什么是SEMO

什么是SEMO

SEMO 全称 Selective Remodeling of Protein Networks by Chemicals（化学物质对蛋白质网络的选择性重塑），是 DeepoMe 团队开发的一种基于网络医学的计算算法。SEMO 的核心理念是将药物视为对蛋白质相互作用网络的"重塑工具"，而非简单的"靶点抑制剂"。

传统药物发现关注单一靶点与单一化合物的结合关系，而 SEMO 从系统层面审视化合物对整个蛋白质网络拓扑结构的影响，从而为药物筛选和重定位提供更全面的评估框架。

算法概览

SEMO 算法的核心流程可以概括为以下三个阶段：

输入阶段 组学数据（如DNA甲基化谱） + 蛋白质-蛋白质相互作用（PPI）网络 + 化合物靶点数据库

计算阶段

1. 将个体组学信号映射到 PPI 网络结构上
2. 识别与疾病相关的网络子区域
3. 计算化合物靶点对网络子区域的重塑效应
4. 量化"网络落差"（Network Gap）作为干预相关性指标

输出阶段 候选药物排序清单 + 网络重塑路径 + 个体化干预建议

工作原理

1. 网络构建与映射

SEMO 首先基于公开的蛋白质相互作用数据库构建参考 PPI 网络。随后，将个体的组学数据（如 DNA 甲基化检测结果）映射到网络节点上，生成个体化的网络状态图。

2. 疾病网络区域识别

通过分析疾病相关的基因变异和表达变化，SEMO 识别出 PPI 网络中与特定疾病高度关联的子网络区域。这些区域往往包含多个相互作用的蛋白质节点，形成一个功能模块。

3. 化合物重塑效应评估

对于每一个候选化合物，SEMO 分析其已知靶点蛋白在网络中的位置，并计算该化合物对疾病网络区域的重塑潜力。重塑效应越强，表明该化合物越有可能通过调节关键网络节点来干预疾病进程。

4. 网络落差计算

SEMO 引入"网络落差"（Network Gap）概念，量化个体当前网络状态与健康参考状态之间的差异。化合物若能有效缩小这一落差，则被优先推荐为候选干预药物。

核心创新

• 从单靶点到网络层面：突破传统单靶点药物筛选范式，从系统生物学角度评估化合物干预潜力
• 个体化网络状态：利用个体组学数据构建个性化网络图谱，实现精准药物推荐
• 网络落差量化：提出可计算的网络状态差异指标，为干预效果提供量化评估框架
• 跨疾病药物重定位：通过网络拓扑分析发现已有药物的新适应症

与网络医学的关系

SEMO 是网络医学（Network Medicine）理念的具体实践。网络医学由 Albert-Laszlo Barabasi 等学者提出，强调从网络拓扑角度理解疾病机制和药物作用。SEMO 在此基础上进一步结合了：

• 个体化组学数据
• 化合物靶点数据库
• 计算生物学方法

形成了一套可操作的精准药物筛选流程。

技术边界说明

SEMO 是一种计算辅助工具，其输出结果为候选药物优先级排序，供研究人员和临床医生参考。SEMO 的预测结果需要经过实验验证和临床试验确认，不能替代传统的药物开发流程。