编辑推荐：
在药物研发中，研发成本高但效率未显著提升，现有合作组织筛选方法忽视蛋白质相互作用数据。研究人员开展整合蛋白质相互作用信息等的合作组织筛选框架研究，肺癌实证分析显示该框架有效，能助力药物研发。
在当今的生物医药领域，药物研发就像一场艰难的马拉松。制药行业投入了巨额的研发资金，且这一投入还在持续增长。然而，新研发出的药物数量却没有明显增加，研发效率亟待提升。在药物研发的过程中，研发合作至关重要，它能帮助各方获取相关知识，比如确定新药研发的靶点和疾病通路 。众多研究表明，借助外部知识研发的药物比仅依靠内部研究的药物成功几率更高。蛋白质作为药物的主要靶点，许多疾病都与蛋白质的表达相关。但疾病并非由单一蛋白质引起，而是蛋白质之间紧密且复杂的相互作用导致的。例如，β - catenin 与 Tcf 蛋白的结合会介导 β - catenin 的蛋白活性，而 β - catenin 的过度活跃与人类癌症，尤其是结肠癌有关 。可是，当前在选择药物研发合作组织时，常用的方法往往只关注技术相似性、互补性和溢出风险等知识特征，却忽略了关键的蛋白质相互作用数据。为了解决这一问题，来自国外的研究人员开展了一项极具意义的研究，该研究成果发表在《Expert Systems with Applications》上。
研究人员提出了一个整合蛋白质相互作用信息、知识相似性、互补性、溢出风险和专业知识的药物研发合作组织筛选框架。在这项研究中，研究人员主要运用了以下几种关键技术方法：首先构建疾病、蛋白质和药物的异质网络，利用 DisgeNET、Therapeutic Target Database 和 Uniprot 等数据集生成网络；接着使用 DistMult、COMPLEX、HolE、TransR 和 R - GCN 等知识图谱嵌入模型预测蛋白质相互作用概率，通过比较模型的接收者操作特征曲线下面积（AUC）和前 r% 的真阳性率（TPR），选择最佳模型构建蛋白质相互作用概率矩阵；然后收集美国专利商标局 2010 - 2020 年注册的与肺癌相关的蛋白质专利信息，构建组织的蛋白质相关专利矩阵；最后运用协同过滤分析确定与焦点组织知识资源高度相关的蛋白质 。
下面来看具体的研究结果：
- 构建异质网络与预测蛋白质相互作用：通过构建疾病、蛋白质和药物的异质网络，研究人员从网络中提取了显性和隐性的蛋白质相互作用信息。利用知识图谱嵌入模型预测蛋白质相互作用概率，在比较多个模型后，选择性能最佳的模型构建蛋白质相互作用概率矩阵，为后续分析奠定基础。
- 协同过滤分析与确定相关蛋白质：将蛋白质相互作用概率矩阵与蛋白质专利持有矩阵相乘进行协同过滤分析，以此确定能强化或扩展焦点组织蛋白质知识的蛋白质。这一步骤帮助研究人员找到与焦点组织知识资源高度相关的蛋白质领域。
- 评估合作组织：在确定的蛋白质领域内，研究人员基于专利持有情况评估各组织的专业知识，并计算组织间的知识相似性、互补性和溢出风险。综合这些因素，确定潜在的合作组织并推荐合适的研究伙伴。
在研究结论和讨论部分，该研究成果具有重要意义。研究人员提出的框架将蛋白质相互作用信息整合到合作组织的选择过程中，这为提升合作成果和增加药物研发成功的可能性提供了更科学的方法。通过考虑隐性蛋白质相互作用，该框架能够为新型蛋白质相互作用的联合研究推荐合适的合作组织，有助于拓展对蛋白质相互作用的理解，进而推动药物研发领域的发展。这一研究成果为药物研发合作组织的筛选提供了新的思路和方法，有望在未来的药物研发中发挥重要作用，提高研发效率，为攻克更多疾病带来新的希望。
