2019 Fiscal Year Annual Research Report
Modeling for Prediction of Serious Adverse Events Probabilities of Drug Candidates
| Project/Area Number |
15KT0017
|
|---|
| Research Institution | Osaka University |
|---|
Principal Investigator |
高木 達也 大阪大学, 薬学研究科, 教授 (80144517)
|
|---|
| Co-Investigator(Kenkyū-buntansha) |
日比 孝之 大阪大学, 情報科学研究科, 教授 (80181113) [Withdrawn]
岡本 晃典 北陸大学, 薬学部, 講師 (70437309) [Withdrawn]
川下 理日人 大阪大学, 薬学研究科, 助教 (00423111) [Withdrawn]
田 雨時 大阪大学, 薬学研究科, 助教 (60761252)
|
|---|
| Project Period (FY) |
2015-07-10 – 2020-03-31
|
| Keywords | 有害事象 / 悪性症候群 / スティーブンス・ジョンソン症候群 / 機械学習 / マルチラベル学習 |
|---|
| Outline of Annual Research Achievements |
多くの医薬品の重篤な有害事象は発生頻度が低く、臨床現場において医療関係者が遭遇する機会が少ないことから、有害事象の発見が遅れ、重篤化することがある。そこで、今年度は、医薬品候補化合物の希少かつ重大な有害事象を発症する確率を化学構造から予測するモデルを、多様な機械学習法と新たな記述子の導入により構築し、より高い予想精度で希少重篤有害事象を発症する確率の高い医薬品の特徴を発見することを試みた。
希少重篤有害事象としては、スティーブンス・ジョンソン症候群(SJS)、横紋筋融解症、白質脳症、悪性症候群、中毒性表皮懐死融解症(TEN)、QT延長症候群、可逆性後白質脳症を取り上げ、予測には、ロジスティック回帰(LR)、サポートベクターマシン(SVM)、K近傍法(KNN)、決定木(DT)、ランダムフォレスト(RF)、勾配ブースティング(GB)、多数決法(MV)等を用いた。又、SJSとTENに関しては、関連するクラス間の相関を利用するマルチラベル学習法(Classifier Chain;CC)を適用した。
その結果、化学記述子だけでも、悪性症候群ではSVMでAUC=0.80と、良好な予測性を示し、白質脳症、可逆性後白質脳症もKNNやRFで、0.70前後の値を得た。白質脳症と可逆性後白質脳症を合わせた場合、更に予測性は向上した。
次に悪性症候群に的を絞り、記述子としてATCコードを加えると、SVMだけでなく殆どの手法で、AUCが0.80前後の値を示し、予測性が安定することが分かった。記述子の解析から、SsssNといった構造記述子など11種の重要記述子が炙り出された。これらの記述子だけを用いた場合、飛躍的に予測性が向上した。
CCを応用したSJS、TENでは、AUC=0.80と満足な結果を得ることができた。これを持って、最終結論としたい。
|
| Remarks |
本年度末に、国際学会、国内学会の発表とその後の論文化を予定していたが、全てキャンセル若しくは延期になった。1つは開催側の事情（シンガポール）、他はCOVID-19 パンデミックの影響である。
|
