Natural products have long been the most important source of ingredients in the discovery of new drugs. Moreover, since the Nagoya Protocol, finding alternative herbs with similar efficacy has become a very important issue in traditional medicine. Although random selection is a common method of finding ethno-medicinal herbs with similar efficacy, it proved to be less effective; therefore, this study aims to develop comprehensive a similarity based framework for targeted selection of herbs with similar efficacy adpting non-curated and curated modern scientific biomedical knowledge. The main goal of the framework is to rank candidate herbs on the basis of similarities that are calculated against target herbs (i.e., to tell which candidate herb is more similar to the target herb in terms of efficacy). In the preliminary study, we proposed the method adopting similarity based on medical subject headings (MeSH) between articles in MEDLINE which is the largest non-curated biomedical database. In order to evaluate the proposed method, we built up three kinds of validation datasets which contain lists of original herbs and corresponding herbs or plants with similar efficacy. The average area under curve (AUC) of the proposed method was found to be about 200- 2500% larger than the random selection method. It was also found that the AUC of the proposed method either remained the same or increased slightly in all three validation datasets as the search range was increased. However it has some limitations. As a result, to overcome the limitation and improving the performance of preliminary study, we proposed a novel framework for the targeted selection of herbs with similar efficacy by exploiting drug repositioning technique and curated modern scientific biomedical knowledge, with the goal of improving the possibility of inferring the traditional empirical ethno-pharmacological knowledge. In the main study, we proposed and evaluated a framework that is comprised of the following four layers: links, extract, similarity, and model. In the framework, multiple databases are linked to build an herb-compound-protein-disease network which was composed of one tripartite network and two bipartite networks allowing comprehensive and detailed information to be extracted. Further, various similarity scores between herbs are calculated, and then ranking models are trained and tested on the basis of theses similarity features. The proposed framework has been found to be feasible in terms of link loss. The ranking model showed improved performance by about 180？480%. While building the ranking model, we identified the compound information as being the most important knowledge source and structural similarity as the most useful measure. In other words, compound knowledge and structural similarity will do important roles in the following researches of finding herbs with similar efficacy. Finally, this study sheds light on biomedical applications; decrease cost in the discovery of alternative herbs through narrowing down the experiment object and reduce risk in new drug development by effective selection of herbs with similar therapeutic efficacy.
천연물질(식물)은 신약개발의 가장 중요한 자원이며, 나고야협약 발효이후 유사효능 약재 탐색은 전통 의약학 분야에서 매우 중요하게 되었다. 유사효능 약재 탐색은 주로 무작위적인 방법에 의존하고 있으나 매우 비효율적이므로, 본 연구에서는 현대 생물의학적 과학지식을 활용하여 유사효능 후보약재 우선순위 선정을 위한 포괄적인 유사도 기반 프레임워크를 제안한다. 예비 연구에서는 세계 최대의 생물의학 논문 데이터베이스에 수록된 논문의 의학표목(MeSH) 태그간의 유사도를 이용하는 새로운 방법을 제안하고 제안된 방법의 성능을 검증하기 위해서 3종류의 데이터셋을 구축하였다. 실험을 통해서 제안된 방법은 무작위적인 방법보다 곡선하면적(AUC) 기준으로 200-2500%의 성능 향상을 보였으며 검색기간이 확장됨에 따라 제안된 방법의 정확도가 조금씩 상승하는 것으로 밝혀졌다. 그러나 예비연구는 몇가지 한계가 있으며, 이를 해결하고 유사효능 약재 선별의 정확도를 향상시키기 위해서 후속 연구에서는 약물 리포지션닝 기법 및 엄선된 현대 생물의학적 과학지식을 활용하여 새로운 유사도 기반 프레임워크를 제안하고 성능을 평가하였다. 제안된 프레임워크는 약재-화합물-단백질-질병의 정보 네트워크를 구축하고 기계학습 모델링을 적용하기 위해서 연계, 추출, 유사도, 모델의 4개 층으로 설계되었다. 프레임워크에서는 하나의 삼분 네트워크와 두개의 양분 네트워크로 이루어진 약재-화합물-단백질-질병 정보 네트워크를 구축하고 관련 정보를 추출하였다. 이를 기반으로 약재간의 다양한 유사도를 계산하였으며, 유사도 특성 벡터를 이용하여 랭킹 모델을 학습하고 테스트하였다. 실험결과 제안된 프레임워크의 링크 손실이 약 20%인 것으로 밝혀졌다. 프레임워크에서 학습된 모델은 180-480% 성능 향상을 나타내었다. 랭킹 모델에서 상대적 중요도가 높은 것은 화합물 정보와 구조적 유사도임을 밝혔다. 다시 말하자면, 유사 효능약재 관련 연구에서 화합물 정보와 구조적 유사도가 중요하게 활용될 수 있음을 보였다. 본 연구는 최초의 유사효능 후보약재 우선순위 선정을 위한 프레임워크 연구로써 전통의학 분야에 활용할 수 있을뿐만 아니라 신약개발의 후보물질 선발에 소모되는 시간과 비용을 절감할 수 있을 것으로 기대되어 생물의학 분야에서도 활용될 수 있을 것이다.
