模式動物在藥物性肝損傷(DILI)測試中準確率不高如何破解?記者25日從東南大學獲悉,該校教授顧忠澤、張娟團隊創(chuàng)新性地將人類肝臟類器官與人工智能技術(shù)結(jié)合,開發(fā)出全球首個基于肝臟類器官明場圖像的AI模型“DILITracer”。該模型通過解析肝臟類器官對30種DILI藥物發(fā)生反應的3D形態(tài)特征,實現(xiàn)對肝毒性藥物的較高識別率。相關(guān)成果近日刊發(fā)于國際學術(shù)期刊《通訊生物學》。
“藥物開發(fā)時,DILI是導致臨床試驗失敗和藥品退市的主要原因。”論文的共同通訊作者、東南大學教授顧忠澤介紹,此前,人們通常采用模式動物來預測藥物誘導性肝損傷,但預測準確率僅43%—63%,而體外模型又多依賴熒光標記或二維細胞系進行預測,存在破壞樣本、成本高昂、生理相關(guān)性差等缺陷。所以,如何建立可解釋、高精度的DILI預測體系,成為藥物毒理學研究的重大挑戰(zhàn)。
此次研究中,科研團隊構(gòu)建了全球首個能輸出DILI三級分類的深度學習模型“DILITracer”。
“我們先采用BEiT-V2視覺編碼器,提取類器官圖像的3D特征,然后從美國食品藥品監(jiān)督管理局DILIRank數(shù)據(jù)庫中選取了30種引發(fā)DILI的藥物,并將其分為強肝毒性、弱肝毒性、無肝毒性3個等級,以之誘導人源肝類器官產(chǎn)生不同程度的損傷,并在72小時內(nèi),每隔24小時拍攝一次類器官的多角度3D明場圖像數(shù)據(jù)?!闭撐牡牡谝蛔髡摺|南大學公共衛(wèi)生學院博士生譚詩旖介紹,“類器官的3D明場成像,有點類似于給類器官做了一次CT,可以從不同層面對類器官立體掃描,這就能從多角度了解藥物對類器官的作用?!?/p>
譚詩旖介紹,隨后,團隊將類器官特征數(shù)據(jù)結(jié)合時空編碼架構(gòu),再將明場圖像數(shù)據(jù)集和3個毒性等級的標簽投喂給大模型,讓大模型根據(jù)標簽提取圖像特征,并最終進行3個毒性等級圖像數(shù)據(jù)的分類。最終,大模型對DILI藥物的識別準確率達82.34%,其中非肝毒性藥物識別率達90.16%。
顧忠澤表示,該技術(shù)突破了動物模型的局限,為藥物安全評估提供了無標記、低成本的高通量解決方案。
友情鏈接: 政府 高新園區(qū)合作媒體
Copyright 1999-2024 中國高新網(wǎng)chinahightech.comAll Rights Reserved.京ICP備14033264號-5
電信與信息服務業(yè)務經(jīng)營許可證060344號主辦單位:《中國高新技術(shù)產(chǎn)業(yè)導報》社有限責任公司