由哈佛医学院和诺华生物医学研究所牵头的一个多机构研究人员小组创建了一个开源机器学习工具，该工具可以识别与药物副作用相关的蛋白质。

该研究成果于6月18日发表在《柳叶刀》杂志的《EBioMedicine》上，通过在候选药物进入人体临床试验或作为批准药物进入市场之前识别潜在的不良反应，提供了一种开发更安全药物的新方法。

这些发现还提供了对人体如何以期望和非期望的方式在分子水平上响应药物化合物的见解。

论文的第一作者，实验室遗传学研究员Robert Ietswaart说：“机器学习不是药物发现的灵丹妙药，但我确实相信它可以在开发新药的艰难而漫长的过程中加速许多不同的方面。” HMS Blavatnik研究所的斯特灵·丘奇曼(Stirling Churchman)教堂。丘奇曼没有参与这项研究。

伊茨瓦特说：“尽管它不能预测所有可能的不良反应，但我们希望我们的工作能帮助研究人员及早发现潜在的问题并在将来开发更安全的药物。”

药物的副作用(从技术上讲是药物不良反应)范围从轻度到致命。它们可能是在按照处方服用药物时出现的，或者是由于剂量不正确，多种药物的相互作用或标签外使用(以未经批准的其他方式服用药物)引起的。根据美国卫生和公共服务部的数据，每年药物不良反应导致200万例美国住院患者，根据《默克手册》，这种情况发生在10%至20%的患者中。

数十年来，研究人员和医疗保健提供者已经采取了许多策略来避免或至少最大程度地减少药物不良反应。但是，由于一种药物通常会与体内的多种蛋白质发生相互作用(并不总是局限于预期的靶标)，因此很难预测药物可能产生什么副作用。而且，如果某种药物最终导致不良反应，则可能很难确定其哪些蛋白质靶标可能是造成这种情况的原因。

在这项新研究中，研究人员采用了一个现有的数据库，该数据库报告了药物不良反应，而另一个数据库包含了已知与特定药物经常相互作用的184种蛋白质。然后他们构造了一种计算机算法来连接点。

从数据“学习”中，该算法发掘了221种蛋白质与特定药物不良反应之间的关联。有些是已知的，有些是新的。

协会指出，哪些蛋白质可能代表有助于特定副作用的药物靶标，哪些蛋白质可能是无辜的旁观者。

根据已经“学习”的内容，并根据研究人员提供的任何新数据加以加强，该程序可以帮助医生和科学家预测新药候选者是否可能本身或与某些药物合用会产生某种副作用。药物。该算法可以根据揭示药物与哪些蛋白质相互作用的实验室实验，在对人体进行药物测试之前帮助进行这些预测。

希望是增加候选药物在上市之前和之后对患者证明是安全的可能性。

Ietswaart说：“如果药物获得FDA批准并进入临床使用，这可以降低研究参与者在首次人体临床试验中面临的风险，并最大程度地降低患者的风险。”

破解你的副作用

该项目诞生于2018年由诺华生物医学研究院(NIBR)组织的定量科学黑客马拉松。

NIBR临床前二级药理学全球负责人Laszlo Urban介绍了他的团队在评估新药候选药物安全性时面临的一些问题。黑客马拉松的一群波士顿地区的研究生和博士后跳了起来，将他们的数据科学和机器学习知识应用到自己的工作中。

Urban表示，大多数时候，黑客马拉松的项目都是以学习练习结束的。他说，在这种罕见的情况下，来自不同机构的受启发科学家的强烈而持久的互动导致了一种新颖的应用程序在备受推崇的期刊上发表。

最初的黑客马拉松小组的四名成员成为该论文的共同第一作者：HMS的Ietswaart，杰克逊实验室的Seda Arat，麻省理工学院的Amanda Chen和马萨诸塞州波士顿大学的Saman Farahmand。阿拉特现在在辉瑞公司工作。另一位团队成员，东北大学的Bumjun Kim是合著者。厄本成为该论文的高级作者。