Adverse drug reactions (ADRs) are a major issue in drug development and clinical pharmacology. As most ADRs are caused by unintended activity at off-targets of drugs, the identification of drug targets responsible for ADRs becomes a key process for resolving ADRs. Recently, with the increase in the number of ADR-related data sources, several computational methodologies have been proposed to analyze ADR-protein relations. However, the identification of ADR-related proteins on a large scale with high reliability remains an important challenge. In this study, we suggest a computational approach, which combines a novel concept called single-target compound with a large-scale bio-network embedding technique to enable large-scale prediction of ADR-related proteins for any proteins in the protein-protein interaction network. Suggesting approach provides more reliable predictions for ADR-related proteins, compared to a previously proposed method. Furthermore, two case studies show that most predictive proteins related to ADRs are supported by literature evidence. Overall, this study can provide reliable insights into the relationship between ADRs and proteomes to understand the mechanism of ADRs leading to their prevention.
약물 부작용은 약물 개발 및 임상 약리학에서의 주요 문제이다. 대부분의 약물 부작용은 약물의 비표적에서의 의도하지 않은 활동으로 발생하므로 약물 부작용을 일으키는 약물 표적을 식별하는 것이 약물 부작용을 해결하는 데 매우 중요하다. 최근 약물 부작용 관련 데이터의 수가 증가함에 따라 약물 부작용과 약물의 표적 단백질 사이의 관계를 분석하기 위한 몇 가지 전산 방법론이 제안되었다. 그러나 높은 정확도로 약물 부작용 관련 단백질을 대규모로 예측하는 것은 여전히 중요한 과제로 남아 있다. 본 연구에서는 이를 해결하기 위해 단일 표적 화합물이라는 새로운 개념과 대규모 바이오 네트워크에 대한 임베딩 기술을 결합하여 단백질-단백질 상호 작용 네트워크 내의 모든 단백질에 대해서 약물 부작용과의 관련성을 예측하는 새로운 방법론을 제안하였다. 제안하는 방법론은 이전 연구들과 비교하여 더 우수한 약물 부작용 관련 단백질 예측 성능을 보였다. 또한 두 가지 사례에 대한 문헌 조사를 통해 새롭게 예측된 약물 부작용 관련 단백질이 여러 문헌 증거에 의해 뒷받침됨을 확인하였다. 결론적으로 본 연구의 결과는 약물 부작용과 단백질 사이의 관계에 대한 신뢰할 수 있는 통찰력을 제공하여 약물 부작용 메커니즘의 이해 및 약물 부작용의 예방에 의미 있게 기여할 것으로 기대된다.
