藥物基因體學中的人工智慧

藥物基因體學研究遺傳性 DNA 差異如何改變藥物反應。一小部分基因決定了今天可以採取行動的大部分結果。 CYP2D6、CYP2C19 和 CYP2C9 編碼處理多種藥物的肝臟酵素。 VKORC1 影響華法林敏感性。 SLCO1B1 影響辛伐他汀等他汀類藥物到達肝臟的方式。 TPMT 和 NUDT15 指導硫嘌呤劑量，DPYD 指導氟嘧啶化療，某些 HLA-B 變異預測對阿巴卡韋和卡馬西平等藥物的嚴重免疫反應。解釋是分步驟進行的。該實驗室識別出變異體，將它們分組為名為「明星等位基因」（由 PharmVar 編目），並分配一個人攜帶的一對等位基因，稱為雙倍型。然後將此雙倍型轉化為表型，例如弱代謝型、中等代謝型、正常代謝型、快速代謝型或超快速代謝型。臨床藥物遺傳學實施聯盟 (CPIC) 發布了同行評審指南，將表型轉化為處方措施。 CPIC 指南假設測試結果已經存在。他們解釋如何處理它，而不是解釋是否進行測試。軟體層完成大部分日常工作。電子健康記錄中的規則引擎根據儲存的基因型檢查新訂單，並向處方者或藥劑師發出警報。機器學習的應用範圍較窄：預測罕見的、未表徵的變異是否會降低功能，從定序資料中調用困難的基因，以及將遺傳學與臨床因素結合的研究模型。藥劑師所做的不僅僅是閱讀警報。他們檢查表型轉化，即患者已經服用的藥物改變了酶的工作方式。例如，帕羅西汀或氟西汀等強效 CYP2D6 抑制劑可以使遺傳正常代謝者表現得像代謝不良者。一個常見的誤解是藥物基因組學小組會告訴您哪種抗憂鬱藥物有效。它充其量顯示了一些藥物將如何被加工，這只是藥物是否有幫助的一個因素。