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
特别声明:本文转载仅仅是出于传播信息的需要,并不意味着代表本网站观点或证实其内容的真实性;如其他媒体、网站或个人从本网站转载使用,须保留本网站注明的“来源”,并自负版权等法律责任;作者如果不希望被转载或者联系转载稿费等事宜,请与我们接洽。