利用机器学习算法，研究人员可以预测可能干扰药物疗效的相互作用。任何口服药物都必须通过消化道内壁。消化道内壁细胞上的转运蛋白有助于完成这一过程，但对于许多药物来说，它们是通过哪种转运蛋白进入消化道的还不得而知。确定特定药物使用的转运体有助于改善对病人的治疗效果，因为如果两种药物依赖于相同的转运体，它们就会相互干扰，因此不应同时处方。

麻省理工学院和其他研究人员开发了一种多管齐下的策略，以识别不同药物所使用的转运体。他们的方法同时利用了组织模型和机器学习算法，已经发现一种常用抗生素和一种血液稀释剂会相互干扰。资料来源：麻省理工学院，何塞-路易斯-奥利瓦雷斯

麻省理工学院、布里格姆妇女医院和杜克大学的研究人员现已开发出一种多管齐下的策略，用于识别不同药物所使用的转运体。他们的方法同时利用了组织模型和机器学习算法，已经发现一种常用抗生素和一种血液稀释剂会相互干扰。

"建立吸收模型的挑战之一是药物会受到不同转运体的影响。"麻省理工学院机械工程副教授、布里格姆妇女医院胃肠病学家、该研究的资深作者乔瓦尼-特拉韦索（Giovanni Traverso）说："这项研究的目的在于我们如何模拟这些相互作用，这可以帮助我们使药物更安全、更有效，并预测到目前为止可能难以预测的潜在毒性。"

更多地了解哪些转运体有助于药物通过消化道，还有助于药物开发人员通过添加辅料来增强药物与转运体的相互作用，从而提高新药的可吸收性。

麻省理工学院前博士后史云华和丹尼尔-雷克是这项研究的主要作者，他们的研究成果最近发表在《自然-生物医学工程》杂志上。

药物运输

先前的研究已经确定了消化道中帮助药物通过肠粘膜的几种转运体。其中最常用的三种是 BCRP、MRP2 和 PgP，它们也是新研究的重点。

在这项研究中，特拉韦索和他的同事采用了他们在2020年开发的一种组织模型来测量特定药物的吸收性。这种实验装置基于在实验室培育的猪肠组织，可用于将组织系统地暴露在不同的药物配方中，并测量它们的吸收情况。

为了研究单个转运体在组织中的作用，研究人员使用名为siRNA的短RNA来敲除每个转运体的表达。在每个组织切片中，他们敲除了不同的转运体组合，从而研究了每种转运体如何与多种不同药物相互作用。

"有几条路可以让药物通过组织，但你不知道是哪一条路。我们可以分别关闭这几条路，以便弄清楚，如果我们关闭了这条路，药物还能通过吗？如果答案是肯定的，那么它就没有使用那条路，"特拉韦索说。

研究人员使用该系统测试了 23 种常用药物，从而确定了每种药物使用的转运体。然后，他们根据这些数据以及来自几个药物数据库的数据训练了一个机器学习模型。根据药物化学结构之间的相似性，该模型学会了预测哪些药物会与哪些转运体发生相互作用。

利用这一模型，研究人员分析了一组新的 28 种常用药物以及 1595 种实验药物。这一筛选得出了近 200 万个潜在药物相互作用的预测结果。其中包括预测抗生素强力霉素可能与常用的血液稀释剂华法林发生相互作用。多西环素还被预测会与治疗心力衰竭的地高辛、抗癫痫药物左乙拉西坦和免疫抑制剂他克莫司发生相互作用。

确定相互作用

为了验证这些预测，研究人员研究了约 50 名患者的数据，这些患者在被处方强力霉素时已经服用了这三种药物中的一种。这些数据来自马萨诸塞州总医院和布里格姆妇女医院的病人数据库，数据显示，当给已经服用华法林的病人服用强力霉素时，病人血液中的华法林水平会升高，然后在停止服用强力霉素后又会下降。

这些数据还证实了模型的预测，即多西环素的吸收会受到地高辛、左乙拉西坦和他克莫司的影响。此前，只有他克莫司一种药物被怀疑会与强力霉素发生相互作用。

特拉韦索说："这些都是常用药物，我们是第一个使用这种加速的硅学和体外模型来预测这种相互作用的人。这种方法让你有能力了解同时使用这些药物的潜在安全影响"。

除了识别已在使用的药物之间可能存在的相互作用，这种方法还可应用于正在研发的药物。利用这项技术，药物开发人员可以调整新药分子的配方，以防止与其他药物发生相互作用或提高其可吸收性。Vivtex 是麻省理工学院前博士后托马斯-冯-埃拉赫（Thomas von Erlach）、麻省理工学院研究所教授罗伯特-朗格（Robert Langer）和特拉韦索（Traverso）于 2018 年共同创立的一家生物技术公司，旨在开发新型口服给药系统。

编译自:ScitechDaily