[發(fā)明專利]一種基于藥物依賴性的藥對(duì)不良反應(yīng)預(yù)測(cè)方法

有效

• 申請(qǐng)?zhí)枺?/td>: 202011179813.3
• 申請(qǐng)日: 2020-10-29
• 公開（公告）號(hào): CN112382410B
• 公開（公告）日: 2023-05-02
• 發(fā)明（設(shè)計(jì)）人: 朱嘉靜;劉勇國;楊尚明;李巧勤
• 申請(qǐng)（專利權(quán)）人: 電子科技大學(xué)
• 主分類號(hào): G16H70/40
• 分類號(hào): G16H70/40;G06F17/18;G06F17/16;G06N7/01
• 代理公司: 北京正華智誠專利代理事務(wù)所(普通合伙) 11870
• 代理人: 李林合

本發(fā)明公開了一種基于藥物依賴性的藥對(duì)不良反應(yīng)預(yù)測(cè)方法，其包括以下步驟：S1、收集藥對(duì)不良反應(yīng)關(guān)系數(shù)據(jù)、藥物的結(jié)構(gòu)數(shù)據(jù)和副作用數(shù)據(jù)；S2、構(gòu)建基于屬性監(jiān)督的藥對(duì)不良反應(yīng)預(yù)測(cè)基礎(chǔ)模型；S3、構(gòu)建基于藥物依賴性的藥對(duì)不良反應(yīng)預(yù)測(cè)模型；S4、采用基于藥物依賴性的藥對(duì)不良反應(yīng)預(yù)測(cè)模型對(duì)步驟S1中所收集的未知不良反應(yīng)關(guān)系的藥對(duì)進(jìn)行不良反應(yīng)預(yù)測(cè)。本方法通過已知藥對(duì)不良反應(yīng)關(guān)系數(shù)據(jù)、藥物的結(jié)構(gòu)數(shù)據(jù)和副作用數(shù)據(jù)進(jìn)行模型訓(xùn)練，可以預(yù)測(cè)數(shù)據(jù)集中未知不良反應(yīng)關(guān)系藥對(duì)的不良反應(yīng)，發(fā)現(xiàn)潛在的不良反應(yīng)藥對(duì)，為基于生物實(shí)驗(yàn)方法的藥對(duì)不良反應(yīng)研究和新藥安全性研究提供數(shù)據(jù)支持。

技術(shù)領(lǐng)域

本發(fā)明涉及藥對(duì)不良反應(yīng)領(lǐng)域，具體涉及一種基于藥物依賴性的藥對(duì)不良反應(yīng)預(yù)測(cè)方法。

背景技術(shù)

藥物在治療疾病過程中會(huì)產(chǎn)生對(duì)人體有害的不良反應(yīng)。藥對(duì)不良反應(yīng)是指兩種藥物在共同使用的過程中，一種藥物的藥理作用被另外一種藥物破壞，從而產(chǎn)生對(duì)人體消極、有害的不良反應(yīng)。例如在臨床上，阿司匹林(Aspirin，解熱鎮(zhèn)痛藥)和華法林(Warfarin，血液稀釋藥物)共同使用會(huì)引起消化道出血和尿道出血等不良反應(yīng)，齊多夫定(Zidovudine，抗艾滋病藥物)和阿昔洛韋(Acyclovir，治療皰疹的藥物)組合使用會(huì)引起惡心、嘔吐、腎功能不全和嗜睡等不良反應(yīng)。盡管在藥物研發(fā)過程中對(duì)新藥已經(jīng)進(jìn)行了藥對(duì)不良反應(yīng)檢測(cè)，但是在藥物進(jìn)入市場(chǎng)之后，仍然有很多不良反應(yīng)藥對(duì)被發(fā)現(xiàn)，導(dǎo)致不良反應(yīng)事件的發(fā)生，延誤疾病治療，惡化疾病狀況，甚至導(dǎo)致死亡。因此，在臨床實(shí)踐中，預(yù)防藥對(duì)不良反應(yīng)事件的發(fā)生已經(jīng)迫在眉睫。

藥對(duì)不良反應(yīng)預(yù)測(cè)是藥物不良反應(yīng)研究領(lǐng)域中的關(guān)鍵問題。目前針對(duì)藥對(duì)不良反應(yīng)預(yù)測(cè)研究工作主要分為兩類：基于知識(shí)庫的方法和基于相似性的方法。

基于知識(shí)庫的方法主要是利用文本挖掘、數(shù)據(jù)挖掘、語義分析等技術(shù)從大量的生物醫(yī)學(xué)文本、電子醫(yī)療病例以及FDA不良事件報(bào)告系統(tǒng)中挖掘潛在的不良反應(yīng)藥對(duì)。該方法很大程度上依賴于大量臨床數(shù)據(jù)的積累，能夠從海量的非格式化數(shù)據(jù)中發(fā)現(xiàn)和提取藥對(duì)之間的不良反應(yīng)。例如Zhao等人提出句法卷積神經(jīng)網(wǎng)絡(luò)，通過結(jié)合語句中的語法信息實(shí)現(xiàn)醫(yī)學(xué)文獻(xiàn)中的藥對(duì)不良反應(yīng)預(yù)測(cè)[Z.Zhao,Z.Yang,L.Luo,H.Lin,J.Wang,Drug-druginteraction?extraction?from?biomedical?literature?using?syntax?convolutionalneural?network,695?Bioinformatics?32(22)(2016)3444-3453]。

基于相似性的方法主要是通過從數(shù)據(jù)庫(KEGG，Drugbank、PubChem等)提取藥物屬性(結(jié)構(gòu)、表型、靶點(diǎn)、副作用等)信息，通過計(jì)算藥物之間的屬性相似性，并將藥對(duì)之間相似性得分作為學(xué)習(xí)模型的輸入，從而進(jìn)行藥對(duì)不良反應(yīng)的預(yù)測(cè)。該方法只依賴于藥物的屬性數(shù)據(jù)，不依賴于海量的醫(yī)學(xué)文本數(shù)據(jù)，可以作為藥對(duì)不良反應(yīng)的先驗(yàn)預(yù)測(cè)，發(fā)現(xiàn)潛在不良反應(yīng)藥對(duì)，為臨床安全用藥和新藥安全性研究提供數(shù)據(jù)支持。例如Zhang等人首先設(shè)計(jì)了一種稀疏特征學(xué)習(xí)方法，將不同的藥物屬性空間映射到公共屬性空間，并提出線性鄰域正則化模型在公共屬性空間中進(jìn)行藥對(duì)不良反應(yīng)預(yù)測(cè)[W.Zhang,K.Jing,F.Huang,Y.Chen,B.Li,J.Li,J.Gong,SFLLN:A?sparse?feature?learning?ensemble?method?with?linearneighborhood?regularization?for?predicting?drug-drug?interactions,InformationSciences?497?650(2019)189-201]。

上述方法為藥對(duì)不良反應(yīng)預(yù)測(cè)奠定了良好的基礎(chǔ)，但是存在的缺陷在于：他們?cè)谒帉?duì)不良反應(yīng)預(yù)測(cè)中并未考慮藥物依賴性因素。在疾病治療過程中，多種藥物通常組合使用，藥物之間產(chǎn)生協(xié)同功效，并在治療過程中產(chǎn)生高度依賴性。藥物依賴性包含了藥對(duì)不良作用的關(guān)鍵信息，能夠提升藥對(duì)不良作用預(yù)測(cè)效果。因此，本發(fā)明首次在藥對(duì)不良反應(yīng)預(yù)測(cè)中考慮了藥物依賴性信息，擬在高效預(yù)測(cè)藥對(duì)潛在的不良反應(yīng)。

發(fā)明內(nèi)容