KR20160149623A - Apparatus and method predicting pharmacodynamic drug-drug interactions through signaling propagation interference on protein-protein interaction networks - Google Patents

Apparatus and method predicting pharmacodynamic drug-drug interactions through signaling propagation interference on protein-protein interaction networks Download PDF

Info

Publication number
KR20160149623A
KR20160149623A KR1020150086901A KR20150086901A KR20160149623A KR 20160149623 A KR20160149623 A KR 20160149623A KR 1020150086901 A KR1020150086901 A KR 1020150086901A KR 20150086901 A KR20150086901 A KR 20150086901A KR 20160149623 A KR20160149623 A KR 20160149623A
Authority
KR
South Korea
Prior art keywords
drug
protein
signal propagation
pharmacodynamic
protein interaction
Prior art date
Application number
KR1020150086901A
Other languages
Korean (ko)
Other versions
KR102334532B1 (en
Inventor
이도헌
박경현
김덕용
하수현
Original Assignee
재단법인 전통천연물기반 유전자동의보감 사업단
한국과학기술원
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by 재단법인 전통천연물기반 유전자동의보감 사업단, 한국과학기술원 filed Critical 재단법인 전통천연물기반 유전자동의보감 사업단
Priority to KR1020150086901A priority Critical patent/KR102334532B1/en
Publication of KR20160149623A publication Critical patent/KR20160149623A/en
Application granted granted Critical
Publication of KR102334532B1 publication Critical patent/KR102334532B1/en

Links

Images

Classifications

    • G06F19/12—

Landscapes

  • Physics & Mathematics (AREA)
  • Health & Medical Sciences (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Engineering & Computer Science (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)
  • Bioinformatics & Computational Biology (AREA)
  • Physiology (AREA)
  • Molecular Biology (AREA)
  • Biotechnology (AREA)
  • Evolutionary Biology (AREA)
  • General Health & Medical Sciences (AREA)
  • Medical Informatics (AREA)
  • Spectroscopy & Molecular Physics (AREA)
  • Theoretical Computer Science (AREA)
  • Biophysics (AREA)

Abstract

The present invention relates to a device and a method for predicting pharmacodynamic drug interactions through signal propagation interference on a protein interaction network. The method includes: a step of allowing a first calculating unit (100) to simulate signal propagation of drug A on the protein interaction network (S100); a step of allowing a second calculating unit (200) to simulate signal propagation of drug B on the protein interaction network (S200); a step of determining the interference degree of the drug A and the drug B for each protein in a state that the signal propagation is saturated (S300); and a step of calculating the pharmacodynamic drug interactions between drugs based on the interference degree of the drug A and the drug B (S500).

Description

단백질 상호 작용 네트워크에서 신호 전파 간섭을 통한 약력학적 약물 상호 작용 예측 장치 및 방법{APPARATUS AND METHOD PREDICTING PHARMACODYNAMIC DRUG-DRUG INTERACTIONS THROUGH SIGNALING PROPAGATION INTERFERENCE ON PROTEIN-PROTEIN INTERACTION NETWORKS}FIELD OF THE INVENTION The present invention relates to an apparatus and method for predicting pharmacodynamic drug interactions through signal interference in a protein-protein interaction network, and more particularly to an apparatus and method for predicting pharmacodynamic drug interactions in a protein-

본 발명은 단백질 상호 작용 네트워크에서 신호 전파 간섭을 통한 약력학적 약물 상호 작용 예측 방법 및 장치에 관한 것이다. 보다 상세하게는 복합 약물을 복용하는 사람들이 가질 수 있는 약물 부작용을 사전에 예측하고 예방할 수 있도록 하기 위한, 단백질 상호 작용 네트워크에서 신호 전파 간섭을 통한 약력학적 약물 상호 작용 예측 방법 및 장치에 관한 것이다. The present invention relates to a method and apparatus for predicting pharmacodynamic drug interactions through signal propagation interference in a protein interaction network. And more particularly, to a method and apparatus for predicting pharmacodynamic drug interactions through signal propagation interference in a protein interaction network so as to anticipate and prevent drug side effects that may be present in people taking a combination drug.

약물 개발 단계에서, 신약물에 대한 약물 상호 작용이 확인되어야 한다. 따라서, 시중에 출시된 다양한 약물들과의 약물 상호 작용을 미리 예측할 수 있는 기술을 이용하면, 복합 약물을 복용하는 사람들이 가질 수 있는 약물 부작용을 사전에 예측하고 예방할 수 있게 된다. At the drug development stage, drug interactions with the new drug should be identified. Therefore, the use of a technology capable of predicting drug interaction with a variety of medicines introduced on the market enables to anticipate and prevent drug side effects that people taking the medicines may have.

기존의 약력학적 약물 상호 작용을 예측하는 방법은 단백질 상호 작용 네트워크 상에서 약물 타겟 사이의 근거리 간섭만 고려하였다. 하지만, 약물의 타겟으로부터 신호는 전체 네트워크로 퍼지게 되기 때문에 원거리 간섭도 고려해야 한다. 본 특허의 목적은 Random Walk With Restart 알고리즘을 통해서 단백질 상호 작용 네트워크 상에서 약물의 타겟 사이의 원거리 간섭을 고려한 약력학적 약물 상호 작용 예측이다.Conventional methods for predicting pharmacodynamic drug interactions only considered local interferences between drug targets on protein interaction networks. However, since the signal from the target of the drug is spread over the entire network, the distant interference must also be considered. The purpose of this patent is to predict pharmacodynamic drug interactions taking into consideration the remote interference between the drug targets on the protein interaction network through the Random Walk With Restart algorithm.

대한민국 공개특허 제 10-2015-0049937호Korean Patent Publication No. 10-2015-0049937

Huang et al., Systematic Prediction of Pharmacodynamic Drug-Drug Interactions through Protein-Protein-Interaction Network, PLoS Computational Biology 2013Huang et al., Systematic Prediction of Pharmacodynamic Drug-Drug Interactions through Protein-Protein-Interaction Network, PLoS Computational Biology 2013

본 발명은 상술한 종래의 문제점을 해소하기 위하여 안출된 것으로서, 복합 약물을 복용하는 사람들이 가질 수 있는 약물 부작용을 사전에 예측하고 예방할 수 있도록 하기 위한 단백질 상호 작용 네트워크에서 신호 전파 간섭을 통한 약력학적 약물 상호 작용 예측 방법 및 장치에 관한 것이다. Disclosure of the Invention The present invention has been conceived to overcome the above-described problems of the prior art, and it is an object of the present invention to provide a pharmacokinetic To a method and apparatus for predicting drug interaction.

본 발명의 해결과제는 이상에서 언급된 것들에 한정되지 않으며, 언급되지 아니한 다른 해결과제들은 아래의 기재로부터 당해 기술분야에 있어서의 통상의 지식을 가진 자에게 명확하게 이해되어질 수 있을 것이다.The solution to the problem of the present invention is not limited to those mentioned above, and other solutions not mentioned can be clearly understood by those skilled in the art from the following description.

상기와 같은 목적을 달성하기 위하여 본 발명은 단백질 상호 작용 네트워크에서 약물 A의 신호 전파를 시뮬레이션하는 제 1산출부; 단백질 상호 작용 네트워크에서 약물 B의 신호 전파를 시뮬레이션하는 제 2산출부; 신호 전파가 포화된 상태에서, 각 단백질에 대한 상기 약물 A 및 약물 B의 영향 정도를 판단하는 판단부; 상기 약물 A와 약물 B 사이의 약력학적 약물 상호 작용 스코어를 산출하는 스코어 산출부;를 포함한다.In order to accomplish the above object, the present invention provides a protein interaction network, comprising: a first calculator for simulating signal propagation of a drug A in a protein interaction network; A second calculation unit for simulating signal propagation of the drug B in the protein interaction network; A judging unit for judging the degree of influence of the drug A and the drug B on each protein in a state in which signal propagation is saturated; And a score calculation unit for calculating a pharmacodynamic drug interaction score between the drug A and the drug B.

또한, 상기 제 1산출부 및 상기 제 2산출부는 Random Walk With Restart 알고리즘을 통해서 상기 약물 A의 신호 전파 및 약물 B의 신호 전파를 각각 시뮬레이션할 수 있다.The first calculating unit and the second calculating unit may respectively simulate signal propagation of the drug A and signal propagation of the drug B through the Random Walk With Restart algorithm.

또한, 상기 약물 A 및 약물 B의 영향 정도는 하기 수학식에 기초하여 판단될 수 있다.In addition, the degree of influence of Drug A and Drug B can be judged based on the following equation.

Figure pat00001
Figure pat00001

(이 때, Vi(DrugA)는 Random Walk With Restart 알고리즘의 시뮬레이션이 끝난 후 약물 A의 단백질 i에서 Random Walker가 존재할 확률이다. )(Here, V i (Drug A ) is the probability that a random walker will exist in the protein i of the drug A after simulation of the Random Walk With Restart algorithm.)

또한, 상기 약물 A와 약물 B 사이의 약력학적 약물 상호 작용 스코어는 다음의 수학식에 기초하여 산출될 수 있다.Further, the pharmacodynamic drug interaction score between the drug A and the drug B can be calculated based on the following equation.

Figure pat00002
Figure pat00002

또한, 제 1산출부가 단백질 상호 작용 네트워크에서 약물 A의 신호 전파를 시뮬레이션하는 단계; 제 2산출부가 단백질 상호 작용 네트워크에서 약물 B의 신호 전파를 시뮬레이션하는 단계; 신호 전파가 포화된 상태에서 각 단백질에 대한 상기 약물 A 및 약물 B의 영향 정도를 판단하는 단계; 상기 약물 A 및 약물 B의 영향 정도에 기초하여 각 약물 사이의 약력학적 약물 상호 작용 스코어를 산출하는 단계;를 포함할 수 있다.Further comprising simulating signal propagation of drug A in a first outputting portion protein interaction network; Simulating signal propagation of drug B in a second output-added protein interaction network; Determining the degree of influence of the drug A and the drug B on each protein in a state where signal propagation is saturated; And calculating a pharmacodynamic drug interaction score between each drug based on the degree of influence of the drug A and the drug B. [

또한, 상기 약물 A 및 약물 B의 신호 전파는 Random Walk With Restart 알고리즘을 통해서 시뮬레이션될 수 있다.Further, the signal propagation of Drug A and Drug B can be simulated through a Random Walk With Restart algorithm.

또한, 상기 약물 A 및 약물 B의 영향 정도는 하기 수학식에 의하여 판단될 수 있다.In addition, the degree of influence of Drug A and Drug B can be determined by the following equation.

Figure pat00003
Figure pat00003

(이 때, Vi(DrugA)는 Random Walk with Restart 알고리즘의 시뮬레이션이 끝난 후 약물 A의 단백질 i에서 Random Walker가 존재할 확률이다.)(Here, Vi (Drug A ) is the probability that Random Walker will be present in the protein i of Drug A after simulation of the Random Walk with Restart algorithm.)

본 발명에 따르면, 복합 약물을 복용하는 사람들이 가질 수 있는 약물 부작용을 사전에 예측하고 예방할 수 있도록 하는 효과가 있다. INDUSTRIAL APPLICABILITY According to the present invention, it is possible to anticipate and prevent drug side effects that people taking a compound drug can have in advance.

또한, 본 발명은 제안한 방법을 통해서 약력학적 약물 상호 작용을 미리 예측하여 예방할 수 있기 때문에 국민 건강에 기여하는 효과가 크다고 볼 수 있다. In addition, since the present invention can predict and prevent pharmacodynamic drug interaction through the proposed method, it can be said that the present invention has a great effect of contributing to the public health.

본 발명의 효과는 이상에서 언급된 것들에 한정되지 않으며, 언급되지 아니한 다른 해결과제들은 아래의 기재로서 당업자에게 명확하게 이해될 수 있을 것이다.The effects of the present invention are not limited to those mentioned above, and other solutions not mentioned may be clearly understood by those skilled in the art.

도 1은 본 발명에 의한 프레임워크의 구분을 나타낸 도면이다.
도 2는 본 발명에 의하여 제안된 프레임워크를 도식화한 도면이다.
도 3은 본 발명에 의한 방법론과 기존의 방법론과의 정확도를 비교한 그래프이다.
도 4는 본 발명에 의한 단백질 상호 작용 네트워크에서 신호 전파 간섭을 통한 약력학적 약물 상호 작용을 예측하는 장치에 대한 구성도이다.
도 5는 본 발명에 의한 단백질 상호 작용 네트워크에서 신호 전파 간섭을 통한 약력학적 약물 상호 작용을 예측하는 방법에 대한 순서도이다.
1 is a view showing the division of the framework according to the present invention.
FIG. 2 is a diagram illustrating a framework proposed by the present invention.
3 is a graph comparing the accuracy of the methodology according to the present invention with the methodology of the prior art.
FIG. 4 is a block diagram of an apparatus for predicting pharmacodynamic drug interactions through signal interference in a protein interaction network according to the present invention. FIG.
Figure 5 is a flow chart of a method for predicting pharmacodynamic drug interactions through signal propagation interference in a protein interaction network according to the present invention.

이하에서는 첨부한 도면을 참조하여 본 발명에 의한 단백질 상호 작용 네트워크에서 신호 전파 간섭을 통한 약력학적 약물 상호 작용을 예측하는 장치 및 방법에 대한 바람직한 실시예들을 자세히 설명한다. 우선 각 도면의 구성 요소들에 참조부호를 부가함에 있어서, 동일한 구성요소들에 대해서는 비록 다른 도면 상에 표시되더라도 가능한 한 동일한 부호를 가지도록 하고 있음에 유의해야 한다. 또한, 본 발명을 설명함에 있어, 관련된 공지 구성 또는 기능에 대한 구체적인 설명이 본 발명의 요지를 흐릴 수 있다고 판단되는 경우에는 그 상세한 설명은 생략한다.Hereinafter, preferred embodiments of an apparatus and method for predicting pharmacodynamic drug interactions through signal propagation interference in a protein interaction network according to the present invention will be described in detail with reference to the accompanying drawings. In the drawings, the same reference numerals are used to designate the same or similar components throughout the drawings. In the following description of the present invention, a detailed description of known functions and configurations incorporated herein will be omitted when it may make the subject matter of the present invention rather unclear.

도 1은 본 발명의 세 가지 구분의 프레임워크를 나타낸 도면이다. BRIEF DESCRIPTION OF THE DRAWINGS Figure 1 is a diagram illustrating a framework of three differentiations of the present invention.

본 발명의 프레임워크는 본 발명의 알고리즘을 수행하기 위해서 필요한 데이터들의 전처리 단계(Data Preprocessing), Random Walk With Restart 알고리즘 수행하는 단계(Algorithm), 제안한 방법과 기존 방법을 비교하여 검증하는 단계(Validation and Analysis)로 구분된다.The framework of the present invention includes a pre-processing step (Data Preprocessing) of data necessary for executing the algorithm of the present invention, a step of executing a random walk with restart algorithm (Algorithm), a step of verifying the proposed method and an existing method Analysis).

도 2는 본 발명에 의하여 제안된 프레임워크를 도식화한 도면이다. 도 2를 참조하면 본 발명의 프레임워크는 다음과 같이 설명된다. FIG. 2 is a diagram illustrating a framework proposed by the present invention. Referring to FIG. 2, the framework of the present invention is described as follows.

첫째, 단백질 상호 작용 네트워크에서 약물 A와 약물 B의 타겟으로부터 신호 전파를 Random Walk With Restart 알고리즘을 통해서 시뮬레이션한다.First, in the protein interaction network, signal propagation from the targets of Drug A and Drug B is simulated using the Random Walk With Restart algorithm.

둘째, 신호 전파가 포화(Saturation)된 상태에서 각 단백질에 대한 약물 영향 정도를 아래 수식 (2)를 참조하여 단백질 스코어(ProteinScore)를 구할 수 있다.Second, the protein score (ProteinScore) can be obtained by referring to the following equation (2) for the degree of drug effect on each protein in the state that the signal propagation is saturated.

셋째, 아래 수식 (3)을 이용하여 각 약물 사이의 약력학적 약물 상호 작용 스코어(DDIScore)를 구할 수 있다.Third, the pharmacodynamic drug interaction score (DDIScore) between each drug can be obtained using the following equation (3).

Figure pat00004
Figure pat00004

P(t)는 t 시간에서 각 노드에 Random Walker가 존재할 확률, r은 각 Time Step에서 Random Walker가 Restarting할 확률, W는 단백질 상호 작용 네트워크에서 Normalized Adjacency Matrix, Vi(DrugA) 는 Random Walk With Restart 알고리즘의 시뮬레이션이 끝난 후 약물 A의 단백질에서 Random Walker가 존재할 확률을 나타낸다.P (t) is a probability of the Random Walker each node at the time t, r is the probability of the Random Walker Restarting at each Time Step, W is Normalized Adjacency Matrix, V i (Drug A) in the protein interaction network Random Walk After the simulation of the With Restart algorithm, we show the probability that a random walker is present in the drug A protein.

도 2와 같이 약물 A가 단백질 2를 타겟으로 가지고, 약물 B가 단백질 4를 타겟으로 가진다고 가정한다. 환자가 약물 A와 B를 동시에 섭취하면, 목적 기관에 도달한 두 약물은 그들의 타겟으로부터 단백질 상호 작용(PPI, Protein-Protein Interaction) 네트워크를 통하여 신호가 전파된다. 각각의 신호 전파는 알려진 Random Walk With Restart 알고리즘을 통하여 시뮬레이션할 수 있다. 이 결과를 이용하여 단백질 상호 작용 네트워크 상에서 각 약물의 신호 전파가 서로 얼마나 중첩하는지 계산하여 신호 전파 간섭량을 정량화할 수 있다. 이 방법론은 두 약물의 신호 전파 간섭량이 많으면 서로 상호 작용할 수 있다고 가정한 예측 모델이다. 기존에 Huang et al.(Huang et al., Systematic Prediction of Pharmacodynamic Drug-Drug Interactions through Protein-Protein-Interaction Network, PLoS Computational Biology 2013)이 제안한 방법의 경우, 단백질 상호 작용 네트워크 상에서 두 약물의 타겟들 사이의 근거리 간섭만 고려하였다. 이 방법에서는 단백질 상호 작용 네트워크 상에서 두 약물의 타겟과 이웃 노드(이 네트워크 상에서 직접 연결된 다른 단백질)들이 서로 얼마나 중첩되는지 정량화(근거리 간섭)하는 방법을 이용하여 약물 상호 작용을 예측하였다. 하지만, 우리가 제안하는 방법은 단백질 상호 작용 네트워크 상에서 두 약물의 타겟의 신호의 전파를 모델링하여 약물 상호작용에 사용하였기 때문에 원거리 간섭까지 고려하였다고 생각할 수 있다As shown in FIG. 2, it is assumed that Drug A targets Protein 2 and Drug B targets Protein 4. When a patient is taking drugs A and B at the same time, the two drugs that reach the target organ propagate the signal through their protein-protein-protein interaction (PPI) network. Each signal propagation can be simulated using a known Random Walk With Restart algorithm. Using these results, it is possible to quantify the signal propagation interference by calculating how the signal propagation of each drug overlaps in the protein interaction network. This methodology is a predictive model that assumes that two drugs can interact with each other if signal interference is high. In the case of the method proposed by Huang et al., Systematic Prediction of Pharmacodynamic Drug-Drug Interactions through Protein-Protein-Interaction Network (PLoS Computational Biology 2013), the interaction between two drug targets Only the local interference of In this method, we predicted drug interactions by quantifying (local interfering) how much the target of two drugs on the protein interaction network and neighboring nodes (other proteins directly connected to the network) overlap with each other. However, our proposed method can be considered to consider remote interference because it is used for drug interaction by modeling the signal propagation of the target of two drugs on the protein interaction network

도 3은 본 발명에 의한 방법론과 기존의 방법론과의 정확도를 비교한 그래프이다. 본 발명에 의한 방법론과 기존의 방법론(Huang et al., PLoS Computational Biology 2013)과 정확도를 비교하였다. 도 3의 A는 DrugBank를 통해서 수집한 약력학적 약물 상호 작용을 정답셋으로 하여 확인한 정확도이고, 도 3의 B는 독립적인 데이터셋인 KEGG DRUG를 통해서 수집한 약력학적 약물 상호 작용을 정답셋으로 하여 확인한 정확도이다. 두 경우 모두 제안한 본 발명에 의한 방법론이 기존 방법론보다 높은 정확도를 가지는 것을 알 수 있다.3 is a graph comparing the accuracy of the methodology according to the present invention with the methodology of the prior art. The accuracy of the method according to the present invention and the existing methodology (Huang et al., PLoS Computational Biology 2013) are compared. 3 shows the accuracy of the pharmacological drug interaction collected through DrugBank as a correct answer set. FIG. 3B shows the pharmacological drug interaction collected through the independent data set, KEGG DRUG, as a set of correct answers It is the accuracy that I confirmed. In both cases, it can be seen that the proposed methodology of the present invention has higher accuracy than the conventional methodology.

도 4는 단백질 상호 작용 네트워크에서 신호 전파 간섭을 통한 약력학적 약물 상호 작용 예측 장치를 나타낸 것으로, 단백질 상호 작용 네트워크에서 약물 A의 신호 전파를 시뮬레이션하는 제 1산출부(100), 단백질 상호 작용 네트워크에서 약물 B의 신호 전파를 시뮬레이션하는 제 2산출부(200), 신호 전파가 포화된 상태에서, 각 단백질에 대한 약물 A 및 약물 B의 영향 정도를 판단하는 판단부(300), 약물 A과 약물 B 사이의 약력학적 약물 상호 작용 스코어를 산출하는 스코어 산출부(400)를 포함한다.FIG. 4 shows a pharmacodynamic drug interaction prediction apparatus using signal propagation interference in a protein interaction network. The first calculator 100 simulates signal propagation of drug A in a protein interaction network. A second calculator 200 for simulating the signal propagation of the drug B, a judging unit 300 for judging the degree of influence of the drug A and the drug B on each protein in a state in which signal propagation is saturated, And a score calculator 400 for calculating a pharmacodynamic drug interaction score between the pharmacokinetic drug interaction scores.

또한, 제 1산출부(100) 및 제 2산출부(100)는 Random Walk With Restart 알고리즘을 통해서 약물 A의 신호 전파 및 약물 B의 신호 전파를 각각 시뮬레이션한다.The first calculation unit 100 and the second calculation unit 100 respectively simulate the signal propagation of the drug A and the signal B of the drug B through the Random Walk With Restart algorithm.

또한, 약물 A 및 약물 B의 영향 정도는 하기 수학식에 기초하여 판단된다.Further, the degree of influence of Drug A and Drug B is judged based on the following equation.

Figure pat00005
Figure pat00005

(이 때, Vi(DrugA)는 Random Walk With Restart 알고리즘의 시뮬레이션이 끝난 후 약물 A의 단백질i에서 Random Walker가 존재할 확률이다. )(Here, V i (Drug A ) is the probability that a random walker will exist in the protein i of the drug A after simulation of the Random Walk With Restart algorithm.)

또한, 약물 A와 약물 B 사이의 약력학적 약물 상호 작용 스코어는 다음의 수학식에 기초하여 산출된다.In addition, the pharmacodynamic drug interaction score between Drug A and Drug B is calculated based on the following equation.

Figure pat00006
Figure pat00006

도 5는 단백질 상호 작용 네트워크에서 신호 전파 간섭을 통한 약력학적 약물 상호 작용 예측 방법을 나타내는 순서도이다. 제 1산출부(100)가 단백질 상호 작용 네트워크에서 약물 A의 신호 전파를 시뮬레이션하는 단계(S100), 제 2산출부(200)가 단백질 상호 작용 네트워크에서 약물 B의 신호 전파를 시뮬레이션하는 단계(S200), 신호 전파가 포화된 상태에서 각 단백질에 대한 상기 약물 A 및 약물 B의 영향 정도를 판단하는 단계(S300), 약물 A 및 약물 B의 영향 정도에 기초하여 각 약물 사이의 약력학적 약물 상호 작용 스코어를 산출하는 단계(S500)를 포함한다. 5 is a flow chart illustrating a method for predicting pharmacodynamic drug interactions through signal propagation interference in a protein interaction network. The first calculation unit 100 simulates the signal propagation of the drug A in the protein interaction network S100. The second calculation unit 200 simulates the signal propagation of the drug B in the protein interaction network S200 Determining a degree of influence of the drug A and the drug B on each protein in a state where signal propagation is saturated (S300); determining a pharmacological drug interaction between each drug based on the degree of influence of the drug A and the drug B And calculating a score (S500).

또한, 약물 A 및 약물 B의 신호 전파는 Random Walk With Restart 알고리즘을 통해서 시뮬레이션된다.In addition, signal propagation of Drug A and Drug B is simulated through the Random Walk With Restart algorithm.

또한, 약물 A 및 약물 B의 영향 정도는 하기 수학식에 의하여 판단된다.The degree of influence of Drug A and Drug B is determined by the following equation.

Figure pat00007
Figure pat00007

(이 때, Vi(DrugA)는 Random Walk with Restart 알고리즘의 시뮬레이션이 끝난 후 약물 A의 단백질 i에서 Random Walker가 존재할 확률이다.) (Where Vi (DrugA) is the probability that a random walker will be present in the protein i of drug A after the simulation of the Random Walk with Restart algorithm).

또한, 약물 A와 약물 B 사이의 약력학적 약물 상호 작용 스코어는 하기 수학식에 의해 산출된다.In addition, the pharmacodynamic drug interaction score between Drug A and Drug B is calculated by the following equation.

Figure pat00008
Figure pat00008

이상의 설명은 본 발명의 기술 사상을 예시적으로 설명한 것에 불과한 것으로서, 본 발명이 속하는 기술분야에서 통상의 지식을 가진 자라면 본 발명의 본질적인 특성에서 벗어나지 않는 범위에서 다양한 수정 및 변형이 가능할 것이다. 따라서, 본 발명에 개시된 실시예들은 본 발명의 기술 사상을 한정하기 위한 것이 아니라 설명하기 위한 것이고, 이러한 실시예에 의하여 본 발명의 기술 사상의 범위가 한정되는 것은 아니다. 본 발명의 보호 범위는 아래 청구범위에 의해 해석되어야 하며, 그와 동등한 범위 내에 있는 모든 기술 사상은 본 발명의 권리 범위에 포함되는 것으로 해석되어야 할 것이다.The foregoing description is merely illustrative of the technical idea of the present invention, and various changes and modifications may be made by those skilled in the art without departing from the essential characteristics of the present invention. Therefore, the embodiments disclosed in the present invention are intended to illustrate rather than limit the scope of the present invention, and the scope of the technical idea of the present invention is not limited by these embodiments. The scope of protection of the present invention should be construed according to the following claims, and all technical ideas within the scope of equivalents should be construed as falling within the scope of the present invention.

100 : 제 1산출부 200 : 제 2산출부
300 : 판단부 400 : 스코어 산출부100: first calculation unit 200: second calculation unit
300: Judgment section 400: Score calculation section

Claims (8)

단백질 상호 작용 네트워크에서 약물 A의 신호 전파를 시뮬레이션하는 제 1산출부(100);
단백질 상호 작용 네트워크에서 약물 B의 신호 전파를 시뮬레이션하는 제 2산출부(200);
신호 전파가 포화된 상태에서, 각 단백질에 대한 상기 약물 A 및 약물 B의 영향 정도를 판단하는 판단부(300);
상기 약물 A와 약물 B 사이의 약력학적 약물 상호 작용 스코어를 산출하는 스코어 산출부(400);
를 포함하는 단백질 상호 작용 네트워크에서 신호 전파 간섭을 통한 약력학적 약물 상호 작용 예측 장치.
A first calculation unit 100 for simulating signal propagation of the drug A in the protein interaction network;
A second calculation unit 200 for simulating the signal propagation of the drug B in the protein interaction network;
A determination unit (300) for determining the degree of influence of the drug (A) and the drug (B) on each protein in a state in which signal propagation is saturated;
A score calculator 400 for calculating a pharmacodynamic drug interaction score between Drug A and Drug B;
A device for predicting pharmacodynamic drug interactions through signal propagation interference in a protein-protein interaction network.
제 1항에 있어서,
상기 제 1산출부(100) 및 상기 제 2산출부(200)는
Random Walk With Restart 알고리즘을 통해서 상기 약물 A의 신호 전파 및 약물 B의 신호 전파를 각각 시뮬레이션하는 단백질 상호 작용 네트워크에서 신호 전파 간섭을 통한 약력학적 약물 상호 작용 예측 장치.
The method according to claim 1,
The first calculation unit 100 and the second calculation unit 200
A device for predicting pharmacodynamic drug interactions through signal propagation interference in a protein interaction network simulating the signal propagation of Drug A and the signal propagation of Drug B through a random walk with restart algorithm, respectively.
제 1항에 있어서,
상기 약물 A 및 약물 B의 영향 정도는 하기 수학식에 기초하여 판단되는 단백질 상호 작용 네트워크에서 신호 전파 간섭을 통한 약력학적 약물 상호 작용 예측 장치.
Figure pat00009

(이 때, Vi(DrugA)는 Random Walk With Restart 알고리즘의 시뮬레이션이 끝난 후 약물 A의 단백질 i에서 Random Walker가 존재할 확률이다.)
The method according to claim 1,
Wherein the degree of influence of Drug A and Drug B is determined based on the following equation:
Figure pat00009

(Here, V i (Drug A ) is the probability that a random walker will exist in the protein i of the drug A after simulation of the Random Walk With Restart algorithm.)
제 1항에 있어서,
상기 약물 A와 약물 B 사이의 약력학적 약물 상호 작용 스코어는 다음의 수학식에 기초하여 산출되는 단백질 상호 작용 네트워크에서 신호 전파 간섭을 통한 약력학적 약물 상호 작용 예측 장치.
Figure pat00010

The method according to claim 1,
Wherein the pharmacodynamic drug interaction score between Drug A and Drug B is calculated based on the following equation:
Figure pat00010

 제 1산출부(100)가 단백질 상호 작용 네트워크에서 약물 A의 신호 전파를 시뮬레이션하는 단계(S100);
제 2산출부(200)가 단백질 상호 작용 네트워크에서 약물 B의 신호 전파를 시뮬레이션하는 단계(S200);
신호 전파가 포화된 상태에서 각 단백질에 대한 상기 약물 A 및 약물 B의 영향 정도를 판단하는 단계(S300);
상기 약물 A 및 약물 B의 영향 정도에 기초하여 각 약물 사이의 약력학적 약물 상호 작용 스코어를 산출하는 단계(S500); 를
포함하는 단백질 상호 작용 네트워크에서 신호 전파 간섭을 통한 약력학적 약물 상호 작용 예측 방법.
Simulating (S100) the signal propagation of drug A in the protein interaction network by the first calculation unit 100;
Simulating (S200) the signal propagation of Drug B in the protein interaction network by the second calculator 200;
Determining a degree of influence of the drug A and the drug B on each protein in a state in which signal propagation is saturated (S300);
Calculating (S500) a pharmacodynamic drug interaction score between each drug based on the degree of influence of the drug A and the drug B; To
A method for predicting pharmacodynamic drug interactions through signal propagation interference in an embedded protein interactions network.
제 5항에 있어서,
상기 약물 A 및 약물 B의 신호 전파는
Random Walk With Restart 알고리즘을 통해서 시뮬레이션되는 단백질 상호 작용 네트워크에서 신호 전파 간섭을 통한 약력학적 약물 상호 작용 예측 방법.
6. The method of claim 5,
The signal propagation of Drug A and Drug B
A method for predicting pharmacodynamic drug interactions through signal propagation interference in a protein interaction network simulated by the Random Walk With Restart algorithm.
제 5항에 있어서,
상기 약물 A 및 약물 B의 영향 정도는 하기 수학식에 의하여 판단되는 단백질 상호 작용 네트워크에서 신호 전파 간섭을 통한 약력학적 약물 상호 작용 예측 방법.
Figure pat00011

(이 때, Vi(DrugA)는 Random Walk with Restart 알고리즘의 시뮬레이션이 끝난 후 약물 A의 단백질 i에서 Random Walker가 존재할 확률이다.)
6. The method of claim 5,
Wherein the degree of influence of Drug A and Drug B is determined by the following equation: < EMI ID = 17.1 >
Figure pat00011

(Where Vi (DrugA) is the probability that a random walker will be present in the protein i of drug A after the simulation of the Random Walk with Restart algorithm).
제 5항에 있어서,
상기 약물 A와 약물 B 사이의 약력학적 약물 상호 작용 스코어는 하기 수학식에 의해 산출되는 단백질 상호 작용 네트워크에서 신호 전파 간섭을 통한 약력학적 약물 상호 작용 예측 방법.
Figure pat00012
6. The method of claim 5,
Wherein the pharmacodynamic drug interaction score between drug A and drug B is calculated by the following equation: < EMI ID = 16.1 >
Figure pat00012
KR1020150086901A 2015-06-18 2015-06-18 Apparatus and method predicting pharmacodynamic drug-drug interactions through signaling propagation interference on protein-protein interaction networks KR102334532B1 (en)

Priority Applications (1)

Application Number Priority Date Filing Date Title
KR1020150086901A KR102334532B1 (en) 2015-06-18 2015-06-18 Apparatus and method predicting pharmacodynamic drug-drug interactions through signaling propagation interference on protein-protein interaction networks

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
KR1020150086901A KR102334532B1 (en) 2015-06-18 2015-06-18 Apparatus and method predicting pharmacodynamic drug-drug interactions through signaling propagation interference on protein-protein interaction networks

Publications (2)

Publication Number Publication Date
KR20160149623A true KR20160149623A (en) 2016-12-28
KR102334532B1 KR102334532B1 (en) 2021-12-03

Family

ID=57724217

Family Applications (1)

Application Number Title Priority Date Filing Date
KR1020150086901A KR102334532B1 (en) 2015-06-18 2015-06-18 Apparatus and method predicting pharmacodynamic drug-drug interactions through signaling propagation interference on protein-protein interaction networks

Country Status (1)

Country Link
KR (1) KR102334532B1 (en)

Cited By (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN107742061A (en) * 2017-09-19 2018-02-27 中山大学 A kind of prediction of protein-protein interaction mthods, systems and devices
KR20190049537A (en) 2017-10-30 2019-05-09 서울대학교산학협력단 System and method for predicting compound-protein interaction based on deep learning
WO2019107804A1 (en) * 2017-12-01 2019-06-06 한국과학기술원 Method for predicting drug-drug or drug-food interaction by using structural information of drug
KR102288957B1 (en) 2021-01-28 2021-08-12 주식회사 스탠다임 Method for Searching a Target Node related to a Queried Entity in a Network and System thereof

Citations (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20150049937A (en) 2013-10-31 2015-05-08 한국전자통신연구원 Apparatus for gathering adverse drug event data from personal based on network, and the method of thereof

Patent Citations (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20150049937A (en) 2013-10-31 2015-05-08 한국전자통신연구원 Apparatus for gathering adverse drug event data from personal based on network, and the method of thereof

Non-Patent Citations (3)

* Cited by examiner, † Cited by third party
Title
A. Cami 외, "Phermacointeraction Network Models predic unknown drug-drug interactions", PLOS ONE, 8권, 4호, 2013.04. *
Huang et al., Systematic Prediction of Pharmacodynamic Drug-Drug Interactions through Protein-Protein-Interaction Network, PLoS Computational Biology 2013
S. Vilar 외, "similarity-based modelling in large-scale prediction of drug-drug interactions", Nature Protocols 9, pp.2147-2163, 2014. *

Cited By (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN107742061A (en) * 2017-09-19 2018-02-27 中山大学 A kind of prediction of protein-protein interaction mthods, systems and devices
KR20190049537A (en) 2017-10-30 2019-05-09 서울대학교산학협력단 System and method for predicting compound-protein interaction based on deep learning
WO2019107804A1 (en) * 2017-12-01 2019-06-06 한국과학기술원 Method for predicting drug-drug or drug-food interaction by using structural information of drug
US11568962B2 (en) 2017-12-01 2023-01-31 Korea Advanced Institute Of Science And Technology Method for predicting drug-drug or drug-food interaction by using structural information of drug
KR102288957B1 (en) 2021-01-28 2021-08-12 주식회사 스탠다임 Method for Searching a Target Node related to a Queried Entity in a Network and System thereof
KR20220109285A (en) 2021-01-28 2022-08-04 주식회사 스탠다임 Method for Searching a Target Node related to a Queried Entity in a Network and System thereof

Also Published As

Publication number Publication date
KR102334532B1 (en) 2021-12-03

Similar Documents

Publication Publication Date Title
Koutsoukos et al. SURE: A modeling and simulation integration platform for evaluation of secure and resilient cyber–physical systems
KR102334532B1 (en) Apparatus and method predicting pharmacodynamic drug-drug interactions through signaling propagation interference on protein-protein interaction networks
JP5652326B2 (en) Software module testing method and system
Wang et al. Dynamic poisson autoregression for influenza-like-illness case count prediction
CN108304324A (en) Method for generating test case, device, equipment and storage medium
Serrano et al. A survey of twitter rumor spreading simulations
Savi et al. A Mathematical Description of the Dynamics of Coronavirus Disease 2019 (COVID‐19): A Case Study of Brazil
EA200700394A1 (en) METHOD, DEVICE AND VISUALIZATION SYSTEM OF PROBABILITY MODELS
Čeke et al. Early effort estimation in web application development
CN111430042A (en) Method, apparatus, computer device and storage medium for predicting the spread of an infectious disease
US10956257B2 (en) Dynamic failure-resolution computing engine
CN104067236A (en) Testing a mobile application
Schneider et al. Using web search queries to monitor influenza-like illness: an exploratory retrospective analysis, Netherlands, 2017/18 influenza season
Ódor et al. Switchover phenomenon induced by epidemic seeding on geometric networks
US20170177755A1 (en) System and method for dynamically adjusting an emergency coordination simulation system
RU2017128108A (en) PLANNING INTERACTION WITH SUBJECT
CN108241404A (en) A kind of method, apparatus and electronic equipment for obtaining the off-line operation time
Vogel et al. Mining mobile datasets to enable the fine-grained stochastic simulation of Ebola diffusion
Apenteng et al. The impact of the wavelet propagation distribution on SEIRS modeling with delay
Aguilar et al. Endemic infectious states below the epidemic threshold and beyond herd immunity
JP2009140222A (en) Power estimation method for lsi, and apparatus thereof
US20170322039A1 (en) Evacuation prediction system, evacuation prediction method, and computer-readable recording medium
KR20160149624A (en) Method and apparatus predicting pharmacodynamic drug-drug interactions by the commanlity between drugs
CN115860179A (en) Trajectory prediction method, apparatus, device, storage medium, and program product
US9171339B2 (en) Behavior change detection

Legal Events

Date Code Title Description
E701 Decision to grant or registration of patent right
GRNT Written decision to grant