近日,西北工业大学生命学院施建宇教授课题组在陕西省高等学校科学技术研究优秀成果评选中荣获二等奖,获奖的研究成果名称为“复杂类型药物相互作用鉴别方法”。
![](/__local/5/4D/7C/4A20BE8693AA8E93CE826B465DD_ACF9AB41_572B0.png)
成果简介
未知的药物-药物相互作用(Drug-Drug Interaction, DDI)既可能危害治疗,也可能增益治疗。然而,当前大多数获批的增效药物组合主要依赖临床经验和有限的已知药物组合作用机制,缺乏对增效药物组合空间进行有效系统采样。面对涉及药物不利作用、药效、剂量和动态浓度等因素的巨大药物组合搜索空间,传统的实验和临床方法难以发现全新的增效药物组合。因此,研究和开发快速精准的增效药物组合鉴别方法迫在眉睫。
近年来,利用计算方法鉴别药物组合得到了广泛关注。此类方法能够在海量药物组合方案中鉴别出具有增强药效的成对药物,使药品安全专业人员能够快速筛选复合药物产生的不利生物效应,并帮助医生理解复杂疾病的形成,进而制定候选临床药物治疗方案。当前的计算方法主要分为基于医药文本、基于疾病和基于药物的鉴别方法。鉴别DDI能够减少医疗风险并降低复杂疾病治疗成本。相比实验方法,计算方法能够高效地实施大规模DDI鉴别。
本项目拟定了以下五个方面的研究内容:
1. “有或无”DDI预测:
设计模型和算法准确判别现有DDI数据中未标记的相互作用。通过网络嵌入、图表示学习和多视图学习方法,识别代谢动力、药效动力、副作用等层面的复杂类型DDI。
2. 上下调DDI预测:
设计模型和算法识别药物之间的上下调相互作用,并调查其存在的模式。
3. 有向DDI预测:
设计模型和算法识别决定多药治疗用药顺序的DDI不对称性,确定施加影响和被影响的角色。
4. DDI类型与化学结构的关联:
设计模型和算法判别DDI类型与药物分子化学结构的关系。
5. 基于药物代谢途径研究广义DDI:
从体内代谢途径的角度,设计模型和算法解释小分子药物代谢规律和模式。
这些研究内容有助于理解复杂类型药物相互作用的关键因素,并探索哪些药代动力学和药效动力学的效应模式会产生增效药物组合。不仅能够为药物复方制定和药物相互作用筛选提供计算工具,还能为揭示药物相互作用的原因和理解增效药物组合的形成机制提供理论支撑,进而减少复合用药的医疗风险,并为复杂疾病制定增效治疗方案提供依据。
本成果影响与同行评价
近三年来,该研究成果发表的8篇代表性论文专著已受到同行的广泛引用,其中两篇单篇引用次数超过60次,并且被《Nature》、《Journal of the American Chemical Society》、《Briefings in Bioinformatics》、《Computers in Biology and Medicine》等重要期刊引用。这些文献被同行视为模型研发的基准模型,为该领域的进展提供了坚实基础。
总之,本项目的研究成果不仅为药物复方制定和药物相互作用筛选提供了计算工具,还为揭示药物相互作用的原因和理解增效药物组合形成机制提供了理论支撑,减少复合用药的医疗风险,为复杂疾病制定增效治疗方案提供了理论依据。(文:朱蓓、施建宇;审核:杨慧)
附本成果相关论文链接:
1. https://doi.org/10.1186/s12859-020-03724-x
2. https://doi.org/10.1016/j.ins.2021.09.008
3. https://doi.org/10.1186/s13321-019-0352-9
4. https://doi.org/10.1093/bib/bbac151
5. https://doi.org/10.1093/bib/bbab133
6. https://doi.org/10.1093/bib/bbab441
7. https://doi.org/10.1016/j.drudis.2022.02.023
8. https://doi.org/10.1093/bioinformatics/btac222