Nature Medicine | AI指导 “旧药新用”

文章预览

旧药新用能够大幅降低药物开发成本、提高效率，因为旧药的安全和有效性数据是明确的。但是长期以来“新效用”的发现主要靠运气，现有的机器学习模型也只对已经有药物的疾病预测效果比较好，并且通常是疾病特异的模型[1], [2]。 为此，哈佛医学院Marinka Zitnik等研究人员开发基石模型- TxGNN，实现了“zero-shot drug repurposing”，也就是不需要已有疗法和关于此疾病详细的分子机制，就可以通用预测疾病潜在有效的药物，以及禁忌的药物。该模型预测的药物-疾病组合在大型医疗中心未列入说明书的药物使用 （off-label drug use） 案例中富集[1], [3]。 该模型使用图神经网络架构 （graph neural network (GNN)） 。它的预测原理使用详细的医学/疾病相关知识图谱预训练来“理解”疾病与药物分子层面机制及其关联，进而通过评估疾病和药物作用隐含的机制关联 ………………………………