ARR-MEDIC CYP3A4 : plateforme open source d’enseignement et de recherche pour la prédiction des interactions médicamenteuses (DDI)

flamehaven01 · 2025-09-29T13:43:03+09:00

ARR-MEDIC CYP3A4 ? Projet qui estime le risque d’interactions entre médicaments en prédisant si le CYP3A4, enzyme clé qui métabolise plus de la moitié des médicaments prescrits en clinique dans le foie, est inhibé. Publié en open source à des fins de recherche et d’enseignement, il propose une démo web facile à essayer ainsi qu’un pipeline ML extensible ; la baseline est conçue comme point de départ pour l’apprentissage des concepts et la comparaison méthodologique, avec une précision d’environ 70 %. Pourquoi l’avoir créé ? Fin juin 2025, il y a eu un concours d’IA pour la découverte de médicaments. En trois semaines, dans un domaine médical totalement inconnu au départ, et en particulier en lisant intensivement des articles sur l’enzyme CYP3A4, le développement a été mené à bien en travaillant nuit après nuit. Mais vivant à l’étranger, l’auteur n’a finalement même pas pu soumettre sa participation. Après l’avoir laissé de côté avec un sentiment de vide, il l’a amélioré et renforcé, jugeant dommage de le perdre, puis l’a publié en open source. Pourquoi faut-il y prêter attention ? Sécurité des patients & polymédication : l’inhibition de CYP3A4 peut augmenter la concentration de certains médicaments de 2 à 10 fois, avec un risque de toxicité ou d’échec thérapeutique. Ce projet sert de terrain d’entraînement pour repérer tôt ce type de signal de risque. Rôle de passerelle : en partant de l’open source, il propose une feuille de route pour monter progressivement en puissance, de RDKit et du ML classique vers les GNN/Transformer. Que contient-il ? (points forts) Démo web : expérience de prédiction directe dans le navigateur (bascule d’interface coréen/anglais, saisie et visualisation de SMILES, composés d’exemple inclus). API & backend : API REST basée sur FastAPI (prédiction unitaire/par lot, documentation OpenAPI), stockage SQLite asynchrone, prise en charge de Docker. Extensibilité : personnalisation facile via les descripteurs RDKit, l’ajout de modèles comme RandomForest/XGBoost, l’analyse de l’importance des features, etc. Architecture : structure backend(FastAPI) / frontend(React) / models / data / docs. Essai rapide Exécutable selon la méthode de votre choix parmi local/Conda/Docker (uvicorn pour démarrer l’API, docker-compose up -d, etc.). Une fois lancé, les spécifications sont consultables sur http://localhost:8000/docs. *Une démo en ligne (Hugging Face Spaces) est également proposée, ce qui permet de l’essayer sans installation. 🚀 Installation simple Linux/macOS # Clone repository git clone https://github.com/your-org/arr-medic-cyp3a4-opensource cd arr-medic-cyp3a4-opensource # Run automated installer chmod +x scripts/install.sh ./scripts/install.sh Windows # Clone repository git clone https://github.com/your-org/arr-medic-cyp3a4-opensource cd arr-medic-cyp3a4-opensource # Run automated installer scripts\install.bat Conda + RDKit (best accuracy) pip only (mode simplifié) Docker (conteneurisé) Performances & spécifications (indicateurs pour l’enseignement/la recherche) Précision : ~70 % sur des données de test CYP3A4 basées sur ChEMBL, sensibilité ~75 %, spécificité ~65 % (point de départ pour l’enseignement et le benchmark). Système : prédiction en

(github.com/Flamehaven)

4 points par flamehaven01 2025-09-29 | Aucun commentaire pour le moment. | Partager sur WhatsApp

ARR-MEDIC CYP3A4 ?

Projet qui estime le risque d’interactions entre médicaments en prédisant si le CYP3A4, enzyme clé qui métabolise plus de la moitié des médicaments prescrits en clinique dans le foie, est inhibé.
Publié en open source à des fins de recherche et d’enseignement, il propose une démo web facile à essayer ainsi qu’un pipeline ML extensible ; la baseline est conçue comme point de départ pour l’apprentissage des concepts et la comparaison méthodologique, avec une précision d’environ 70 %.

Pourquoi l’avoir créé ?

Fin juin 2025, il y a eu un concours d’IA pour la découverte de médicaments. En trois semaines, dans un domaine médical totalement inconnu au départ, et en particulier en lisant intensivement des articles sur l’enzyme CYP3A4, le développement a été mené à bien en travaillant nuit après nuit.
Mais vivant à l’étranger, l’auteur n’a finalement même pas pu soumettre sa participation. Après l’avoir laissé de côté avec un sentiment de vide, il l’a amélioré et renforcé, jugeant dommage de le perdre, puis l’a publié en open source.

Pourquoi faut-il y prêter attention ?

Sécurité des patients & polymédication : l’inhibition de CYP3A4 peut augmenter la concentration de certains médicaments de 2 à 10 fois, avec un risque de toxicité ou d’échec thérapeutique. Ce projet sert de terrain d’entraînement pour repérer tôt ce type de signal de risque.
Rôle de passerelle : en partant de l’open source, il propose une feuille de route pour monter progressivement en puissance, de RDKit et du ML classique vers les GNN/Transformer.

Que contient-il ? (points forts)

Démo web : expérience de prédiction directe dans le navigateur (bascule d’interface coréen/anglais, saisie et visualisation de SMILES, composés d’exemple inclus).
API & backend : API REST basée sur FastAPI (prédiction unitaire/par lot, documentation OpenAPI), stockage SQLite asynchrone, prise en charge de Docker.
Extensibilité : personnalisation facile via les descripteurs RDKit, l’ajout de modèles comme RandomForest/XGBoost, l’analyse de l’importance des features, etc.
Architecture : structure backend(FastAPI) / frontend(React) / models / data / docs.

Essai rapide

Exécutable selon la méthode de votre choix parmi local/Conda/Docker (uvicorn pour démarrer l’API, docker-compose up -d, etc.). Une fois lancé, les spécifications sont consultables sur http://localhost:8000/docs.
*Une démo en ligne (Hugging Face Spaces) est également proposée, ce qui permet de l’essayer sans installation.

🚀 Installation simple

Linux/macOS

# Clone repository  
git clone https://github.com/your-org/arr-medic-cyp3a4-opensource  
cd arr-medic-cyp3a4-opensource  
  
# Run automated installer  
chmod +x scripts/install.sh  
./scripts/install.sh

Windows

# Clone repository  
git clone https://github.com/your-org/arr-medic-cyp3a4-opensource  
cd arr-medic-cyp3a4-opensource  
  
# Run automated installer  
scripts\install.bat

Conda + RDKit (best accuracy)
pip only (mode simplifié)
Docker (conteneurisé)

Performances & spécifications (indicateurs pour l’enseignement/la recherche)

Précision : ~70 % sur des données de test CYP3A4 basées sur ChEMBL, sensibilité ~75 %, spécificité ~65 % (point de départ pour l’enseignement et le benchmark).
Système : prédiction en <2 secondes par cas sur un seul CPU, avec une orientation vers la légèreté pour le traitement par lot et la gestion d’utilisateurs simultanés.

Feuille de route

v1.0 (actuelle) : baseline basée sur des règles (~70 %).
v2.0 : objectif ~80–85 % avec RDKit + RandomForest/XGBoost.
v3.0 : viser ~85–90 % avec GNN/Transformer, avec une meilleure interprétabilité (ex. : SHAP).

Licence & précautions

Licence MIT. GitHub
Pas destiné à un usage médical ou diagnostique : ce projet est conçu à des fins de recherche et d’enseignement, et ne doit pas être utilisé pour la prise de décision clinique, les soins aux patients ou les soumissions réglementaires.

Liens

GitHub : Flamehaven/Arr-Medic-CYP3A4
Démo en ligne : Hugging Face Spaces (démo rapide disponible)
Histoire de développement non racontée : My First Attempt at a Medical AI with ELI5 (revient sur la manière dont cela a pu être réalisé sans être un expert médical)

Résumé en une ligne

Ce n’est pas un outil destiné à la pratique clinique réelle, mais un code médical éducatif et de recherche bien structuré, idéal pour découvrir en un seul endroit le parcours « concept → expérimentation → montée en sophistication » de la prédiction DDI.