任浩然，鄧博韜，李建華，孝大宇

（東北大學醫(yī)學與生物信息工程學院， 沈陽 110169）

0 引言

藥物在疾病的預防和治療中發(fā)揮著重要作用，不斷開發(fā)新的藥物是人類戰(zhàn)勝疾病的必要手段。新藥開發(fā)成本高昂，從抽象概念到市場產(chǎn)品，一種新藥研究和開發(fā)成本估計為1.61～45.4 億美元［1］。舊藥新用，也稱為藥物重定向，是對現(xiàn)有藥物發(fā)現(xiàn)新的適應癥［2］。藥物重定向極大減少了藥物開發(fā)的時間與成本，目前已經(jīng)取得一些突破性的成果。例如，研究發(fā)現(xiàn)，傳統(tǒng)的止痛藥阿司匹林具有降低腦卒中復發(fā)、預防心肌梗死等功效。

自新冠肺炎疫情暴發(fā)以來，藥物重定向成為國內(nèi)外諸多科學家與研究機構的關注焦點。2022 年7 月25 日，中國國家藥監(jiān)局應急附條件批準阿茲夫定用于治療普通型新冠肺炎成年患者，這是我國首個國產(chǎn)新冠口服藥，而該藥原本用于治療艾滋病。

利用計算機發(fā)現(xiàn)潛在的藥物-靶標相互作用（drug-target interaction，DTI）是藥物重定向的一種重要方法。設計和開發(fā)一款藥物-靶標相互作用預測平臺，對相關生物醫(yī)學知識的科學普及、學生科研訓練及藥物重定向研發(fā)具有重要意義。

1 平臺框架

在藥物重定向的過程中，可以先利用計算機預測出可能的藥物-靶標相互作用，然后在實驗室和臨床驗證這些相互作用的真實性。所設計的藥物重定向平臺將實現(xiàn)篩選潛在藥物-靶標相互作用的功能，為了評估平臺的有效性，需要確定實驗的數(shù)據(jù)集、數(shù)據(jù)處理、預測方法、評估標準及測試流程等。預測方法決定著平臺的預測性能，將在第2節(jié)專門介紹。

1.1 標準數(shù)據(jù)集

本平臺采用文獻報道的標準數(shù)據(jù)集［3］，根據(jù)藥物-靶標相互作用類型數(shù)據(jù)集分為Enzyme、IC、GPCR 和NR 四個子集。每個子集中包括藥物名稱、靶標名稱、藥物-靶標相互作用的信息。同時，對于每種藥物計算了該藥物與其他藥物的化學結構相似性（DS_CS），對于每種靶標計算了該靶標與其他靶標的蛋白質(zhì)序列相似性（TS_Seq）。表1列出了標準數(shù)據(jù)集中各子集包含的藥物、靶標及相互作用的數(shù)量。

表1 藥物-靶標相互作用預測標準數(shù)據(jù)集

1.2 相似性計算與Logistic變換

目前很多藥物是通過靶標蛋白發(fā)揮治療作用的。因此，基于藥物-藥物相似性、靶標蛋白-靶標蛋白相似性及藥物-靶標相互作用可以推測尚未發(fā)現(xiàn)的藥物-靶標關聯(lián)。除了前述標準數(shù)據(jù)集中的DS_CS和TS_Seq，基于藥物-靶標相互作用能夠計算出新的藥物相似性和靶標相似性數(shù)據(jù)。

藥物-靶標相互作用可以視為由0 和1 組成的矩陣。藥物和靶標分別構成矩陣的行和列，如果藥物與靶標相互作用，那么相應的位置為1，否則為0。藥物di與所有靶標的相互作用情況可用一維向量IP(di)表示，靶標ti與所有藥物的相互作用情況可用一維向量IP(ti)表示。

根據(jù)向量夾角余弦公式，可得到兩種藥物di和dj的余弦相似性：

同理，可得到兩種靶標ti和tj的余弦相似性：

根據(jù)文獻報道的高斯內(nèi)核方法［4］，可以計算兩種藥物di和dj的高斯內(nèi)核相似性：

其中

類似地，也可以獲得兩種靶標ti和tj的高斯內(nèi)核相似性：

其中

一般地，設γd′=1，γt′=1，nd表示藥物的數(shù)量，nt表示靶標的數(shù)量。

最終，獲得3 種藥物相似性數(shù)據(jù)：DS_CS、DS_Cos和DS_Gauss，以及3種靶標相似性數(shù)據(jù)：TS_CS、TS_Cos 和TS_Gauss。各種相似性數(shù)據(jù)值域為［0，1］。表2 列出了從Type1 到Type4 共4種組合類型，不同組合對預測結果的影響將在后文闡述，更復雜的組合可按照相同的思路研究。相似性數(shù)據(jù)本質(zhì)上是一個方陣，因此也稱之為相似性矩陣。

表2 藥物和靶標相似性數(shù)據(jù)的組合

表2 中的第二、三列是DS和TS，可以選擇是否經(jīng)過Logistic 變換處理，通過對比預測結果，可以確定這種變換的作用。藥物和靶標的Logistic變換如下面公式所示：

其中，C為常數(shù)，可以通過交叉驗證確定，本研究取C=-20。為了處理相似性數(shù)據(jù)為0的情況，設d=log（9999）。

1.3 驗證方法

本平臺采用網(wǎng)絡一致性投影（network consistency projection,NCP）法預測潛在的藥物-靶標關聯(lián)［5］。為了評估NCP方法的預測性能，采用5折交叉驗證。將已知的DTI數(shù)據(jù)隨機分為5份，每次取4 份作為訓練集，剩余的1 份作為驗證集，循環(huán)5次，每份都將作一次驗證集。

將預測結果與驗證集比較，可以得到真陽性率和假陽性率，進而繪制接受者操作特性曲線（receiver operating characteristic curve，ROC）。ROC 曲線下的面積為AUC 值，該值越大，性能越好。本文以AUC值作為評估標準。

1.4 預測流程圖

本平臺預測流程如圖1 所示?；谒幬?靶標相互作用可以獲得藥物和靶標的余弦相似性數(shù)據(jù)和高斯內(nèi)核相似性數(shù)據(jù)。將相似性數(shù)據(jù)組合，獲得4種組合類型。每種類型在實驗時選擇是否采用Logistic 變換。然后，藥物相似性數(shù)據(jù)進行網(wǎng)絡一致性投影（DNCP），靶標相似性數(shù)據(jù)進行網(wǎng)絡一致性投影（TNCP），將兩種投影數(shù)據(jù)合成（DTNCP），獲得預測的藥物-靶標關聯(lián)。在每種組合類型下，分別5 折交叉驗證，以AUC值評判預測性能。

圖1 藥物-靶標相互作用平臺預測流程

2 預測方法

每種組合都包含了藥物相似性矩陣DS和靶標相似性矩陣TS。DS中行向量DS（i, :）表示藥物i與其他藥物的相似性，TS中列向量TS（:,j）表示靶標j與其他靶標的相似性。矩陣A表示藥物-靶標相互作用，A中各行表示藥物，各列表示靶標，A（i,:）表示藥物i與各靶標的相互作用信息，A（:,j）表示靶標j與各藥物的相互作用信息。網(wǎng)絡一致性投影預測藥物-靶標關聯(lián)分為三步。

第一步，通過藥物相似性，計算藥物i和靶標j之間的關聯(lián)值DNCP（i,j）：

第二步，通過靶標相似性，計算藥物i和靶標j之間的關聯(lián)值TNCP（i,j）：

第三步，通過DNCP（i,j）和TNCP（i,j），計算藥物i和靶標j之間的預測關聯(lián)值DTNCP（i,j）：

在上述公式中，對于向量x，‖x‖表示對x取模運算。當采用Logistic變換時，將公式（9）～（11）中的DS和TS分別替換為從公式（7）和（8）得到的DS_L和TS_L。

3 系統(tǒng)測試與分析

本系統(tǒng)以Matlab為開發(fā)和運行環(huán)境。Matlab具有強大的矩陣運算能力，適于計算藥物相似性矩陣DS、靶標相似性矩陣TS，并結合藥物-靶標相互作用矩陣A，實現(xiàn)NCP 預測算法。首先，基于原始相似矩陣預測；然后，選擇Logistic變換對原始相似矩陣處理后再進行預測。

3.1 基于原始相似數(shù)據(jù)的預測

首先，從Type1 到Type4 組合，4 種組合中DS和TS不采用Logistic 變換，對Enzyme、IC、GPCR 和NR 中藥物-靶標相互作用矩陣A進行5折交叉驗證，實驗結果如表3所示。

表3 不同相似性組合預測AUC比較

從表3可見，對于每種標準數(shù)據(jù)子集，采用余弦相似性的Type1 和Type2 總體優(yōu)于采用高斯內(nèi)核相似性的Type3和Type4。Enzyme和IC中包含更多的藥物和靶標，AUC 值高于0.9，GPCR和NR中包含藥物和靶標較少，AUC值低于0.9。

對于每種標準數(shù)據(jù)子集，Type1對應的AUC值大于Type3的值，意味著僅基于藥物-靶標相互作用數(shù)據(jù)，余弦相似性變換優(yōu)于高斯內(nèi)核相似性變換。例如，GPCR 數(shù)據(jù)子集中，Type1 的AUC值為0.8992，而Type3 對應的為0.7641，前者比后者高出17.68%。對于每種標準數(shù)據(jù)子集，Type2 對應的AUC 值均大于Type4 的值，意味著結合藥物化學結構相似性和靶標序列相似性，余弦相似性變換依然優(yōu)于高斯內(nèi)核相似性變換。

進一步分析發(fā)現(xiàn)，對應每種數(shù)據(jù)子集，基于藥物-靶標相互作用獲得的藥物相似性和靶標相似性，在分別結合藥物化學結構相似性和靶標序列相似性后，AUC 提高并不明顯，有些反而下降。例如，在Type1 下，IC 對應的AUC 為0.9340，而在Type2 下，AUC 為0.9356，增加很小；對于Enzyme 和GPCR，AUC 反而有所降低。比較Type4 和Type3，IC、GPCR 和NR 的AUC 提高，只有Enzyme 的AUC 值略有降低，表明采用高斯內(nèi)核相似性變換時，結合藥物化學結構相似性和靶標序列相似性總體上是有利的。

3.2 基于Logistic變換的預測

為了對比分析，4 種組合中DS和TS采用Logistic 變換，對Enzyme、IC、GPCR 和NR 中藥物-靶標相互作用矩陣A進行5 折交叉驗證。Logistic 變換中參數(shù)C對結果有影響，為了避免過擬合，實驗中C=-20，實驗結果如表4所示。

表4 不同組合Logistic變換后預測的AUC比較（C=-20）

比較表4 和表3，采用余弦相似性的Type1和Type2，經(jīng)過Logistic變換后，8個AUC值中的6 個有所增加，Type2 條件下增加更加明顯，2個降低的值出現(xiàn)在GPCR 中Type1、NR 中Type2。NR 中僅包含54 個藥物，26 個靶標，90個相互作用，因數(shù)據(jù)量小結果不穩(wěn)定。Type2條件下，GPCR 對應的AUC 增加最多，從0.8854增至0.9222，提高了4.16%。就4 個數(shù)據(jù)子集平均而言，對應Type1，AUC 值提高0.65%；對應Type2，AUC 值提高了1.78%，后者的增量是前者的近3倍。

在表4 中，采用高斯內(nèi)核相似性的Type3 和Type4 與相應表3 中的數(shù)據(jù)比較，Type3 條件下除NR 數(shù)據(jù)子集外，AUC 值反而降低，而Type4條件下AUC值全部提高?？傮w上，對于Type3，4個數(shù)據(jù)子集AUC值平均降低3.78%；對于Type4，AUC值平均提高了2.00%。

由表4數(shù)據(jù)可知，對應任意一種標準數(shù)據(jù)子集，Type2 條件下的AUC 值高于Type1 條件下的，平均提高1.73%。Type4 條件下的AUC 值高于Type3 條件下的，平均提高10.51%。這表明藥物-靶標相互作用矩陣無論采用余弦變換還是高斯內(nèi)核變換，融合藥物化學結構相似數(shù)據(jù)DS_CS 和靶標序列相似數(shù)據(jù)TS_Seq 后，預測性能明顯提高。

3.3 對比分析

從上述分析可見，在Type2 條件下，經(jīng)過Logistic 變換后NCP 方法性能最高。將NCP 方法與文獻報道的DVM方法比較［6］，除NR數(shù)據(jù)子集外，在其他3 個子集上AUC 值都高于DVM，顯示本方法具有一定的優(yōu)越性。

表5 NCP與DVM預測結果的AUC比較

4 結語

通過計算方法篩選潛在的藥物-靶標相互作用有利于節(jié)約藥物重定向的成本。本研究基于Matlab 語言開發(fā)一個藥物-靶標相互作用預測平臺，實驗證明該平臺是穩(wěn)定、可行的。平臺采用的NCP 預測方法具有一定優(yōu)越性，對于如何更合理設置各種參數(shù)需要深入研究。該平臺基于模塊化思想設計，可靈活替換不同預測方法，快速獲得實驗結果。因此，該平臺的開發(fā)對生物醫(yī)學知識科普、學生科研訓練和藥物重定向研究都是有益的。