SSI–DDI : Interactions sous-structure–sous-structure pour la prédiction des interactions médicamenteuses

Un enjeu majeur lié à l'administration conjointe de différents médicaments réside dans le risque élevé d'interférences entre leurs mécanismes d'action, connu sous le nom d'interactions médicamenteuses indésirables (DDI, adverse drug–drug interactions), pouvant entraîner des dommages graves pour l'organisme. Bien que plusieurs méthodes computationnelles aient été proposées pour identifier les DDI potentielles, des améliorations restent possibles. Les méthodes existantes ne reposent pas explicitement sur le fait que les DDI sont fondamentalement causées par des interactions entre sous-structures chimiques, et non par les structures chimiques entières des médicaments. De plus, la plupart de ces approches s'appuient sur des représentations moléculaires conçues manuellement, limitées par les connaissances des experts du domaine. Nous proposons SSI–DDI (substructure–substructure interaction–drug–drug interaction), un cadre d'apprentissage profond qui opère directement sur les représentations brutes sous forme de graphes moléculaires des médicaments, permettant une extraction de caractéristiques plus riche ; et, surtout, décompose la tâche de prédiction des DDI entre deux médicaments en l'identification d'interactions appariées entre leurs sous-structures respectives. SSI–DDI a été évalué sur des données réelles et montre une performance supérieure à celle des méthodes de pointe. Le code source est librement disponible à l'adresse suivante : https://github.com/kanz76/SSI-DDI.