利用機器學習演算法，研究人員可以預測可能幹擾藥物療效的相互作用。任何口服藥物都必須經過消化道內壁。消化道內壁細胞上的轉運蛋白有助於完成這個過程，但對於許多藥物來說，它們是透過哪種轉運蛋白進入消化道的還不得而知。確定特定藥物使用的轉運體有助於改善對病人的治療效果，因為如果兩種藥物依賴相同的轉運體，它們就會相互幹擾，因此不應同時處方。

麻省理工學院和其他研究人員開發了一種多管齊下的策略，以識別不同藥物所使用的轉運體。他們的方法同時利用了組織模型和機器學習演算法，已經發現一種常用抗生素和一种血液稀釋劑會相互幹擾。資料來源：麻省理工學院，何塞-路易斯-奧利瓦雷斯

麻省理工學院、布里格姆婦女醫院和杜克大學的研究人員現已開發出多管齊下的策略，用於識別不同藥物所使用的轉運體。他們的方法同時利用了組織模型和機器學習演算法，已經發現一種常用抗生素和一种血液稀釋劑會相互幹擾。“建立吸收模型的挑戰之一是藥物會受到不同轉運體的影響。”麻省理工學院機械工程副教授、布里格姆婦女醫院胃腸病學家、該研究的資深作者喬瓦尼-特拉韋索（Giovanni Traverso）說：「這項研究的目的在於我們如何模擬這些交互作用，這可以幫助我們使藥物更安全、更有效，並預測到目前為止可能難以預測的潛在毒性。”更了解哪些轉運體有助於藥物通過消化道，也有助於藥物開發人員透過添加輔料來增強藥物與轉運體的相互作用，從而提高新藥的可吸收性。麻省理工學院前博士後史雲華和丹尼爾-雷克是這項研究的主要作者，他們的研究成果最近發表在《自然-生物醫學工程》雜誌上。藥物運輸先前的研究已經確定了消化道中幫助藥物通過腸道黏膜的幾種轉運體。其中最常使用的三種是BCRP、MRP2 和PgP，它們也是新研究的重點。在這項研究中，特拉韋索和他的同事採用了他們在2020年開發的一種組織模型來測量特定藥物的吸收性。這種實驗裝置是基於在實驗室培育的豬腸組織，可用於將組織系統地暴露在不同的藥物配方中，並測量它們的吸收情況。為了研究單一轉運體在組織中的作用，研究人員使用名為siRNA的短RNA來敲除每個轉運體的表達。在每個組織切片中，他們敲除了不同的轉運體組合，從而研究了每種轉運體如何與多種不同藥物相互作用。“有幾條路可以讓藥物通過組織，但你不知道是哪一條路。我們可以分別關閉這幾條路，以便弄清楚，如果我們關閉了這條路，藥物還能通過嗎？如果答案是肯定的，那麼它就沒有使用那條路，」特拉韋索說。研究人員使用該系統測試了23 種常用藥物，從而確定了每種藥物使用的轉運體。然後，他們根據這些數據以及來自幾個藥物資料庫的數據訓練了一個機器學習模型。根據藥物化學結構之間的相似性，該模型學會了預測哪些藥物會與哪些轉運體產生交互作用。利用此模型，研究人員分析了一組新的28 種常用藥物以及1595 種實驗藥物。這項篩選得出了近200 萬個潛在藥物交互作用的預測結果。其中包括預測抗生素強力黴素可能與常用的血液稀釋劑華法林相互作用。多西環素也被預測會與治療心臟衰竭的地高辛、抗癲癇藥物左乙拉西坦和免疫抑制劑他克莫司產生交互作用。確定相互作用為了驗證這些預測，研究人員研究了約50 名患者的數據，這些患者在處方強力黴素時已經服用了這三種藥物中的一種。這些數據來自馬薩諸塞州總醫院和布里格姆婦女醫院的病人資料庫，數據顯示，當給已經服用華法林的病人服用強力黴素時，病人血液中的華法林水平會升高，然後在停止服用強力黴素後又會下降。這些數據也證實了模型的預測，即多西環素的吸收會受到地高辛、左乙拉西坦和他克莫司的影響。此前，只有他克莫司一種藥物被懷疑會與強力黴素產生交互作用。特拉韋索說：「這些都是常用藥物，我們是第一個使用這種加速的矽學和體外模型來預測這種相互作用的人。這種方法讓你有能力了解同時使用這些藥物的潛在安全影響”。除了識別已在使用的藥物之間可能存在的相互作用，這種方法還可應用於正在研發的藥物。利用這項技術，藥物開發人員可以調整新藥分子的配方，以防止與其他藥物相互作用或提高其可吸收性。Vivtex 是麻省理工學院前博士後托馬斯馮埃拉赫（Thomas von Erlach）、麻省理工學院研究所教授羅伯特-朗格（Robert Langer）和特拉韋索（Traverso）於2018 年共同創立的一家生物技術公司，旨在開發新型口服給藥系統。編譯自: ScitechDaily