MERIT:机制驱动模型预测药物试验结局并为失败药物提名适应症
MERIT: Mechanism driven model predicts drug outcomes and nominates indications for failed drugs
MERIT 是机制驱动模型,基于分子与疾病特征预测药物试验结局,并为失败药物提名适应症。在 753 个小分子药物、3,133 项试验中,结构留出评估总体 AUROC 为 0.770,优于两个同试验同折重训方法。机制拟合评分在 50/60(83%)化合物中把获批适应症排在失败适应症前,并注册 55 个 III 期药物-适应症配对的锁定、结局盲法预测。
预印本 · biorxiv · 10.64898/2026.08.09.743088
本站摘要基于收录版本 v2(2026-10-26),原始摘要与 AI 导读固定保留。
来源最近更新: · 来源 v2
药物开发依赖于疗效与安全性,但许多试验结果预测模型会纳入试验设计、既往开发历史或化合物身份信息,从而导致化合物记忆并虚高表观性能。我们开发了试验结果的机制解析推断模型(MEchanism-Resolved Inference of Trial outcomes,MERIT),该模型仅从分子和疾病特征预测试验结果,不使用相似化合物成功与否的信息。MERIT 将目标疾病和药物与大规模的药物-蛋白质、蛋白质-代谢物及免疫相互作用图谱相结合,将药物的预期作用和潜在脱靶效应与组织特异性的疗效和安全性联系起来。在 753 个小分子药物和 3,133 项试验中,MERIT 在结构留出评估下的总体 AUROC 达到 0.770(疗效为 0.765,安全性为 0.784),优于在相同试验和折分上重新训练的两种已发表方法。通过机制匹配度分析,在预先选定的 60 个队列化合物(这些化合物在某一适应症上失败,但在另一适应症上获批)中,MERIT 有 83%(60 个中的 50 个)将获批适应症排在失败适应症之上。最后,我们为正在进行的 III 期试验中的 55 个药物-适应症对登记了锁定的、对结果盲态的预测,以供前瞻性评估。
来源:bioRxiv · biorxiv.org