药品与体内靶点的相互作用是药品不良反应发生的重要原因。分析药靶蛋白与药品不良反应的关系将有助于从信息学的角度理解药物的作用机制，但目前尚无研究对两者的关系给出具体的分析和描述，也无成熟的理论和方法可以借鉴。本课题将美国FAERS等药品不良事件呈报系统引入药靶预测研究，通过整合药品不良反应数据、化学结构数据以及基因组学数据，建立基于药品不良事件呈报系统预测药靶蛋白的方法论体系，科学阐明药品不良反应与药靶蛋白的关联关系；针对未上市及部分上市药品不良反应数据缺失的问题，建立基于药品化学结构预测药品不良事件谱的数学方法，使识别所有药品的靶蛋白成为可能；另外，通过分析多种数据整合模式，建立药靶蛋白预测的最优模型，提高预测的准确率；并开发高通量的药靶预测软件，建立四种主要药靶家族的候选药靶数据库。本课题不仅为药靶蛋白识别开辟了新的途径和方法，也为药品不良反应的药物基因组学应用研究提供了新的理论基础。

The interaction of drugs and target proteins is the most important cause of adverse drug reactions. Therefore, analyze the relationship between drug-target proteins and adverse drug reactions from the point of view of informatics will help us to understand the mechanisms of drug action. As far as we know, there is no research that has systematically investigated the relationship between drug-target proteins and adverse drug reactions, and there is no appropriate method that can be referred or used directly. In this study, adverse event reporting systems including FAERS are applied to the study of drug-target protein prediction. By integrating pharmacological data, chemical structure data and genomics data, we attempt to investigate the new theory and method for the prediction of drug-target proteins based on adverse event report system. The aim is to clear the relationship between adverse drug reactions and drug-target proteins. To conquer the deficiencies of existing methods, we propose a method to resolve the problem of adverse drug reaction data missing by predicting adverse event profile of drugs. This makes it possible to predict the target proteins of all drugs, including unmarketed drugs and marketed drugs. Furthermore, several different methods for data integration are evaluated and the best one is used to build the final prediction model and thus improve the prediction accuracy. High-throughput prediction software will be developed and applied to the analysis of four classes of important drug-target interactions. This study is anticipated to open up a new way for the identification of drug-target proteins, and also provide a new theoretical foundation for pharmacological studies of adverse drug reactions.

药品与人体内靶点的相互作用是药品不良反应发生的重要原因。分析药靶蛋白与药品不良反应的关系有助于从信息学的角度理解药物的作用机制，但目前尚无研究对两者的关系给出具体的分析和描述，也无成熟的理论和方法可以借鉴。本课题将药品不良事件呈报系统引入药靶蛋白预测研究，通过整合药品不良反应数据、化学结构数据以及基因组学数据，研究基于药品不良事件呈报系统的药靶蛋白预测方法，分析药品不良反应与药靶蛋白的关联关系；另外，针对未上市及部分上市药品不良反应数据缺失的问题，研究基于药品化学结构预测药品不良事件谱的数学方法，使识别药品的靶蛋白成为可能；最后，通过比较多种数据整合模式，建立药靶蛋白的预测模型，提高其预测准确率。主要结果包括：（1）从FAERS、SIDER、KEGG DRUG等数据库系统和已发表的文献中收集整理了研究所需的数据资料200多万条，构建了研究所需的金标准数据集；（2）提出了一种预测药靶家族G蛋白偶联受体亚型的分层分类模型，该模型可在七个水平上对G蛋白偶联受体进行了识别和分类，每层的预测准确率分别为99.56%, 93.96%, 82.81%, 85.93%, 94.1%, 95.38%和92.06%；（3）研究了我国药品不良反应的报告模式，提示我国药品不良反应报告数呈逐年增加的趋势，从2009到2013年分别为638996、692904、852799、1200000和1317000；（4）通过比较多种药靶蛋白预测模型，发现化学基因组学方法在药物-靶标互作预测覆盖范围方面要优于药物基因组学方法；（5）研究了负数据集对药靶蛋白识别的影响，结果表明与随机生成的负数据集相比，利用筛选后的负数据集可有效提高计算方法的预测性能（6）研究了蛋白-药物互作预测的有效方法，结果表明利用单独分类器投票方案可提高分类的准确性。已发表课题相关SCI论文2篇。本课题不仅为药靶蛋白的识别开辟了新的途径和方法，也可为药品不良反应的药物基因组学应用研究提供一定参考。