论文标题： Measuring drug similarity using drug–drug interactions

期刊：Quantitative Biology

作者：Ji Lv, Guixia Liu, Yuan Ju, Houhou Huang, Ying Sun

发表时间：15 Jun 2024

DOI：10.1002/qub2.38

微信链接：点击此处阅读微信文章

药物相似性是药物研发的核心概念之一。根据药物相似性，可以得到与给定药物相似的集合，进而对作用机制未知的药物进行功能标注，以及预测药物相互作用（drug-drug interaction, DDI）等。随着化学、生物学、药学等学科的飞速发展，我们可以利用药物的化学结构、物理化学性质、作用机制、ATC编码等多种药物信息计算药物的相似性。然而，这些方法大多专注于药物自身的特性。

近期，吉林大学刘桂霞教授课题组在Quantitative Biology期刊发表了一篇题目名为“Measuring drug similarity using drug–drug interactions”的论文。文章提出了一种在DDI网络中直接计算药物相似性的方法，并展示了其潜在应用。

全文概要

药物相似性是药物发现中的一个基本概念，目前已经开发了各种方法来量化药物相似性。但这些方法主要依赖于药物特征。本文则基于药物网络结构本身，提出了一种基于药物-药物相互作用网络的药物相似性度量方法。通过将其与无监督学习和半监督学习方法结合，探索了这种方法的潜在应用。

在无符号网络中，两个节点的共同邻居的数据越多，这两个节点就越相似。在图1A中，v1和v3共享两个邻居节点（v2和v4），因此这两个节点在结构上是等价的。然而，在DDI网络（即符号网络）中，药物相互作用可能是协同的，也可能是拮抗的。如图1B所示，v1和v3也具有两个相同的邻居节点（v2和v4），但其相互作用（边类型）不同。因此，v1和v3在符号网络中不相似。

图1. （A）无符号网络；（B）符号网络。

为了解决该问题，文章提出了一种在符号网络中计算节点相似性的方法。一方面，该相似性结合t-SNE算法以及层次聚类算法，可以实现DDI网络的聚类（图2）。聚类后的DDI网络表现出良好的单色性，即组与组之间要么都是协同作用，要么都是拮抗作用。并且，处于同一个组中的药物往往具有相似的作用机制。因此，该方法可以对作用机制未知的药物进行功能标注。

图2. （A）药物相互作用网络；（B）聚类后的药物相互作用网络；（C）功能标注

另一方面，该相似性可以用于构建图半监督模型中的亲和矩阵，从而预测未知的药物相互作用。通过对多个数据集进行实验，作者表明该相似性在性能方面优于现有的相似性（例如，结构相似性和药理学相似性）。

QB期刊介绍

Quantitative Biology （QB）期刊是由清华大学、北京大学、高教出版社联合创办的全英文学术期刊。QB主要刊登生物信息学、计算生物学、系统生物学、理论生物学和合成生物学的最新研究成果和前沿进展，并为生命科学与计算机、数学、物理等交叉研究领域打造一个学术水平高、可读性强、具有全球影响力的交叉学科期刊品牌。

《前沿》系列英文学术期刊

由教育部主管、高等教育出版社主办的《前沿》（Frontiers）系列英文学术期刊，于2006年正式创刊，以网络版和印刷版向全球发行。系列期刊包括基础科学、生命科学、工程技术和人文社会科学四个主题，是我国覆盖学科最广泛的英文学术期刊群，其中12种被SCI收录，其他也被A&HCI、Ei、MEDLINE或相应学科国际权威检索系统收录，具有一定的国际学术影响力。系列期刊采用在线优先出版方式，保证文章以最快速度发表。

中国学术前沿期刊网

http://journal.hep.com.cn