Predicting fetal toxicity of drugs through attention algorithm

Attention 알고리즘 기반 약물의 태아 독성 예측 연구

The use of drugs by pregnant women poses a potential risk to the fetus. Therefore, it is essential to classify drugs that pregnant women should prohibit. However, the fetal toxicity of most drugs has not been identified. This takes a lot of time and cost. In silico approaches, such as virtual screening, can identify compounds that may present a high risk to the fetus for a wide range of compounds at the low cost and time. We collected class information of each drug from the hazard classification lists for prescribing drugs in pregnancy by the government of Korea and Australia. Using the structural and chemical features of each drug, various machine learning models were constructed to predict fetal toxicity of drugs. For all models, the quantitative performance evaluation was performed. Based on the attention algorithm, important molecular substructures of compounds were identified in the process of predicting the fetal toxicity of the drug by the proposed model. From the results, we confirmed that drugs with a high risk of fetal toxicity can be predicted for a wide range of compounds by machine learning. This study can be used as a pre-screening tool for fetal toxicity predictions, as it provides key molecular substructures associated with the fetal toxicity of compounds.

임산부에게 약물을 사용하는 것은 태아에게 잠재적인 위협이 될 수 있으므로 임산부가 복용을 피해야 할 약물을 분류하는 것은 필수적이다. 하지만 많은 화합물이 태아에게 독성을 나타낼 수 있는지에 대한 근거가 불분명하며, 그것을 밝혀내기 위해서는 많은 시간과 비용이 투자된다. In silico 기반 가상 스크리닝은 광범위한 화합물에 대해서 적은 비용과 시간으로 어떤 화합물이 태아에게 높은 위험을 보일 수 있는지 예측하는데 활용될 수 있다. 우리는 한국과 호주 정부의 임신 중 약물 처방을 위한 위험 분류 리스트를 활용해 약물의 분류 등급 정보를 가져왔다. 약물의 구조적 특징과 화학적 특징을 기반으로 다양한 머신 러닝 기법을 적용하여 약물의 태아 독성 여부를 예측하는 모델을 생성하였으며, 정량적 성능 평가를 수행하였다. 나아가, attention 알고리즘을 활용하여 제안하는 모델이 약물의 태아 독성을 예측하는 과정에서 화합물의 어떤 하위 분자 구조가 중요하게 활용되었는지 확인하였다. 해당 연구를 통해 광범위한 화합물에 대해 높은 태아 독성 위험도를 가진 약물을 머신 러닝을 통해 예측할 수 있는 것을 확인하였다. 우리의 연구는 단순한 약물의 태아 독성 예측에서 나아가, 유의미한 하위 분자구조를 제공함으로써 연구자들이 약물의 태아 독성을 증명하기 위해 수행하는 실험에서 핵심적인 역할이 가능할 것이다.