약물 정보 문서 임베딩을 활용한 딥러닝 기반 약물 간 상호작용 예측 모델 (Drug-Drug Interaction Prediction Model Based on Deep Learning Using Drug Information Document Embedding)

서지정보

· 발행기관 : 한국정보과학회
· 수록지 정보 : 정보과학회논문지 / 51권 / 6호 / 503 ~ 512페이지
· 저자명 : 정선우, 유선용

초록

다약제는 암, 고혈압, 천식 등 다양한 질병에 대하여 유망한 접근법이다. 일반적으로 병원에 방문하는 환자는 2종 이상의 약물을 처방받는다. 그러나 다약제의 사용은 개별 약물이 목표하는 작용 외에 예상치 못한 상호작용을 유발할 수 있다. 약물 간 상호작용을 사전에 예측하는 것은 안전한 약물 사용을 위한 매우 중요한 과제이다. 본 연구에서는 다약제 사용 시 발생 가능한 약물 간 상호작용 예측을 위해 개별 약물 정보를 포함한 문서를 이용하여 약물을 표현하는 문서 임베딩 기반의 딥러닝 예측 모델을 제안한다. 약물 정보 문서는 DrugBank 데이터를 이용해 약물의 설명, 적응증, 약력학 정보, 작용 기전, 독성 속성을 결합해 구축한다. 그 후 Doc2Vec, BioSentVec 언어 모델을 통해 약물 문서로부터 약물 표현 벡터를 생성한다. 두 약물 표현 벡터는 한 쌍으로 묶여 딥러닝 기반 예측 모델에 입력되고, 해당 모델은 두 약물 간 상호작용을 예측한다. 본 논문에서는 언어 임베딩 모델의 성능 비교, 데이터의 불균형도 조절 등 다양한 조건의 변화에 따른 실험 결과의 차이를 분석하여 약물 간 상호작용 예측을 위한 최적의 모델을 구축하는 것을 목표로 한다. 제안된 모델은 약물 처방 과정, 신약 개발의 임상 과정 등에서 약물간 상호작용 사전 예측을 위하여 활용될 수 있을 것으로 기대된다.

영어초록

The use of polypharmacy has emerged as a promising approach for various diseases, including cancer, hypertension, and asthma. However, the use of polypharmacy can result in unexpected interactions, which may lead to adverse drug effects. Therefore, predicting drug-drug interactions (DDI) is essential for safe medication practices. In this study, we propose a drug-drug interaction prediction model based on deep learning using document embedding to represent the drug. We generate documents about drug information by combining DrugBank data, which includes drug descriptions, indications, mechanisms of action, pharmacodynamics, and toxicity. Then we use Doc2Vec and BioSentVec language models to generate drug representation vectors from the drug information documents. The two drug vectors are paired and input into the deep learning-based prediction model, which outputs the likelihood of interaction between the two drugs. Our goal is to construct the optimal model for predicting drug-drug interactions by comparing the performance under various conditions, including language embedding model performance and adjustments for data imbalance. We expect the proposed model to be utilized for the advanced prediction of drug interactions during the drug prescription process and the clinical stages of new drug development.

참고자료

· 없음