В новом исследовании, проведенном совместно учеными из Массачусетского технологического института (MIT), Больницы Бригама и Женщин и Дьюкского университета, была разработана многоаспектная стратегия для определения транспортеров, используемых различными лекарственными средствами. Это исследование, опубликованное 20 февраля 2024 года в журнале Nature Biomedical Engineering, демонстрирует возможности использования моделей тканей и алгоритмов машинного обучения для предсказания взаимодействий между лекарствами, которые могут нарушить их эффективность.
Лекарства, принимаемые перорально, должны пройти через слизистую оболочку пищеварительного тракта, где их транспортировка осуществляется с помощью специфических белков-транспортеров, расположенных на клетках слизистой оболочки. Однако до сих пор для многих препаратов оставалось неизвестным, какие именно транспортеры они используют для выхода из пищеварительного тракта.
Определение конкретных транспортеров, используемых определенными лекарствами, имеет важное значение для улучшения лечения пациентов, так как препараты, зависящие от одного и того же транспортера, могут мешать друг другу и не должны назначаться одновременно.
В рамках исследования ученые адаптировали модель ткани, разработанную ими в 2020 году, для измерения усвояемости данного лекарственного средства. Эта модель, основанная на лабораторно выращенной ткани свиного кишечника, позволяет систематически подвергать ткань воздействию различных лекарственных формулировок и измерять степень их усвоения.
Используя эту систему, исследователи протестировали 23 широко используемых лекарственных средства, что позволило им определить транспортеры, используемые каждым из этих препаратов. Затем они обучили модель машинного обучения на этих данных, а также на данных из нескольких баз данных о лекарствах. Модель научилась предсказывать, какие лекарства будут взаимодействовать с какими транспортерами, на основе сходства между химическими структурами препаратов.
С использованием этой модели исследователи проанализировали новый набор из 28 текущих лекарственных средств, а также 1595 экспериментальных препаратов, что привело к почти 2 миллионам предсказаний потенциальных лекарственных взаимодействий. Среди них было предсказание, что доксициклин, антибиотик, может взаимодействовать с варфарином, широко применяемым препаратом для разжижения крови. Также предполагалось, что доксициклин может взаимодействовать с дигоксином, используемым для лечения сердечной недостаточности, леветирацетамом, антиэпилептическим средством, и такролимусом, иммуносупрессивным препаратом.
Для проверки этих предсказаний исследователи изучили данные около 50 пациентов, которые принимали одно из этих трех лекарств, когда им был назначен доксициклин. Эти данные, полученные из базы данных пациентов Массачусетской общей больницы и Больницы Бригама и Женщин, показали, что когда доксициклин назначался пациентам, уже принимающим варфарин, уровень варфарина в крови пациентов увеличивался, а затем снижался после прекращения приема доксициклина.
Эти данные также подтвердили предсказания модели о том, что усвоение доксициклина зависит от дигоксина, леветирацетама и такролимуса. Только один из этих препаратов, такролимус, ранее подозревался во взаимодействии с доксициклином.
Такой подход не только помогает определить потенциальные взаимодействия между уже используемыми лекарствами, но также может быть применен к препаратам, находящимся в стадии разработки. Используя эту технологию, разработчики лекарств могут настраивать формулировку новых молекул препаратов, чтобы предотвратить взаимодействие с другими лекарствами или улучшить их усвояемость.
Источник статьи “MIT News”: Перейти к статье