image: Major clinical forms of drug cardiotoxicity view more
Credit: Insilico Medicine
2020年6月9日 - Insilico Medicine宣布在在国际知名药理学期刊Frontiers in Pharmacology上发表了一篇新的研究论文，题为“利用转录组和分子双重机器学习预测药物心脏毒性的主要临床表现”。这项研究是由牛津大学计算心血管科学小组和Insilico Medicine合作开展。
“药物引起心脏不良反应需要引起高度重视。这个问题最近在新冠肺炎治疗的相关新闻中也有体现。而我们此项研究的结果表明，机器学习算法可从基因表达数据中识别出潜在的六种药物心脏毒性。”Blanca Rodriguez教授说。
“随着计算机和算法的学习能力不断增强，AI在制药行业的药物开发和安全性评估环节将发挥重要作用。这项研究就是一个很好的例子，在制药领域已有成果的基础上，不仅可以预测药物诱发致死性心律失常的可能性，还可以预测所有与药物作用有关的心脏毒性的主要类型。研究还表明，AI在生命科学这一关键领域的有效应用亟需建立严格的检测标准。”Alfonso Bueno-Orovio教授说，
计算方法能够克服心脏毒性识别等难题，提高药物研发的效率。论文表明，大量转录组和分子数据经收集、整理后，通过计算方法处理数据集，即可同时预测药物诱导的六种心脏毒性类型的心脏毒性关系。算法的泛化能力不仅在交叉验证中得到证明，在独立药物数据集检验中也能充分体现。
Insilico Medicine的创始人兼CEO Alex Zhavoronkov评论说，“药物诱发心脏毒性是导致晚期临床试验失败的一大原因。本次研究采用的心脏毒性预测因子来自牛津大学Rodriguez研究组，是FDA和许多制药企业采用的全球准确度最高的权威指标。我们很荣幸能与Rodriguez研究组就多组学心脏毒性预测AI引擎开展合作。在与全球计算生物医学领域最知名的机构合作的过程中，Insilico Medicine的顶级AI科学家之一Polina Mamoshina博士也大放异彩。”
Polina Mamoshina，现为Insilico Medicine的高级研究员。她说：“过去几年中，计算机模型或计算模型取得了长足进步。计算模型的一大特征在于它们可以模拟人体反应，因此能提高药物发现和开发流程效率。这项研究旨在预测药物潜在的人体不良反应。我们认为这项研究也可用于预测药物对其他器官和组织的潜在毒性，这项研究的研究途径也可为未来的研究提供了宝贵的参照基准。”
###
媒体联系
若您需要关于本文更多的信息、图片，或是采访，请联系：
ai@insilico.com
关于 Insilico Medicine：
自2014年以来，Insilico Medicine致力于开发生成模型、强化学习系统，以及其他新颖的机器学习技术，运用其技术来生成具有特定性质的全新分子结构、合成生物数据的生成、治疗靶点识别，及临床试验结果预测等药物开发过程。Insilico Medicine近期完成了3700万美元的B轮融资。公司自成立以来，总计募资了超过5200万美元，发表80篇以上的开创性论文，申请专利数超过25项，并获得许多业界肯定的奖项。
Journal
Frontiers in Pharmacology