Prediction of Drug-Drug Interaction Based on Deep Learning Using Drug Information Document Embedding

약물 정보 문서 임베딩을 이용한 딥러닝 기반 약물 간 상호작용 예측

All drugs have a specific action in the body, and in many cases, drugs are combinated due to complications or new symptoms during existing drug treatment. In this case, unexpected interactions may occur within the body. Therefore, predicting drug-drug interactions is a very important task for safe drug use. In this study, we propose a deep learning-based predictive model that learns using drug information documents to predict drug interactions that may occur when using multiple drugs. The drug information document was created by combining several properties such as the drug's mechanism of action, toxicity, and target using DrugBank data. And drug information document is pair with another drug documents and used as an input to a deep learning-based predictive model, and the model outputs the interaction between the two drugs. This study can be used to predict future interactions between new drug pairs by analyzing the differences in experimental results according to changes in various conditions.

모든 약물은 신체 내에서 특정한 작용을 하며, 많은 경우 합병증 또는 기존 약물치료 중 새롭게 발생하는 증상에 의해 약물이 혼용되는 경우가 발생한다. 이런 경우 신체 내에서 예상치 못한 상호작용이 발생할 수 있다. 따라서 약물 간 상호작용을 예측하는 것은 안전한 약물 사용을 위해 매우 중요한 과제이다. 본 연구에서는 다중 약물 사용 시 발생 가능한 약물 간 상호작용 예측을 위해 약물 정보 문서를 이용해 학습시키는 딥러닝 기반의 예측 모델을 제안한다. 약물 정보 문서는 DrugBank 데이터를 이용해 약물의 작용 기전, 독성, 표적 등 여러 속성을 결합해 생성되었으며, 두 약물 문서가 한 쌍으로 묶여 딥러닝 기반 예측 모델에 입력으로 사용되고 해당 모델은 두 약물 간 상호작용을 출력한다. 해당 연구는 임베딩 방법이나 데이터 전처리 방법 등 다양한 조건의 변화에 따른 실험 결과의 차이를 분석하여 차후 새로운 약물쌍 간 상호작용을 예측하는 데에 활용이 가능하다.