2020年6月9日-我们宣布在药理学前沿杂志上发表题为《双转录组学和分子机器学习预测药物心脏毒性的所有主要临床形式》的新研究论文。这项研究是由牛津大学计算心血管科学小组和Insilico Medicine合作进行的。

正如最近在有关COVID-19治疗的新闻中所强调的那样，药物对心脏的不良反应是一个非常重要的问题。Blanca Rodriguez教授说，在这项研究中，我们非常高兴地展示出我们的机器学习算法如何能够从基因表达数据中识别出可能导致6种潜在形式的心脏不良后果的药物。

``由于计算机和算法学习能力的增强，这项工作代表了AI将如何革新制药行业药物开发和安全性评估的未来的典范。它扩展了该领域以前的努力，不仅可以预测药物诱发致命性心律失常的可能性，还可以预测与药物作用有关的所有主要心脏不良事件。Alfonso Bueno-Orovio教授说，这也为将AI有效应用于生命科学的这一关键领域建立了严格的测试标准。

通过克服诸如心脏毒性识别等难题，计算方法可以提高药物开发流程的生产率。在本文中，研究人员证明了使用机器学习方法在大量收集和整理的转录和分子谱数据集上，可以同时预测六种药物诱导的心脏毒性类型的心脏毒性关系。除了交叉验证外，还通过在独立药物数据集中进行验证来证明算法的通用性。

Insilico Medicine的创始人兼首席执行官Alex Zhavoronkov评论说：“药物诱发的心脏毒性是晚期临床试验失败的原因之一。我们将牛津大学的Rodriguez研究组视为准确的心脏毒性预测因子的全球主要来源。他们的工作结果被FDA和许多制药公司采用。我们非常高兴在人工智能驱动的多组学心脏毒性预测引擎上进行合作，并且让我们的顶级AI科学家之一Polina Mamoshina捍卫她的博士学位，这是计算生物医学领域最著名的名字之一。

Polina Mamoshina，现为Insilico Medicine的高级研究科学家。她评论说：“过去几年，计算机模型或计算模型取得了长足进步。它们的一大特色是它们可以被人性化，因此增加了转化为药物发现和开发流程的机会。这项工作的范围是预测在人类中表现出的药物不良反应。我们相信这项工作可以扩展到其他器官和组织中表现出的副作用，并且我们提出的研发途径为将来的研究提供了有价值的基准。