论文部分内容阅读
药物不良反应(Adverse Drug Reaction，ADR)在临床药物治疗过程中非常常见，常常伴随着很大风险的死亡率、致病率以及住院率。目前，越来越多新的实验和计算机方法被用于预测潜在的ADRs;但尚未有方法能对药物或潜在药物可能诱导的临床不良反应进行有效的评估和预测。
在本研究中，我们利用311个FDA批准上市药物，及其所关联的11，558个基因和758个药物不良反应术语，采用数据挖掘方法构建了基因-ADR关系网络模型，从药物与基因的相互作用出发，预测药物潜在的ADRs。我们通过277个内部验证集和34个外部测试集来验证模型的有效性，以及分析不同概率条件下建模药物反向预测的ADRs的检出率，证明了基于基因-ADR关系网络的预测模型完全可以用来预测药物（潜在药物）可能诱导的ADRs。对于每个参与评估的药物，其平均86％以上的ADRs都可以通过模型预测出来;与此同时，药物平均84.5％的ADRs的发生概率（频率）大于0.01％。对模型外的阿奇霉素进行的评估分析发现，模型能将药单上注明的ADRs全部预测出，还成功预测出一些药单中没有记录，但文献已有报道的ADRs。这些结果表明基因-ADR相互作用网络预测模型完全可以用来预测潜在的药物不良反应。
基于该模型，我们也采用JAVA语言开发了多平台支持的ADRs预测软件。该ADRs预测软件一方面能从基因水平预测药物潜在的ADRs，帮助我们理解ADRs的发生机制，促进系统毒理学的发展;另一方面，该软件作为一种有效的药物安全性评估工具，能在药物研发的实验室阶段对小分子的潜在临床ADRs进行高通量预测，从而节约了药物研发所耗费的金钱和时间，具有显著的经济价值。