摘要
多种药物联合使用的一个主要担忧是，其作用机制之间存在较高风险的相互干扰，即不良药物-药物相互作用（Adverse Drug–Drug Interactions, DDIs），这类相互作用可能对机体造成严重损伤。尽管已有多种计算方法被提出用于识别潜在的不良DDIs，但仍存在改进空间。现有方法并未明确基于一个核心认知：DDIs的根本成因在于药物化学亚结构之间的相互作用，而非整个药物分子的化学结构。此外，大多数现有方法依赖于人工设计的分子表征方式，其性能受限于领域专家的知识水平。为此，我们提出了一种名为“亚结构-亚结构相互作用-药物-药物相互作用”（Substructure–Substructure Interaction–Drug–Drug Interaction, SSI–DDI）的深度学习框架。该框架直接作用于药物的原始分子图表示，实现更丰富的特征提取；尤为重要的是，它将两药之间的DDI预测任务分解为识别各自亚结构之间成对相互作用的过程。在真实世界数据上的实验表明，SSI–DDI在DDI预测性能上优于当前最先进的方法。相关源代码已公开，可自由获取：https://github.com/kanz76/SSI-DDI。