然而,目前对现有DDI数据库(DrugBank、Super-CYPsPred、DDInter等)侧重于描述临床现象和结果,对于机制的阐明还很不全面,这使得处理DDI导致的治疗失败和药物不良反应非常困难。同时,一些基于人工智能的DDI预测模型也迫切需要明确机制的可靠的DDI数据。 研究目的:基于上述背景,作者搭建了一个名为MecDDI的交互式平台,旨在揭示...
药物间相互作用(DDI)是指联合应用两种或两种以上药物时,由于药代动力学(PK)或药效学(PD)的相互影响,导致药物暴露量、药物疗效或不良反应风险发生改变[1]。整体而言,抗真菌药物DDI较多,其中约75.8%与三唑类相关。 三唑类抗真菌药物广泛应用于免疫缺陷患者侵袭性真菌病的防治。然而,其对细胞色素P450(CYP450)酶系统...
分子结构模型主要基于药物分子本身的结构特征来预测DDI,并通过分子内的亚结构或功能团来解释复杂的DDI药物代谢的机制,从而在临床实践中做出更安全、更有效的药物治疗决策。深度学习方法在DDI预测方面取得了一定的进展,并且可以辅助专家们进一步准确理解药物分子内部的亚结构之间的相互作用,从而帮助临床研究者优化药物组合并减...
分子结构模型主要基于药物分子本身的结构特征来预测DDI,并通过分子内的亚结构或功能团来解释复杂的DDI药物代谢的机制,从而在临床实践中做出更安全、更有效的药物治疗决策。深度学习方法在DDI预测方面取得了一定的进展,并且可以辅助专家们进一步准确理解药物分子内部的亚结构之间的相互作用,从而帮助临床研究者优化药物组合并减...
今天给大家介绍BMC Bioinformatics期刊的一篇文章,”DPDDI: a deep predictor for drug-drug interactions”。作者开发了DPDDI模型,在不考虑药物化学和生物特性的情况下,仅使用药物-药物(DDI)网络作为输入,便可预测潜在的DDI,还可用于检测药物副作用、指导联合用药等。
药物相互作用(Drug-Drug Interaction, DDI)是指两种或多种药物同时或先后序贯使用时,药物之间发生的相互作用。这种相互作用可以发生在药物吸收、分布、代谢、排泄等各个环节,从而影响药物的疗效和安全性,故A选项正确。B. 药物相互作用的结果可能是有益的,也可能是有害的。有益的药物相互作用可以提高疗效、降低毒性或...
DTI和DDI预测等任务在药物发现的各个方面起着至关重要的作用。虽然已经提出了几种深度学习方法来揭示特定的分子相互作用的机制，但大多数现有方法倾向于预测单个任务，而对不同任务特征的考虑有限。实验结果表明，KGE-UNIT在两个基准数据集上的表现优于现有的最先进的DTIs和DDIs预测算法。在此基础上，在发现未知的...
DSN-DDI 具有良好的可转移性,可以作为药物发现领域的通用框架。 1. 方法介绍 在本研究中,为了充分利用来自不同 GNN 块的药物隐藏表示和利用原子层面的双视图信息,本文设计了 DSN-DDI,它采用了迭代的局部和全局表示学习模块,同时从 “intra-view” 和“inter-view” 学习药物子结构,并使用所有分层的全局表示进行 ...
基于转运体的DDI研究在新药研发中的应用 3.1 新药研发中基于转运体DDI研究的意义 转运体介导的药物-药物相互作用可能引起严重不良反应,并可能导致药物开发提前终止或撤市。因此,在新药研发过程中,确定临床上可能发生的DDI风险尤为重要。目前,药物转运体介导...
因此设计一款免费且全面的DDI数据库是很有必要的。如图2可以发现，DDInter 2.0 中记录的 DDI 数量从 236,834 增加到 302,516，增长了 27.73%。无论是药代动力学（PK）还是药效学（PD）类别数据，均相比于之前版本有显著增加。此外，DDInter 2.0 显著增加了高质量的机制描述和管理建议的数量，从 DDInter 1...