Ddinter Drug Interactions

何时使用

适用：

• 判断两种同服药物在 DDInter 是否有已知相互作用及其严重度（major / moderate / minor）。
• 拉取某药全部已知互作，做联合用药（polypharmacy）风险评估。
• 识别互作的机制类别：药代动力学 PK（影响 ADME，如 CYP 抑制）vs 药效动力学 PD（靶点叠加/协同/拮抗）。
• 对一份用药清单做两两组合筛查，预先标出 major / moderate 互作。
• 为某药类（如 CYP3A4 底物）构建 DDI 网络/严重度矩阵供处方审核。

不该用（负边界）：

• 需要 FDA 批准的药品标签文本（适应证/剂量/禁忌）→ 用 FDA 标签类数据库（DailyMed），本库只给结构化互作分级。
• 药物-基因（药物基因组学，如 CYP 基因型-药物关联）→ 用 PharmGKB 类资源；DDInter 只覆盖药-药对，不含基因-药对。
• 药物不良事件上报（FAERS/openFDA）→ 用不良事件数据库。

步骤 / 指令

DDInter 是开放、人工策展的药-药相互作用库（2400+ 药、170 万+ 互作对），经 JSON REST API 访问，免认证、免注册。

• 基址：BASE = "https://ddinter.scbdd.com/api"，所有请求带 params={"format":"json"}。
• 依赖：pip install requests pandas matplotlib networkx（仅查询用 requests+pandas 即可）。
• 限速：无官方公布限速，批量循环里加 time.sleep(0.3) 礼貌访问，防服务端节流。

核心约束（务必遵守）：

1. 先把药名解析成 DDInter ID：互作接口不接受自由文本药名。先 GET /drug/?drug_name= 拿 ddinter_id（如 DDInter_D00001），再传给 /interaction/ 或 /between/。
2. 处理分页：/interaction/ 默认每页仅 10 条；warfarin/amiodarone 有数百条互作。循环跟 next URL 直到为 null（拿到 next 后清空 params，因 next 已含参数），并设 page_size=200 减少轮次。
3. 严重度只能客户端过滤：API 不支持服务端按 level 过滤，取回后用 pandas 筛 df["level"].str.lower()=="major"。
4. 单对查询用 /between/（drug1+drug2 两个 ID 都必填，更快）；全量画像用 /interaction/。

端点速查：

响应字段：level（major/moderate/minor）、drug_a/drug_b、mechanism、recommendation、pharmacokinetic_type/pharmacodynamic_type（PK/PD/mixed）。

严重度分级与临床动作：

示例

药名解析 + 取全部互作并按严重度汇总：

import requests, time
import pandas as pd
BASE = "https://ddinter.scbdd.com/api"

def find_drug_id(name):
    r = requests.get(f"{BASE}/drug/", params={"drug_name": name, "format": "json"}, timeout=15)
    r.raise_for_status()
    res = r.json()["results"]
    return (res[0]["ddinter_id"], res[0]["drug_name"]) if res else (None, None)

def get_all_interactions(drug_id, page_size=200):
    out, url = [], f"{BASE}/interaction/"
    params = {"drug_id": drug_id, "format": "json", "page_size": page_size}
    while url:
        r = requests.get(url, params=params, timeout=30); r.raise_for_status()
        data = r.json()
        out.extend(data.get("results", []))
        url, params = data.get("next"), {}   # next 已含参数，清空 params
    return out

drug_id, name = find_drug_id("warfarin")        # -> DDInter_D00001, Warfarin
ixs = get_all_interactions(drug_id)
df = pd.DataFrame(ixs)
print(name, "总互作:", len(df))
if "level" in df.columns:
    print(df["level"].value_counts())          # Major / Moderate / Minor 计数
    major = df[df["level"].str.lower() == "major"]
    df.to_csv(f"{name}_ddi_profile.csv", index=False)

单对快速安全检查（合用前一查）：

def quick_check(d1, d2):
    id1, rn1 = find_drug_id(d1); id2, rn2 = find_drug_id(d2)
    if not id1 or not id2:
        return f"未找到药物: {d1 if not id1 else d2}"
    r = requests.get(f"{BASE}/between/",
                     params={"drug1": id1, "drug2": id2, "format": "json"}, timeout=15)
    r.raise_for_status()
    ixs = r.json().get("results", [])
    if not ixs:
        return f"{rn1} + {rn2}: DDInter 无收录互作（缺失不等于无相互作用）"
    rank = {"major": 3, "moderate": 2, "minor": 1}
    worst = max(ixs, key=lambda x: rank.get(x.get("level", "minor").lower(), 0))
    return f"{rn1} + {rn2}: {worst['level'].upper()} — {worst.get('mechanism','N/A')[:120]}"

print(quick_check("warfarin", "aspirin"))
print(quick_check("warfarin", "fluconazole"))

用药清单两两 polypharmacy 筛查（标 major/moderate）：

import itertools
def check_pair(id1, id2):
    r = requests.get(f"{BASE}/between/",
                     params={"drug1": id1, "drug2": id2, "format": "json"}, timeout=15)
    r.raise_for_status()
    return r.json().get("results", [])

meds = ["warfarin", "aspirin", "atorvastatin", "metformin", "amiodarone"]
id_map = {}
for n in meds:
    ddid, rn = find_drug_id(n)
    if ddid: id_map[n] = (ddid, rn)
    time.sleep(0.3)

flagged = []
for (n1, (i1, r1)), (n2, (i2, r2)) in itertools.combinations(id_map.items(), 2):
    for ix in check_pair(i1, i2):
        if ix.get("level", "").lower() in ("major", "moderate"):
            flagged.append({"drug_1": r1, "drug_2": r2,
                            "severity": ix["level"], "mechanism": ix.get("mechanism", "")[:100]})
    time.sleep(0.3)
pd.DataFrame(flagged).to_csv("polypharmacy_screening.csv", index=False)

可选：用 networkx 把两两互作画成网络，边按严重度上色（major #D32F2F / moderate #F57C00 / minor #388E3C），nx.spring_layout 布局后 plt.savefig("ddi_network.png")。

注意事项

• 缺失 ≠ 安全：/between/ 返回空只代表 DDInter 未收录该对，不等于无相互作用；临床决策须再核对处方信息（DailyMed 等）与机构互作工具。
• 药名匹配：/drug/ 搜出 count: 0 时多因药名不符其命名法，改用 INN 通用名（如 "acetylsalicylic acid" 而非 "aspirin"）或部分名再试。
• 分页截断：互作列表不全，多因默认 page_size=10；设 200 并循环 next 至 null。
• 404 on /interaction/：DDInter ID 无效/拼错，重查 /drug/ 拿正确 DDInter_DXXXXX。
• 去重：批量导出时同一互作会从 drug_a/drug_b 两侧各出现一次；按排序后的药 ID 对去重（drop_duplicates）。
• 超时/连接错误：timeout=30 并对批量请求做指数退避重试；raise_for_status() 后再 r.json() 防服务端返回非 JSON 错误页触发 JSONDecodeError。
• ID 无跨库映射：DDInter 用自有顺序号，不直接对应 ChEMBL/PubChem CID/RxCUI，必须先名称查询拿 ID。

互见

• related：pubchem-compound-search — 由药名/化合物查 PubChem，补充化学结构与标识符。
• related：chembl-bioactivity-database — 生物活性/靶点数据，互作机制溯源到靶点层面。
• related：opentargets-database — 靶点-疾病关联，理解 PD 互作的共同靶点。
• combines_with：deepchem-drug-discovery — 把 DDInter 互作标签作为 DDI 预测模型的监督数据。

采编自 jaechang-hits/SciAgent-Skills（原 license CC-BY-4.0），按本仓库规范适配重写；本条目以 CC-BY-4.0 发布。