SSI–DDI: 약물–약물 상호작용 예측을 위한 하위구조–하위구조 상호작용

다양한 약물의 동시 투여 시 가장 큰 우려 사항은 각 약물의 작용 메커니즘 간에 상호작용이 발생할 가능성이 높아 심각한 부작용을 초래할 수 있다는 점으로, 이를 약물-약물 상호작용(Adverse Drug–Drug Interactions, DDIs)이라 한다. 현재까지 여러 계산 기반 방법이 잠재적 부정적 DDIs를 식별하기 위해 제안되었지만, 여전히 개선의 여지가 있다. 기존의 방법들은 DDIs가 전반적인 약물 화학 구조가 아닌, 화학적 서브구조 간의 상호작용에 기인한다는 핵심 지식을 명시적으로 반영하지 못하고 있다. 게다가 대부분의 기존 방법은 도메인 전문가의 지식에 의해 수작업으로 설계된 분자 표현 방식에 의존하고 있어 한계가 있다. 본 연구에서는 약물-약물 상호작용을 서브구조-서브구조 상호작용(SSI)으로 분해하여, 약물의 원시 분자 그래프 표현을 직접 처리함으로써 풍부한 특징 추출이 가능한 딥러닝 프레임워크인 SSI–DDI(Substructure–Substructure Interaction–Drug–Drug Interaction)를 제안한다. 특히, 두 약물 간의 DDI 예측 문제를 각각의 서브구조 간 쌍별 상호작용 식별 문제로 분해함으로써 기존 접근 방식의 한계를 극복한다. SSI–DDI는 실-world 데이터를 기반으로 평가되었으며, 최신 기술 대비 DDI 예측 성능에서 우수한 결과를 보였다. 소스 코드는 https://github.com/kanz76/SSI-DDI 에서 무료로 제공된다.