SEMO vs 传统方法
对比 SEMO 网络医学方法与传统高通量药物筛选方法在方法论、靶点策略、数据需求、成功率、时间成本和个体化能力方面的差异与互补性。
更新时间：2026-06-03
SEMO vs 传统方法高通量筛选药物筛选对比网络医学单靶点筛选PPI网络精准药物筛选药物重定位SteeraMed
方法论对比概述
传统药物筛选和 SEMO 网络医学方法代表了两种不同的药物发现范式。了解它们的差异和各自的优势，有助于在合适的场景中选择合适的方法。
核心对比
| 对比维度 | 传统高通量筛选 | SEMO 网络医学方法 |
|---|---|---|
| 基本理念 | 单靶点结合筛选 | 网络拓扑重塑筛选 |
| 研究范式 | 还原论：逐一测试化合物与靶点的结合 | 系统论：评估化合物对网络整体的影响 |
| 筛选策略 | 大规模化合物库逐一测试 | 计算驱动的智能筛选 |
| 靶点视角 | 关注单一靶点活性 | 关注靶点在网络中的位置和关系 |
| 数据需求 | 化合物库 + 单一靶点蛋白 | 组学数据 + PPI 网络 + 化合物靶点库 |
| 个体化能力 | 有限，通常基于群体数据 | 原生支持，基于个体组学数据 |
| 筛选速度 | 依赖实验通量，通常需要数周到数月 | 计算驱动，可在数小时内完成虚拟筛选 |
| 假阳性处理 | 需要大量后续验证实验 | 通过网络拓扑过滤降低假阳性 |
| 成本投入 | 高（实验设备、试剂、人力） | 较低（主要为计算资源） |
| 适用阶段 | 早期药物发现 | 药物重定位和精准用药 |
传统方法详解
高通量筛选（HTS）
高通量筛选是传统药物发现的主流方法：
- 工作方式：在微孔板中大规模测试化合物与靶点蛋白的结合活性
- 优势：可直接测量分子间的物理结合，结果直观
- 局限：命中率通常较低（约0.01%-0.1%），需要筛选海量化合物
- 适用场景：全新药物发现、先导化合物识别
单靶点范式
传统方法以"一个药物-一个靶点-一个疾病"的线性思维为主导：
- 假设疾病由单一分子异常驱动
- 药物的理想特性是对单一靶点的高选择性
- 这种范式在部分疾病领域取得了成功，但在复杂疾病中面临挑战
传统方法的挑战
- 多靶点药物评估困难：传统方法难以系统评估药物对多个靶点的综合效应
- 脱靶效应难以预测：缺少网络层面的视角来评估潜在的脱靶风险
- 个体差异覆盖不足：基于群体统计的设计难以兼顾个体差异
SEMO 方法详解
网络医学范式
SEMO 代表了网络医学在药物筛选中的应用：
- 工作方式：通过计算化合物对蛋白质网络的重塑效应来评估干预潜力
- 优势：考虑靶点间的相互作用和系统级效应
- 适用场景：药物重定位、精准用药、靶点发现
系统级评估
SEMO 的系统级视角带来了独特优势：
- 评估化合物对整个网络模块的影响，而非单一节点
- 通过网络拓扑分析识别关键的"枢纽"靶点
- 考虑靶点调控的上游和下游效应
个体化分析能力
SEMO 天然支持个体化分析：
- 基于个体组学数据构建个性化网络图谱
- 为每个个体独立计算网络落差和药物推荐
- 支持 N-of-1 精准治疗范式
互补而非替代
需要强调的是，SEMO 和传统方法并非对立关系，而是互补关系：
协同使用场景
- SEMO 缩小搜索范围 → 传统方法精确验证：SEMO 通过计算筛选从数千种化合物中识别出数十种高潜力候选，再通过传统实验方法进行验证
- 传统方法发现靶点 → SEMO 评估网络效应：传统方法发现的靶点可以通过 SEMO 评估其在网络中的系统级影响
- 联合提高成功率：两种方法的结合使用有望提高药物发现的整体成功率
各自的适用场景
- 传统方法更适合：全新化合物发现、药物化学优化、靶点结合活性确认
- SEMO 更适合：药物重定位、精准用药推荐、网络靶点发现、大规模虚拟筛选
技术边界
- SEMO 是计算辅助工具，不能替代实验验证
- 传统方法在测量分子间物理相互作用方面仍不可替代
- 最佳实践是将两种方法结合使用，发挥各自优势