内的生物机制。

具体来说,数据包括遗传关联研究,药物和preclinical-compound-induced细胞系的基因表达变化,已知的药物靶点,为人类基因遗传负担得分,胎盘穿越得分为小分子药物。

重要的是,使用ReproTox-KGsemi-supervised学习(SSL),研究小组将30000年临床前小分子药物的潜在穿过胎盘并引起出生缺陷。SSL是机器学习的一个分支,利用少量的标记数据来指导预测更大的无标号数据。此外,通过分析的拓扑ReproTox-KG超过500名出生缺陷基因/药物派系是否可以解释背后的分子机制药物引起的出生缺陷。在图论方面,派系是一个图,所有的子集小团体中的节点直接连接到所有其他节点的小团体。

研究人员警告说,这项研究的发现是初步的,需要进一步的实验验证。

接下来,研究人员计划为其它项目使用类似的图论方法专注于基因之间的关系,药物,和疾病。他们还试图使用处理过的数据集作为训练材料课程和研讨会在生物信息学分析。此外,他们计划将研究扩展到考虑更复杂的数据,如从特定组织的基因表达和细胞类型收集在不同的发展阶段。

“我们希望我们的合作将导致一个新的全球框架来评估新药的潜在毒性和解释一些药物的生物机制,导致出生缺陷,可能操作。有可能在将来的某个时候,监管机构如美国食品和药物管理局和美国环境保护署可以使用这种方法来评估新药或其他化学应用的风险,”马'ayan博士说。

参考:伊万格丽斯塔我,克拉克DJB,谢Z, et al .毒理学知识图结构的先天缺陷。Commun地中海。2023;3 (1):1 - 14。doi:10.1038 / s43856 - 023 - 00329 - 2

本文从以下转载材料。注:材料可能是长度和内容的编辑。为进一步的信息,请联系引用源。