上海交大Bio-X和IBM合作结硕果：医药大数据助力个体化医疗

　　

    经过多年的努力，上海交通大学Bio-X研究院联合美国IBM沃森研究院、哈佛大学、加州大学伯克利分校等医药大数据前沿机构的研究人员通力协作，共同构建了基于医药大数据的药物互相作用搜索引擎，进而在个体化用药研究方面取得重要进展。部分研究成果已发表在近期的《核酸研究》（影响因子8.3）上。

      在此项研究中，研究人员利用化合物-蛋白互作组（Chemical-Protein Interactome, CPI）的海量数据在超级计算机上模拟药物相互作用。工作首先模拟FDA所批药物已知的相互作用指纹图谱，通过改进了的大数据挖掘算法，比较用户提交分子的指纹图谱来预测潜在药物互作，从而及时预测用药风险。和同类预测比较后，研究人员发现该引擎的计算精度处于领先地位，因此可为规避基于药物互作的药物不良反应提供了重要信息，从而有助于实现个性化用药。

      该项研究得到了研究院相关领导的支持，继而由前美国FDA访问学者、杨仑博士构思和领导。主要参与单位还包括了医药大数据研究前沿的诸多知名机构，如美国IBM沃森研究院、哈佛大学Dana-Farber肿瘤研究所、加州大学伯克利分校和复旦大学等。上海交通大学Bio-X研究院为第一单位，罗衡为论文的首要第一作者，美国IBM沃森研究院的Ping Zhang博士为论文的并列第一作者, Hui Huang为第二作者。

原文摘要：

DDI-CPI, a server that predicts drug–drug interactions through implementing the chemical–protein interactome

Drug–drug interactions (DDIs) may cause serious side-effects that draw great attention from both academia and industry. Since some DDIs are mediated by unexpected drug–human protein interactions, it is reasonable to analyze the chemical–protein interactome (CPI) profiles of the drugs to predict their DDIs. Here we introduce the DDI-CPI server, which can make real-time DDI predictions based only on molecular structure. When the user submits a molecule, the server will dock user's molecule across 611 human proteins, generating a CPI profile that can be used as a feature vector for the pre-constructed prediction model. It can suggest potential DDIs between the user's molecule and our library of 2515 drug molecules. In cross-validation and independent validation, the server achieved an AUC greater than 0.85. Additionally, by investigating the CPI profiles of predicted DDI, users can explore the PK/PD proteins that might be involved in a particular DDI. A 3D visualization of the drug-protein interaction will be provided as well. The DDI-CPI is freely accessible at http://cpi.bio-x.cn/ddi/.