机器学习通过肠道菌群预测药物代谢和生物积累
目前有超过150种药物被认为易受胃肠道微生物代谢或生物积累(统称为耗竭)的影响;然而，真实的数字可能更高。微生物药物消耗在个体之间和个体内部往往是可变的，这取决于他们独特的肠道微生物群的组成。这种可变性可能导致药代动力学的显著差异，这可能与给药困难和缺乏药物反应有关。
在本研究中，使用文献挖掘和无监督学习来管理455个药物-微生物群相互作用的数据集。由此，11个监督学习模型被开发出来，可以预测药物对肠道菌群消耗的敏感性。最佳模型是一个经过调整的极端随机化的树分类器，实现了AUROC的性能指标:75.1%±6.8;加权召回:79.2%±3.9;平衡精度:69.0%±4.6;91种药物的加权精密度为80.2%±3.7。
这种机器学习模型是此类模型的首个，为研究人员和行业专业人员提供了一个快速、可靠和资源友好的工具，以筛选易被肠道微生物群耗尽的药物。对药物与微生物组相互作用的认识可以支持成功的药物开发，并促进更好的处方和给药方案的患者。
文章信息:McCoubrey, L.E.;Thomaidou,美国;Elbadawi m;Gaisford,美国;Orlu m;机器学习通过肠道菌群预测药物代谢和生物积累。制药学2021，13, 2001年。https://doi.org/10.3390/pharmaceutics13122001