任 彪

（上海理工大学 管理学院，上海 200093）

0 引言

将两种或以上药物组合在一起治疗某种疾病，能够产生协同作用，治疗效果远大于单个药物作用的效果，即为所谓的组合用药［1］。组合用药作用于多个靶点，避免了可能引起的反馈机制，减少了药物毒副作用［2］。基于这些优势，可明确组合药物对于复杂疾病，如癌症、心血管疾病等具有更好的治疗效果，因此组合用药具有重要的研究价值［3］。传统药物组合的发现是基于高通量实验筛选，通过分析高维实验数据，判断药物之间是否会产生协同作用，进而确定药物组合［4］。但如今药物总体数量庞大，药物配对的数量超出了高通量实验能够承受的范围。组学技术的出现可帮助研究者解决这一难题，其结合目前积累的大量数据和经验，有效利用生物信息学和计算工具，挖掘出可靠的信息及各生物信息之间的潜在关系［5］。通过该方法既能发现药物的作用机制，又能降低研究成本、缩短研究周期。

近年来，各种针对药物组合的预测方法发展迅速，其中一些利用组合特征之间的相似性建立机器学习模型以预测有效的药物组合。如Xu 等［6］整合生物学（靶蛋白、疾病通路）、化学（二维结构、化合物相互作用的可能性）及药理学信息（药物疗效），运用随机梯度提升算法预测药物组合。此外，对于非线性的动态作用数据，基于数学模型的方法具有不错的效果。如针对特定分子的常微分方程（ODE）模型，以及针对分子运作过程的Petri 网络模型等［7-9］。……