Some content of this application is unavailable at the moment.
If this situation persist, please contact us atFeedback&Contact
1. (WO2019030627) PREDICTION OF ADVERSE DRUG REACTIONS
Latest bibliographic data on file with the International BureauSubmit observation

Pub. No.: WO/2019/030627 International Application No.: PCT/IB2018/055836
Publication Date: 14.02.2019 International Filing Date: 03.08.2018
IPC:
G06F 19/00 (2018.01)
G PHYSICS
06
COMPUTING; CALCULATING; COUNTING
F
ELECTRIC DIGITAL DATA PROCESSING
19
Digital computing or data processing equipment or methods, specially adapted for specific applications
Applicants:
INTERNATIONAL BUSINESS MACHINES CORPORATION [US/US]; New Orchard Road Armonk, New York 10504, US
IBM UNITED KINGDOM LIMITED [GB/GB]; PO Box 41, North Harbour Portsmouth Hampshire PO6 3AU, GB (MG)
IBM (CHINA) INVESTMENT COMPANY LIMITED [CN/CN]; 25/F, Pangu Plaza No.27, Central North 4th Ring Road, Chaoyang District Beijing 100101, CN (MG)
Inventors:
LUO, Heng; US
ZHANG, Ping; US
FOKOUE-NKOUTCHE, Achille, Belly; US
HU, Jianying; US
Agent:
GASCOYNE, Belinda; GB
Priority Data:
15/671,89808.08.2017US
Title (EN) PREDICTION OF ADVERSE DRUG REACTIONS
(FR) PRÉDICTION DE RÉACTIONS INDÉSIRABLES À UN MÉDICAMENT
Abstract:
(EN) A system framework and method for predicting adverse drug reactions (ADRs). Structures represented in three- dimensions were prepared for small drug molecules and unique human proteins and binding scores between them were generated using molecular docking. Machine learning models were developed using the molecular docking features to predict ADRs. Using the machine learning models, it can successfully predict a drug-induced ADR based on drug-target interaction features and known drug-ADR relationships. By further analyzing the binding proteins that are top ranked or closely associated with the ADRs, there may be found possible interpretation of the ADR mechanisms. The machine learning ADR models based on molecular docking features not only assist with ADR prediction for new or existing known drug molecules, but also have the advantage of providing possible explanation or hypothesis for the underlying mechanisms of ADRs.
(FR) L'invention concerne un cadre de système et un procédé de prédiction de réactions indésirables à un médicament (ADR). Des structures représentées en trois dimensions ont été préparées pour de petites molécules de médicament et des protéines humaines uniques et des scores de liaison entre elles ont été générés à l'aide d'un amarrage moléculaire. Des modèles d'apprentissage automatique ont été développés à l'aide de caractéristiques d'amarrage moléculaire pour prédire les ADR. À l'aide des modèles d'apprentissage automatique, l’invention permet de prédire avec succès un ADR induit par un médicament sur la base de caractéristiques d'interaction médicament-cible et de relations médicament-ADR connues. En analysant en outre les protéines de liaison les mieux classées ou étroitement associées aux ADR, il est possible de trouver une éventuelle interprétation des mécanismes ADR. Les modèles ADR d'apprentissage automatique basés sur des caractéristiques d'amarrage moléculaire aident non seulement la prédiction ADR pour des molécules médicamenteuses nouvelles ou existantes connues, mais ils ont également l'avantage de fournir une explication ou une hypothèse possible concernant les mécanismes ADR sous-jacents.
front page image
Designated States: AE, AG, AL, AM, AO, AT, AU, AZ, BA, BB, BG, BH, BN, BR, BW, BY, BZ, CA, CH, CL, CN, CO, CR, CU, CZ, DE, DJ, DK, DM, DO, DZ, EC, EE, EG, ES, FI, GB, GD, GE, GH, GM, GT, HN, HR, HU, ID, IL, IN, IR, IS, JO, JP, KE, KG, KH, KN, KP, KR, KW, KZ, LA, LC, LK, LR, LS, LU, LY, MA, MD, ME, MG, MK, MN, MW, MX, MY, MZ, NA, NG, NI, NO, NZ, OM, PA, PE, PG, PH, PL, PT, QA, RO, RS, RU, RW, SA, SC, SD, SE, SG, SK, SL, SM, ST, SV, SY, TH, TJ, TM, TN, TR, TT, TZ, UA, UG, US, UZ, VC, VN, ZA, ZM, ZW
African Regional Intellectual Property Organization (ARIPO) (BW, GH, GM, KE, LR, LS, MW, MZ, NA, RW, SD, SL, ST, SZ, TZ, UG, ZM, ZW)
Eurasian Patent Organization (AM, AZ, BY, KG, KZ, RU, TJ, TM)
European Patent Office (AL, AT, BE, BG, CH, CY, CZ, DE, DK, EE, ES, FI, FR, GB, GR, HR, HU, IE, IS, IT, LT, LU, LV, MC, MK, MT, NL, NO, PL, PT, RO, RS, SE, SI, SK, SM, TR)
African Intellectual Property Organization (BF, BJ, CF, CG, CI, CM, GA, GN, GQ, GW, KM, ML, MR, NE, SN, TD, TG)
Publication Language: English (EN)
Filing Language: English (EN)