信息速览
INFOBOX — DDInter 2.0 一屏速览
维度 内容 本质 药物相互作用开放获取策展数据库（curated open-access drug interaction database），非临床电子病历、非患者级数据 团队 中南大学湘雅药学院为主，国防科技大学计算机学院、中南大学湘雅医院协同；通讯 曹东升（Dongsheng Cao） 论文 NAR 2025, 53(D1): D1356–D1362（doi:10.1093/nar/gkae726；PMID 39180399；PMCID PMC11701621） 官网 ddinter2.scbdd.com（2.0）；1.0 为 ddinter.scbdd.com（2020/2021，DDI 236,834 / 1,833 药） 四类交互 DDI 药物-药物 ｜ DFI 药物-食物 ｜ DDSI 药物-疾病 ｜ 治疗重复（therapeutic duplication） 规模 302,516 条 DDI × 2,310 药 × 8,398 条机制描述；DFI 857 × DDSI 8,359 × 治疗重复 6,033 机制六大类 吸收 / 分布 / 代谢 / 排泄 / 协同 / 拮抗 ，外加 Others/Unknown 兜底 严重度 Major（重度）/ Moderate（中度）/ Minor（轻度）/ Unknown（未知）——采纳 DRUGDEX 等资源口径 文献源 16,028 篇（DDI 12,298 / DFI 430 / DDSI 3,300） 获取 官网浏览 + 处方检查器；Download 页按 ATC 一级分类 CSV 下载（A/B/D/H/L/P/R/V 八文件） 许可 CC BY-NC 4.0（署名—非商业性使用；商用禁，需授权） 库内互链 TWOSIDES(254)、DrugBank(89/571)、DrugCentral(344)、DrugTargetCommons(1080)、DrugProt(827)、MedHop(754) 消歧 与 rid=171 的 ddi（多样皮肤图像跨肤色公平性基准）同缩写异实体，勿混淆
DDInter 2.0 是一个把"两种药一起吃会怎样"这件事系统化、结构化、逐条给出为什么和怎么办的知识库。它不是一份患者处方流水，也不是一个机器学习预测模型，而是一张由临床药师把关的药物相互作用地图：302,516 条药物-药物相互作用，每一条都附带作用机制（为什么相互作用）、风险等级（有多危险）、处置策略（该怎么办）和替代药建议（能不能换一种）。2.0 版在此基础上又新增了药物-食物、药物-疾病、治疗重复三类交互，把"安全用药"的边界从"药与药"扩展到"药与日常"。
导语读法三则：
- 只想快速取数据：直奔 §6 获取与许可——注意 CC BY-NC 非商用限制是硬约束，批量数据按 ATC 分类 CSV 在 Download 页公开下载。
- 关心知识结构：直奔 §4 交互类型与标注体系——DDI/DFI/DDSI/治疗重复四类 + 六大机制类 + 四档严重度是核心骨架。
- 做药物安全建模：直奔 §5 与 §7——机制描述与严重度标签可直接用于 DDI 预测任务的监督信号与评测基准。
§0 导读：这个数据集解决什么问题
0.1 一个被低估的临床风险：多重用药
药物相互作用（drug-drug interaction，DDI）是临床上一个古老却持续被低估的风险。当患者同时服用多种药物时，一种药可能改变另一种药的吸收、分布、代谢或排泄，结果可能是疗效打折，可能是毒性叠加，极端情况下甚至危及生命。多重用药（polypharmacy）在慢病、肿瘤、老年人群中日益普遍，而每增加一种药物，潜在相互作用的组合数就呈组合式增长。
NAR 2025 论文引言给出的量化锚点是：DDI 可能占全部已报告药物不良事件（adverse drug event，ADR）的约 30%，并推高住院率与急诊就诊率。这个数字说明，药物相互作用不是一个边缘问题，而是药物安全体系的一个主干。
0.2 为什么需要"策展"的相互作用库
理论上，相互作用信息可以来自文献、说明书、药物标签、监管机构公告，甚至药物警戒数据库。但这些信息散落在成千上万份文档里，颗粒度不一、术语不统一、质量参差。更麻烦的是，很多公开渠道只告诉你"这两个药有相互作用"，却不告诉你"为什么"和"该怎么办"——而临床真正需要决策时，恰恰是这两点决定成败：是调整剂量、换一种药、还是加强监测。
DDInter 的定位正是填这个空：把散落的相互作用信息，收敛成一个结构化、可检索、逐条标注机制与处置建议的策展知识库。它的口号式描述是 “comprehensive, professional, and open-access database specific to drug-drug interactions”——全面、专业、开放获取。
0.3 从 1.0 到 2.0：一次"扩边"而非"堆量"
DDInter 1.0（2021 年 NAR 论文）聚焦 DDI 单一类型，收录约 0.24M（236,834）条 DDI 关联，连接 1,833 种获批药物。2.0 的升级逻辑不是简单地把 DDI 数量做大，而是扩展相互作用类型的边界：
- DDI（drug-drug interaction）：药物-药物相互作用，从 236,834 扩展到 302,516 条。
- DFI（drug-food interaction）：药物-食物相互作用，857 条，涉 29 种食物——把"葡萄柚汁抑制 CYP3A4""酒精增强镇静"这类常识变成结构化条目。
- DDSI（drug-disease interaction）：药物-疾病相互作用，8,359 条，涉 472 种疾病——回答"这个药对已有肾病/肝病/糖尿病的患者是否安全"。
- 治疗重复（therapeutic duplication）：6,033 条，涉 317 种复方药与 96 个药理类别——识别"不同医生开了同类药"的重复用药风险。
这个"扩边"思路的价值在于：真实世界的用药风险从不局限于"药与药"，食物、合并症、跨科室重复开药都是同一条安全链上的环节。DDInter 2.0 把它们纳入统一框架，是它区别于多数单一 DDI 库的关键。
0.4 本条目要回答的问题
对于一个 AI-Ready 数据条目，读者真正关心的通常是这四件事：
- 这是什么、规模多大、谁做的——§1 速览 + §2 数据构成。
- 知识是怎么组织和标注的——§4 交互类型与标注体系。
- 怎么拿到、能不能商用——§6 获取与许可（含非商用红线）。
- 在药物数据生态里处于什么位置——§7 生态与影响 + §9 库内互链。
本条目遵循千方病案医数集 AI-Ready Wikipedia 的通用规范：以一手来源（官网 + NAR 论文 + 权威索引）为准，所有硬数字标注出处，双口径冲突逐条存照，坑点单独汇编成避坑清单。
§1 数据集速览：十问十答
Q1：DDInter 2.0 到底是什么？
一个开放获取的药物相互作用策展数据库，由中南大学湘雅药学院团队维护，覆盖药物-药物、药物-食物、药物-疾病、治疗重复四类相互作用，逐条标注机制、严重度、处置策略与替代药建议。
Q2：谁做的？
中南大学湘雅药学院为主研单位（通讯作者曹东升），国防科技大学计算机学院与中南大学湘雅医院协同。第一作者为田瑶（Yao Tian）与易家材（Jiacai Yi），两人并列第一作者。
Q3：什么时候发布的？
2.0 版论文 2024 年 8 月 24 日 advance access 上线，2025 年 1 月 6 日正式刊出于 NAR 53(D1)。1.0 版论文为 2021 年 NAR 49(D1)。
Q4：数据规模多大？
2,310 种获批药物；302,516 条 DDI（附 8,398 条机制描述与处置建议）；857 条 DFI（涉 29 种食物）；8,359 条 DDSI（涉 472 种疾病）；6,033 条治疗重复记录（涉 317 种复方药、96 个药理类别）。数据源为 16,028 篇文献。
Q5：数据从哪来？
科学文献（scientific literature）、药品说明书（package inserts）、产品信息标签（labels of production information），由临床药师策展审核。
Q6：怎么获取？
官网 ddinter2.scbdd.com 可在线浏览药物条目、相互作用网络、使用处方检查器（interaction checker）；批量数据在 Download 页按 ATC 一级分类以 CSV 下载（A/B/D/H/L/P/R/V 共八个文件）。
Q7：license 是什么？能商用吗？
CC BY-NC 4.0（署名—非商业性使用）。可以进行非商业性的再使用、分发与改编，须署名原作者；商业使用受限，需向 Oxford University Press 申请授权。这是使用本数据的核心合规红线。
Q8：标注体系长什么样？
机制层面分吸收、分布、代谢、排泄、协同、拮抗六大类，另设 Others/Unknown 兜底；严重度层面采纳 DRUGDEX 等资源口径，分 Major（重度）、Moderate（中度）、Minor（轻度）、Unknown（未知）四档。
Q9：和 DrugBank、TWOSIDES 有什么不同？
DrugBank 是综合药物数据库（含靶点、化学、适应症等），DDI 只是其一个模块；TWOSIDES 是从 FAERS 等不良事件报告挖掘的"相互作用副作用信号"数据集，侧重统计学信号而非策展机制。DDInter 则专精于 DDI 及扩展交互类型，且逐条给出机制描述与临床处置建议。
Q10：它适合谁用？
临床药师与医师（处方安全核查）、药物警戒与药物流行病学研究者、DDI 预测模型开发者（作为监督数据/评测基准）、医学知识图谱工程师、医药数据合规研究者。
1.5 五个最常见的误解
在介绍具体内容前，先厘清五个容易产生的误解：
- 误解：DDInter 包含患者数据。 事实：它是药物级知识库，无任何患者级信息，因此不涉及隐私合规问题。
- 误解：DDInter 可以商用。 事实：它是 CC BY-NC 4.0，非商业可用，商业使用须另行授权。
- 误解：DDInter 是 DDI 预测模型。 事实：它是数据资源，不含预测算法；论文未设模型基准章节。
- 误解：8,398 条机制描述等于每对 DDI 各一篇。 事实：多条 DDI 可共享同一机制描述，8,398 是 distinct 数。
- 误解：DDInter 收录了所有可能的药物相互作用。 事实：它只收录有文献/说明书/标签支持的相互作用，未收录不等于不存在。
§2 数据构成与规格
2.1 规模、来源与机构构成
DDInter 2.0 由三家中国机构协作完成：
- 中南大学湘雅药学院（Xiangya School of Pharmaceutical Sciences, Central South University，长沙 410013）——主研单位，通讯作者曹东升所在单位。
- 国防科技大学计算机学院（School of Computer Science, National University of Defense Technology，长沙 410073）——负责计算/数据科学侧。
- 中南大学湘雅医院（Xiangya Hospital of Central South University，长沙 410008）——临床侧协同。
作者名单为：Yao Tian、Jiacai Yi、Ningning Wang、Chengkun Wu、Jinfu Peng、Shao Liu、Guoping Yang、Dongsheng Cao（通讯）。其中田瑶与易家材为并列第一作者。
数据来源有三：科学文献、药品说明书、产品信息标签。论文与官网统计页共同列出的抽取文献总量为 16,028 篇，其中 DDI 相关 12,298 篇、DFI 相关 430 篇、DDSI 相关 3,300 篇。
2.2 四类交互记录的构成
DDInter 2.0 的核心创新是把相互作用从单一 DDI 扩展到四类。官网统计页给出逐类明细：
| 交互类型 | 记录数 | 覆盖对象 | 附加信息 |
|---|---|---|---|
| DDI（药物-药物） | 302,516 | 2,310 种获批药物 | 8,398 条机制描述与处置建议 |
| DFI（药物-食物） | 857 | 29 种食物 | 430 条机制描述与处置建议 |
| DDSI（药物-疾病） | 8,359 | 472 种疾病 | 3,300 条交互信息与处置建议 |
| 治疗重复 | 6,033 | 317 种复方药、96 个药理类别 | 每条附具体警示与注意事项 |
值得注意的细节：机制描述数（8,398）少于 DDI 记录数（302,516）。这是因为多条 DDI 可能共享同一机制描述——例如众多"经 CYP3A4 代谢的底物 + 强抑制剂"式相互作用，其机制均可归结为同一类描述。8,398 是"不同的、高质量的机制描述"的数量，而非逐条 DDI 各一篇。理解这一点对正确使用数据很关键：机制描述是一个可复用的知识单元，而非与记录一一对应的字段。
2.3 单条记录标注了什么
每个 DDI 关联的标注字段包括：
- severity（严重度）：Major / Moderate / Minor / Unknown 四档之一。
- mechanism description（机制描述）：说明相互作用的药理学原因。
- management strategies（处置策略）：临床该如何应对。
- alternative medications（替代药建议）：可换用的替代药物。
- detailed citations（详细引文）：证据出处。
每个药物实体的标注字段包括：
- basic chemical and pharmacological information：基础化学与药理信息。
- interaction network：该药物的相互作用网络（可视化的节点-边结构）。
- updated ATC codes：更新后的 ATC（Anatomical Therapeutic Chemical，解剖治疗化学分类）编码。
ATC 编码的存在意味着 DDInter 2.0 的药物实体可与其他基于 ATC 分类的医药资源对齐，这是它可互操作性的重要基础。
2.4 版本链：1.0 与 2.0 的数字对照
| 维度 | DDInter 1.0 | DDInter 2.0 |
|---|---|---|
| 官网 | ddinter.scbdd.com | ddinter2.scbdd.com |
| 主要年份 | 2020（数据）/2021（论文） | 2024（数据）/2025（论文） |
| DDI 记录 | ≈0.24M（236,834） | 302,516 |
| 药物数 | 1,833 获批药（1,972 entities） | 2,310 获批药 |
| 机制描述 | 论文未单列 | 8,398 条 |
| 交互类型 | 仅 DDI | DDI + DFI + DDSI + 治疗重复 |
这个对照表明：2.0 在 DDI 本体上增幅约 28%（236,834 → 302,516），但真正的版图扩张在新增的三类交互——从单点（药-药）扩到四面（药-药、药-食、药-病、药-药同类重复）。
2.5 双口径与边界声明
使用 DDInter 2.0 前必须注意两处数字口径：
- 药物数 2,310 vs 2,290：NAR 论文摘要、正文与官网统计页均记 2,310 种获批药物；官网首页 “Comprehensive data coverage” 文案记 2,290 种。本条目以 2,310（论文/统计页）为准，2,290 属官网首页文案口径。
- 1.0 的 ≈0.24M vs 236,834：1.0 论文写"约 0.24M"，1.0 官网首页写 236,834，系四舍五入差异，非冲突。
此外须明确：DDInter 是药物级知识库，不是患者级数据。它不包含任何个体患者的处方记录或用药历史，因此不存在个人隐私（PHI）问题——这一点把它与临床电子病历类数据集（如 MIMIC、eICU）清晰区分开。
2.6 药物实体与 ATC 编码体系
DDInter 2.0 的药物实体标注带 updated ATC codes（更新后的 ATC 编码）。ATC 是世界卫生组织（WHO）协作中心维护的药物分类系统，按五级层次编码：
- 第 1 级：解剖学主组（共 14 组，用字母 A–V 表示，如 A=消化道与代谢、B=血液与造血器官、C=心血管系统、L=抗肿瘤与免疫调节）。
- 第 2 级：治疗学/药理学亚组（两位数字）。
- 第 3 级：药理学亚组（一位字母）。
- 第 4 级：化学亚组（一位字母）。
- 第 5 级：化学物质（两位数字）。
DDInter 官网 Download 页正是按 ATC 第 1 级（解剖学主组）拆分数据文件，这解释了为什么下载只有八个文件（A/B/D/H/L/P/R/V）——它只拆出了本次纳入药物实际涉及的八个一级组，而非全部 14 组（C 心血管、G 泌尿生殖、J 全身抗感染、M 骨骼肌肉、N 神经系统、S 感觉器官等在 2.0 的拆分文件中未单列，可能并入或未覆盖，见 §10 遗留疑点）。
ATC 编码的存在带来两个实用价值：
- 跨库对齐：任何标注了 ATC 的药物实体，可与其他使用 ATC 的药物资源（如 DrugBank、DrugCentral、监管机构数据）按编码对齐，实现跨源整合。
- 类别级分析：治疗重复那一类交互（涉 96 个药理类别）天然依赖治疗类别划分，而 ATC 提供了标准化的类别骨架。
须注意：ATC 编码是分类标识而非唯一药物标识——同一 ATC 第 5 级可能对应多个商品名/盐型，跨库对齐时仍须小心实体归一化。
2.7 一个规模对照：DDInter 在相互作用库中的量级
把 DDInter 2.0 的规模放到同类资源中比较，有助于理解它的位置：
| 资源 | DDI 记录量级 | 类型 |
|---|---|---|
| DDInter 2.0 | 302,516 | 策展知识库（含机制/严重度/处置） |
| DDInter 1.0 | 236,834 | 策展知识库 |
| TWOSIDES | 数十万级相互作用-副作用对 | 信号挖掘（非策展） |
| DrugBank DDI 模块 | 数十万级 | 综合库的子模块 |
量级上，DDInter 2.0 的 30 万级 DDI 与主流资源处同一数量级；真正的差异化不在数量，而在每条记录附带的机制、严重度、处置与替代药标注深度，以及四类交互类型的覆盖广度。
§3 四类相互作用：从"药与药"到"药与日常"
DDInter 2.0 相对 1.0 的最大结构性变化，是把药物相互作用从一个单点问题扩展为一个四面问题。理解这四类的边界与临床意义，是使用该库的前提。
3.1 DDI：药物-药物相互作用（302,516 条）
这是 DDInter 的立库之本，也是 1.0 与 2.0 共同的骨干。DDI 指两种或多种药物同用时，一药改变另一药的药代动力学（pharmacokinetics，PK）或药效动力学（pharmacodynamics，PD），导致疗效或毒性改变。
典型场景：华法林（warfarin）与多种药物、食物存在相互作用，是临床上最需谨慎的抗凝药之一；酮康唑（ketoconazole）作为强 CYP3A4 抑制剂与他汀类（如洛伐他汀 lovastatin）合用，会升高他汀血药浓度、增加肌病风险。这类"酶抑制剂 + 酶底物"的组合是 DDI 中最常见、也最需要机制知识来预判的类型。
论文引用的量化背景是：代谢性相互作用（主要由 CYP450 同工酶介导）可占患者中发现的 DDI 的约 40%。这解释了为什么 DDInter 的机制标注把代谢单独列为一类，且篇幅最重。
3.2 DFI：药物-食物相互作用（857 条，涉 29 种食物）
DFI 指食物或饮料影响药物的吸收、分布、代谢或排泄，或增强/削弱其疗效。官网 explanation 页给出的典型例子：
- 酒精改变多种药物的 PK/PD，可增强苯二氮䓬类与阿片类的镇静效应，也可能降低疗效或增加毒性。
- 葡萄柚汁抑制肠道与肝脏的 CYP450 酶（主要是 CYP3A4），导致他汀类、钙通道阻滞剂、部分抗抑郁药血药浓度升高，增加不良事件风险。
- 富含酪胺的食物（如陈年奶酪、腌肉）与单胺氧化酶抑制剂（MAOI）合用，可因酪胺蓄积引发高血压危象。
- 富含维生素 K 的绿叶蔬菜可拮抗华法林的抗凝作用。
- 高钙食物（如乳制品）可与环丙沙星、四环素类形成难溶螯合物，显著降低抗菌药吸收。
DFI 的价值在于把"吃药时要注意饮食"这类口头医嘱，变成可查询、可结构化、可嵌入处方系统的条目。857 条 DFI 相对 DDI 数量虽少，但覆盖了临床最常被追问的饮食禁忌场景。
3.3 DDSI：药物-疾病相互作用（8,359 条，涉 472 种疾病）
DDSI 指药物与患者已存在的疾病状态之间的相互作用——某药可能加重基础疾病、降低疗效或增加不良反应风险。官网列出的常见 DDSI 涉及肾病、肝病与糖尿病，因为这些疾病影响患者的药物代谢与清除能力。
典型场景：非甾体抗炎药（NSAIDs）可能恶化慢性肾病患者的肾功能。这类相互作用的特殊性在于，它的"对方"不是另一种药，而是患者的一个合并症标签——这意味着 DDSI 的检索逻辑天然与"患者画像/合并症清单"绑定，对临床决策支持系统尤其友好。
8,359 条 DDSI 覆盖 472 种疾病，其中 3,300 条附有详细交互信息与处置建议。
3.4 治疗重复（6,033 条，涉 317 种复方药、96 个药理类别）
治疗重复指患者同时使用两种或以上同一治疗类别的药物，可能由多位医生分别开药或用药核对不充分导致。这不一定表现为经典的"药-药相互作用"，但同样有临床风险：同类药物叠加可能增强副作用、增加过量风险。
官网给出的例子：患者可能同时服用含苯海拉明的感冒药与助眠药（两者成分重复）；或从不同医生处拿到镇静作用相似的助眠药与抗焦虑药。常见治疗重复类别包括抗组胺药、NSAIDs、抗胆碱能/解痉药。
治疗重复被单列为一类，反映了 DDInter 2.0 的一个认识：安全用药不只是"别把危险的两种药放一起"，还包括"别把同一种作用重复开两遍"。96 个药理类别的划分，使其能按治疗类别批量筛查重复用药。
3.5 四类的协同价值
四类交互合起来，覆盖了一条完整的临床用药安全链：
- 开药时查 DDI——避免危险的药物组合。
- 交代饮食时查 DFI——避免"药食同服"的隐形风险。
- 评估个体化用药时查 DDSI——为合并症患者避雷。
- 用药核对（medication reconciliation）时查治疗重复——防止重复开药。
这也是 DDInter 2.0 相对纯 DDI 库的差异化定位：它试图成为一个"药物安全的一站式知识入口"，而非单点工具。
3.6 为什么"药与日常"这一扩展重要
在真实临床中，药物安全事件往往不发生在"两个处方药的组合"，而是发生在更隐蔽的地方：
- 患者早餐喝了葡萄柚汁，同时服了降脂药（DFI）。
- 有慢性肾病的老人因感冒自行服了布洛芬（DDSI + 非处方药）。
- 患者从心内科和骨科分别拿到两种相似作用的止痛药（治疗重复）。
这些场景的共同点是：它们不发生在单一处方的视野内。传统 DDI 检查器只覆盖"处方内药物的两两组合"，对跨处方的重复、药食同服、合并症风险视而不见。DDInter 2.0 把交互类型扩展到四类，正是为了让知识库的覆盖范围逼近真实用药风险的分布。这也是它自称"more complete resource for clinical decision-making"（更完整的临床决策资源）的底气所在。
3.7 三类新增交互的数据特点
从数据构成看，三类新增交互呈现"精而非多"的特点：
- DFI（857 条）——数量最少，但覆盖的都是高频、高临床意义的饮食场景，属于"精选高频"策略。
- DDSI（8,359 条）——数量居中，覆盖 472 种疾病，属于"中等粒度广泛覆盖"。
- 治疗重复（6,033 条）——以类别为单位组织，96 个药理类别是骨架，属于"类别级组织"。
三者的数据规模都远小于 DDI（302,516 条），这符合"DDI 是主干、其余是补充"的定位。使用者不应期待三类新增交互有与 DDI 同等的细粒度。
§4 标注体系：机制六大类与严重度四档
DDInter 2.0 的临床价值，很大程度上不在"收录了多少对相互作用"，而在"每一对标注得有多细"。它的标注分两个正交维度：作用机制（为什么）与严重度（多危险）。
4.1 作用机制标注：六大类 + 两个兜底类
官网 explanation 页明确列出机制标注的六大类，并各给出临床实例：
4.1.1 吸收（Absorption）
吸收相关相互作用多与以下机制有关：与钙、铁等阳离子螯合；药物溶出高度依赖胃 pH（如抗酸药升高胃 pH 后影响伊曲康唑吸收）；肠道 P-糖蛋白（P-glycoprotein，P-gp）外排转运体的抑制或诱导（如大环内酯类抑制 P-gp 使地高辛毒性增强）。官网特别说明，这些机制同样适用于 DFI。
4.1.2 分布（Distribution）
药物向组织的分布由流入/外排转运体介导，并受蛋白结合影响（只有游离部分能穿透组织膜）。相关机制包括竞争血浆蛋白结合位点、改变游离药物分数、影响特定组织器官的分布。例如甲氨蝶呤与阿司匹林合用致血液学毒性，源于阿司匹林竞争使甲氨蝶呤从血浆蛋白结合位点被置换、清除减少。
4.1.3 代谢（Metabolism）
代谢性相互作用多由 CYP450 同工酶介导，可占患者中发现的 DDI 的约 40%。相互作用药物可分为底物（substrate）、抑制剂（inhibitor）、诱导剂（inducer）：抑制剂降低酶活性，诱导剂提高酶活性。例：酮康唑（强 CYP3A4 抑制剂）+ 洛伐他汀（CYP3A4 底物）→ 洛伐他汀血药浓度升高、肌病风险增加；利福平（强 CYP3A4 诱导剂）→ 降低维拉帕米的血药浓度与药理效应。
4.1.4 排泄（Excretion）
排泄相关相互作用可通过肾血流改变、肾小管主动分泌竞争、尿液 pH 改变等机制发生，多发生在肾脏。例：丙磺舒（probenecid）竞争肾小管主动分泌，升高青霉素血药浓度；利尿剂通过减少钠重吸收、增加锂重吸收，升高血清锂浓度。
4.1.5 协同（Synergy）
协同指药物组合的整体效应大于各药效应之和——用于增强疗效时有益，管理不当则增加毒性。例：氨基糖苷类抗生素有耳毒性，呋塞米可增强其耳毒性，尤其肾功能受损时；苯二氮䓬类与阿片类的叠加效应可致呼吸抑制甚至昏迷死亡（机制为中枢神经系统 GABA 与阿片受体共定位、细胞内转导通路交叉）。
4.1.6 拮抗（Antagonism）
拮抗指药物组合的整体效应小于加和——临床上有时用于减轻某些药物的有害效应，但也可能抵消合用药物的药理作用。例：阿片拮抗剂与阿片合用会削弱两类的治疗效应；β 阻滞剂（如普萘洛尔）可拮抗异丙肾上腺素的支气管扩张、降压与心动过速效应。
4.1.7 Others 与 Unknown（兜底类）
- Others：部分相互作用的扩展描述含糊，难以归入具体类别，标注为 Others。
- Unknown：从 Sci Transl Med 文章收集的 DDI 缺乏机制描述，标注为 Unknown（严重度同样标 Unknown）。
这两类的存在体现了策展的诚实性——宁可显式标"未知"，也不强行归类。但对使用者而言，这意味着机制标注并非 100% 完备，做机制驱动的分析时须考虑 Unknown/Others 的占比（论文未公开该占比，见 §10 遗留疑点）。
4.2 严重度标注：采纳 DRUGDEX 口径的四档
官网明确说明，严重度分类采纳 DRUGDEX 及其他类似资源的建议：
| 等级 | 英文 | 定义 |
|---|---|---|
| 重度 | Major | 相互作用危及生命和/或需医疗处理或干预以防严重不良反应 |
| 中度 | Moderate | 相互作用可能加重患者疾病和/或需改变治疗 |
| 轻度 | Minor | 相互作用限制临床效应，表现可能为不良反应频率或严重度增加，但通常不需改变治疗 |
| 未知 | Unknown | 源自 Sci Transl Med 且缺机制描述的 DDI，严重度标 Unknown |
区分 Major/Moderate/Minor 的临床意义在于能否转化为行动：
- Major 通常触发"禁止合用/换药"的硬决策。
- Moderate 常触发"调整剂量/加强监测"的软决策。
- Minor 多只需知晓、无需干预。
对数据科学家而言，这套四档标签可直接作为 DDI 预测任务的监督信号或排序目标（如"预测是否为 Major"）。
4.3 与来源文献的对应关系
回顾四类的来源分布（§2.1）：DDI 12,298 篇、DFI 430 篇、DDSI 3,300 篇，合计 16,028 篇。文献数与记录数并非一一对应——一篇综述可能贡献多对相互作用，一对相互作用可能有多篇文献支持。这种"多对多"关系也是 detailed citations 字段存在的意义：为每条记录保留可回溯的证据链。
4.4 标注质量的一个观察
DDInter 由临床药师策展（官网表述 “Curated by pharmacists”），并有药师审核环节。相较于纯自动化抽取或纯社区众包的相互作用库，这提升了机制描述与处置建议的可靠性。但须注意：策展不等于临床权威——DDInter 自述目标是"支持临床决策"，而非"替代临床决策"。任何基于它的用药判断，都须结合患者个体情况与权威临床资源（说明书、监管公告、临床指南）。
4.5 机制六大类与药代动力学四阶段的对应
值得指出的是，六大机制类中的前四类（吸收、分布、代谢、排泄）恰好对应经典药代动力学（PK）的 ADME 四阶段，后两类（协同、拮抗）则属于药效动力学（PD）范畴。这种划分逻辑是：
| 机制类 | 所属范畴 | 核心问题 |
|---|---|---|
| 吸收 Absorption | PK·ADME | 药物能否进入体循环、进入多少 |
| 分布 Distribution | PK·ADME | 药物分布到哪里、有多少游离态 |
| 代谢 Metabolism | PK·ADME | 药物被转化多快（CYP450 为主） |
| 排泄 Excretion | PK·ADME | 药物被排出多快（肾脏为主） |
| 协同 Synergy | PD | 组合效应是否大于加和 |
| 拮抗 Antagonism | PD | 组合效应是否小于加和 |
理解这个对应关系，能让使用者快速定位机制类别的药理本质：要查"为什么这两药相互作用"，先判断它是 PK 型（改变了药物浓度）还是 PD 型（改变了对靶点的作用），再细化到具体阶段。这也是 DDInter 机制标注比"仅标有/无相互作用"更有分析价值的原因。
4.6 严重度分布的预期形态
虽然 DDInter 未公开各严重度档位的数量分布（见 §10 遗留疑点），但从相互作用库的一般规律可做合理预期：Moderate 通常占多数，Major 相对稀少，Minor 与 Unknown 各占一定比例。原因在于：
- 真正危及生命（Major）的组合在临床上多已被严格管控、甚至禁用，不会大量存在于普通处方场景。
- 绝大多数被记录在案的相互作用属于"需注意、可能要调整"（Moderate）的中间地带。
- 从 Sci Transl Med 等来源补录的 DDI 因缺机制描述标 Unknown，构成一个独立的小类。
做 DDI 预测建模时，若以严重度为预测目标，须特别警惕类别不平衡——Major 样本稀少会导致模型倾向预测为 Moderate，需用重采样或代价敏感学习处理。
4.7 处置策略与替代药的临床工程价值
DDInter 每条记录附带的 management strategies（处置策略）与 alternative medications（替代药建议），是它区别于"纯知识描述型"库的关键。从临床工程视角看，这两个字段的价值在于可编译为规则：
- Major + “建议换用替代药 X” → 可直接编译为 CDSS 的"拦截 + 推荐"规则。
- Moderate + “建议监测某指标” → 可编译为"提示 + 监测提醒"规则。
- Minor + “通常无需调整” → 可降级为"信息提示"。
这意味着 DDInter 不只是给人看的查询库，也可作为临床决策支持系统的规则来源。但编译时须注意：处方检查器的实际落地还需考虑患者个体化因素（如肾功能、基因多态性），静态规则库只能覆盖标准场景，个体化判断仍须临床介入。
§5 应用场景与使用方式
DDInter 2.0 的论文未设独立的基准测试章节——它的价值主张是"数据资源"而非"模型评测"，这与图像分割类数据集不同。它的应用场景由官网明确分两类受众陈述。
5.1 面向医师与药师
官网列出的四类临床用途：
- 按相互作用描述调整剂量（dose adjustment according to the interaction descriptions）——利用机制描述指导剂量决策。例如知道某相互作用是"酶抑制致底物蓄积"，就比只知道"两者有相互作用"更能指导具体调量。
- 按风险等级权衡利弊（judge if advantages overweight disadvantages based on the risk level）——在高风险（Major）组合面前，判断是否值得冒险合用。
- 从替代药建议获取换药指导（gain drug replacement guidance from the alternative medications）——alternative medications 字段直接给出可换用的替代方案。
- 及时识别危险组合以防 ADR——利用处方检查器在开方环节拦截高危组合。
5.2 面向数据科学家
官网列出的两类用途：
- 作为 DDI 检测/预测的资源（obtain valuable interaction data as the resources for the detection of potential DDIs）——把 DDInter 作为监督学习的正样本来源，训练 DDI 预测模型。
- 作为 DDI 预测工具的性能验证集（employ DDInter to validate the performance of DDI prediction tools）——用策展的相互作用数据作为金标准，评估预测工具的准确率。
这两点使 DDInter 成为药物安全机器学习研究中的一个常用参照。但须注意一个方法论陷阱：如果训练集与测试集都来自 DDInter，评测可能高估模型在真实临床分布上的表现（DDInter 收录的多是有文献/说明书支持的相互作用，存在选择偏倚）。用 DDInter 评测时，最好配合独立的临床验证集。
5.3 处方检查器（Interaction Checker）
官网界面提供了处方检查模块（interaction checker），允许输入多种药物、筛查组合风险。论文 Figure 2 展示了该模块：以 Amprenavir（DDInter90）为例的药物相互作用列表、具体药物对详情页（含替代药推荐）、处方检查模块、检查结果与增强的交互数据管理界面。这是把静态知识库转化为动态临床工具的接口设计。
5.4 一个使用边界的提醒
DDInter 的检索入口以药物为单位（可以通过药物名、简称、示例检索如 Acetylsalicylic acid / Abacavir / ABC / Theine）。这意味着它的天然交互场景是"给定药物集合、查询相互作用"，而非"给定患者、给出完整用药建议"。后者需要结合患者合并症（DDSI 的输入）、当前全部用药（治疗重复的输入）才能完整覆盖——DDInter 提供了数据，但整合成个体化决策是下游系统的任务。
5.5 面向三类典型用户的实操路径
路径一：临床药师查处方
给定患者当前用药清单（如 5 种药），在官网处方检查器逐项录入，筛查出的 DDI 按严重度排序，对 Major 级逐一核对处置策略与替代药。若患者有合并症（肾病/肝病/糖尿病），额外查 DDSI。这是 DDInter 最直接的临床使用方式。
路径二：数据科学家建 DDI 预测模型
下载八个 CSV 合并为全库 → 抽取"药物对 + 是否相互作用 + 严重度/机制"作为监督信号 → 划分训练/验证/测试集（建议按药物实体而非按相互作用对划分，避免同一药物的相互作用同时进训练与测试造成泄漏）→ 训练模型 → 用独立的临床验证集（而非同一 DDInter 的另一子集）评估。注意 §5.2 提到的选择偏倚问题。
路径三：知识图谱工程师建药物子图
以药物为节点、相互作用为边、机制类为边标签、严重度为边权重，构建药物相互作用子图 → 用 ATC 编码与其他药物资源对齐实体 → 将 DDSI/DFI 作为药物与疾病/食物节点的跨类型边。DDInter 的四类交互为知识图谱提供了丰富的边类型。
5.6 使用前的三点质量预期
- 覆盖非完备：DDInter 收录的是"有文献/说明书/标签支持"的相互作用，不代表穷尽了所有可能的相互作用。未收录 ≠ 无相互作用。
- 时效有滞后：作为策展库，其更新周期以版本计（1.0→2.0 跨约 4 年），新上市药物或最新公告可能滞后。
- 权威需交叉：临床决策场景下，DDInter 应与官方说明书、监管机构公告、临床指南交叉验证，而非单点采信。
§6 获取与许可：非商用红线是第一位
6.1 访问方式
在线浏览：ddinter2.scbdd.com 提供药物列表、相互作用网络、处方检查器与多种数据可视化工具。用户可浏览药物与交互条目、检索药物的相互作用网络、进行处方检查。
批量下载：官网 Download 页提供按 ATC 一级分类拆分的 CSV 文件，共八个：
| 文件 | 覆盖范围 | 大小 |
|---|---|---|
ddinter_downloads_code_A.csv |
消化道与代谢类药物 | 3.3 MB |
ddinter_downloads_code_B.csv |
血液与造血器官药物 | 867.7 KB |
ddinter_downloads_code_D.csv |
皮肤科药物 | 1.5 MB |
ddinter_downloads_code_H.csv |
全身激素制剂（不含性激素与胰岛素） | 705.1 KB |
ddinter_downloads_code_L.csv |
抗肿瘤与免疫调节剂 | 3.9 MB |
ddinter_downloads_code_P.csv |
抗寄生虫药、杀虫剂与驱虫剂 | 317.5 KB |
ddinter_downloads_code_R.csv |
呼吸系统药物 | 1.8 MB |
ddinter_downloads_code_V.csv |
其他药物 | 700.8 KB |
各文件下载 URL 形如 https://ddinter2.scbdd.com/static/media/download/ddinter_downloads_code_<X>.csv。
须注意：官网未提供公开的 REST API 说明（见 §10 遗留疑点），因此程序化批量获取主要依赖上述 CSV 下载或自行爬取。ATC 一级分类的拆包方式，意味着做全库分析时需自行合并八个文件。
6.2 许可：CC BY-NC 4.0 与非商业限制
NAR 2025 论文版权页明确标注：
This is an Open Access article distributed under the terms of the Creative Commons Attribution-NonCommercial License (https://creativecommons.org/licenses/by-nc/4.0/), which permits non-commercial re-use, distribution, and reproduction in any medium, provided the original work is properly cited. For commercial re-use, please contact reprints@oup.com for reprints and translation rights for reprints.
逐条拆解这一许可的实务含义：
| 权限 | 说明 |
|---|---|
| 署名（BY） | 允许非商业性再使用、分发与改编，但须适当署名原作者。 |
| 非商业（NC） | 核心红线——不得用于商业目的。任何以盈利为目的的产品、服务、内部工具集成前，都须先解决授权问题。 |
| 无 ShareAlike | 许可名称中没有 SA（ShareAlike）条款，因此不强制衍生作品采用相同许可。 |
| 商用授权 | 商业使用须联系 Oxford University Press（reprints@oup.com / RightsLink）获取再版与翻译权。 |
非商用限制是本条目使用的第一合规约束。对于企业用户（药企、临床决策软件商、保险/健康管理平台），若要集成 DDInter 数据，必须先取得 OUP 的商业授权，不能直接援引 CC BY-NC 使用。
6.3 一个双口径存照：CC BY-NC 还是 CC BY-NC-SA
本条目写作前的候选情报（brief）称 DDInter 2.0 采用 CC BY-NC-SA 4.0（含 ShareAlike）。但一手核验的结果是：NAR 2025 论文版权页脚注明确写的是 Creative Commons Attribution-NonCommercial License（CC BY-NC 4.0），不含 ShareAlike。官网亦无独立 license 页面可作二次佐证。
本条目以**论文版权页（CC BY-NC 4.0）**为准成稿。差异原因可能是 brief 情报将另一个同类数据库的许可表述误植，或官网某处历史表述；鉴于论文是权威一手来源，此处按 CC BY-NC 4.0 采用，并在 §10 存照此疑点供后续复核。使用者若对 ShareAlike 与否敏感（如计划做衍生许可的产品），建议直接联系作者或 OUP 确认。
6.4 引用规范
学术使用 DDInter 2.0 时，应引用其数据论文：
Tian Y, Yi J, Wang N, Wu C, Peng J, Liu S, Yang G, Cao D.
DDInter 2.0: an enhanced drug interaction resource with expanded data
coverage, new interaction types, and improved user interface.
Nucleic Acids Research, 2025, 53(D1): D1356–D1362.
doi: 10.1093/nar/gkae726 (PMID: 39180399; PMCID: PMC11701621)
若追溯 1.0 的原始工作，另引：Xiong G, et al. DDInter: an online drug-drug interaction database… Nucleic Acids Res. 2021; 49(D1). PMID: 34634800。
6.5 与库内可获取性光谱的对照
在千方病案医数集已收录的药物类资源中，可获取性呈现一个光谱：
- 完全开放（如部分 CC BY 资源）——可直接商用（须署名）。
- 非商用开放（DDInter 2.0，CC BY-NC）——非商业可自由用，商用须授权。DDInter 处于这一档。
- 请求制/注册制——须申请或注册后获取。
- 受限/需付费——如部分商业药物数据库。
DDInter 的"非商用开放"定位，使它在学术研究、开源工具、教学场景中几乎无门槛，但在商业产品中需另走授权——这是使用者做技术选型时必须纳入的合规成本。
§7 生态与影响：在药物数据版图中的位置
7.1 前作与谱系
DDInter 的谱系清晰：1.0（2020 数据 / 2021 论文，NAR 49(D1)）奠定了"策展 + 机制标注 + 处方检查"的基本形态；2.0（2024 数据 / 2025 论文，NAR 53(D1)）在同一形态上扩展了交互类型与数据规模。两版共用 scbdd.com 域名下的不同子站（ddinter.scbdd.com 与 ddinter2.scbdd.com），形成明确的版本链。
这个"数据库专刊发表 + 显式版本迭代"的模式，是 NAR Database Issue 类资源的典型成功路径：以论文确证数据贡献，以官网提供持续服务，以版本号承载扩展。
7.2 与主流药物相互作用资源的对照
| 资源 | 定位 | 与 DDInter 的关系 |
|---|---|---|
| DrugBank | 综合药物数据库（化学、靶点、适应症、代谢、DDI 模块） | DDInter 专精相互作用且逐条给机制/处置；DrugBank 覆盖面更广但 DDI 非唯一重心 |
| TWOSIDES | 从不良事件报告挖掘的"相互作用副作用信号" | TWOSIDES 提供统计学信号（可能未经验证），DDInter 提供策展知识——两者互补 |
| DrugCentral | 药物-靶点/适应症知识库 | 机制层面的互补；DDInter 的机制描述可与靶点信息结合理解 |
| DRUGDEX | 商业临床药物知识库（严重度分类的源口径之一） | DDInter 的严重度标准采纳 DRUGDEX 建议，但 DDInter 本身开放获取 |
| DrugTargetCommons | 药物-靶点关联知识库 | 药物实体层面可对齐 |
DDInter 的差异化在于三点：专精 DDI 及扩展交互类型、逐条给机制/严重度/处置/替代药、开放获取（非商用）。第三点尤其关键——多数具备同等机制标注深度的资源（如 DRUGDEX）是商业的。
7.3 对下游研究的影响
DDInter 被广泛用作：
- DDI 预测模型的监督数据——正样本来源，或作为评测金标准。
- 知识图谱构建的药物子图来源——以药物为节点、相互作用为边、机制为边属性。
- 临床决策支持系统（CDSS）的规则库——把 Major 级相互作用编译为告警规则。
- 药物警戒研究——与真实世界 ADR 信号（如 FAERS）交叉验证。
其开放获取（非商用）的许可，使其成为学术研究的低门槛选择。但也正因为许可限制，它在商业 CDSS 中的直接采用受限，这反过来影响了它在产业侧的渗透率。
7.4 生态位的边界
DDInter 的边界也很清晰：它是知识库，不是实时药物警戒系统（不追踪 FDA/EMA 最新公告），不是患者用药记录系统（无患者级数据），也不是DDI 预测模型（提供数据而非算法）。把它定位为"权威的相互作用知识底稿"，而非"即时的临床决策权威"，是避免误用的关键。
7.5 开放获取的"双刃"：可及性与商业化的张力
DDInter 选择 CC BY-NC 4.0，是一个明确的战略取舍：
- 利：学术、教学、开源社区几乎零门槛使用，最大化科研影响力与引用。对研究者而言，这是"拿来即用"的理想资源。
- 弊：商业化的门槛高——任何以盈利为目的的集成都须另行授权。这限制了它在商业 CDSS、药企工具、保险健康平台中的渗透。
对比之下，若采用完全开放许可（如 CC BY），商业可用性更高但可能损失数据的经济价值；若采用严格专有许可，则影响力受限。DDInter 的 CC BY-NC 选择，本质上是优先保证学术可及性、把商业化留给授权谈判的路线。这一取舍对理解"开放科学数据如何平衡公益与商业"具有样本意义。
对使用者的实操含义很简单：先判断你的用途是不是商业，再决定能不能直接用。
7.6 与千方病案医数集收录逻辑的契合
千方病案医数集收录数据集时关注其"AI-Ready"程度——即数据对 AI 建模/知识工程的适配性。DDInter 2.0 在此维度表现良好：结构化字段、明确的标注体系、可对齐的 ATC 编码、清晰的出处与版本链，使其可直接用于知识图谱构建、关系抽取监督、DDI 预测建模等任务。其唯一显著制约是 CC BY-NC 的商用限制——这一点在本条目中被反复强调，因为它是该数据集最重要的合规属性。
§8 方法学启示：三条可迁移的经验
DDInter 2.0 作为数据资源，其构建逻辑里有几条对"知识库类数据集"有普适价值的方法学经验。
8.1 扩展"交互类型的边界"比单纯"堆量"更有价值
1.0 → 2.0 的 DDI 数量增幅约 28%（236,834 → 302,516），如果只看这个数字，会低估 2.0 的进步。真正的跃迁是新增了 DFI、DDSI、治疗重复三类。这说明：对一个成熟的知识库，"再加一类相关问题"往往比"把已有问题的样例再翻一倍"更能扩展其应用面。
可迁移的启示：构建专业数据库时，先问"这个知识体系的自然邻域还有哪些未被覆盖的问题类"，而不是只问"数据量还能不能更大"。
8.2 "机制 + 严重度"双维度标注是可复用的知识组织范式
DDInter 的标注不是简单的"有/无相互作用"，而是"为什么（六大机制类）+ 多危险（四档严重度）+ 怎么办（处置/替代药）"。这套"为什么-多危险-怎么办"的三段式，可迁移到许多临床知识库的设计：
- 为什么（机制）——支持因果推理，而非黑箱匹配。
- 多危险（严重度）——支持风险排序与行动阈值。
- 怎么办（处置/替代）——直接可执行，而非只报问题。
许多知识库止于第一层（描述现象），DDInter 把三层都做了，这是它临床可用性的来源。
8.3 策展的"诚实性"：显式标注 Unknown 而非强行归类
DDInter 保留 Others/Unknown 两个兜底类，明确承认部分相互作用无法归入既定机制类别（或缺乏机制描述）。这种"不假装完备"的做法，对知识库的可信度有利——使用者能知道哪些条目的机制是明确的、哪些是不确定的。
可迁移的启示：在知识库中显式建模"不确定性"，比强行给每条记录都填一个类目更诚实、也更有用。代价是使用者需要处理这些兜底类（做机制分析时须排除或单独分析 Unknown/Others）。
8.4 从"单一问题"到"问题族"的演进路径
DDInter 的 1.0→2.0 演进，展示了一条知识库成长的通用路径：先在一个明确问题上做到策展深度，再把相邻问题纳入同一框架。
- 第一步（1.0）：把 DDI 这一个问题做深——不只记录"有相互作用"，还给出机制、严重度、处置、替代药。
- 第二步（2.0）：把"药物安全"这个母问题下的相邻子问题（食物、疾病、重复用药）纳入。
这条路径的可迁移性在于：它避免了"贪多嚼不烂"（先在单一问题上建立质量口碑），又实现了"版图扩张"（再向问题族延伸）。对比那些一上来就宣称覆盖一切、却在每个子问题上都浅尝辄止的资源，DDInter 的节奏更稳健。
8.5 开放许可的战略取舍
§7.5 已讨论 CC BY-NC 的双刃性，这里从方法学角度再提炼一条经验：知识库的许可选择，本质是"影响力 vs 变现"的权衡。DDInter 选 NC，等于放弃了一部分商业渗透，换取学术界的无障碍采用。对以学术影响为主要 KPI 的资源（NAR 数据库专刊类），这是合理选择。但如果目标是建立一个产业标准，NC 反而可能成为障碍。这一取舍没有绝对对错，关键是与资源的战略目标匹配。
§9 与库内条目的关系
千方病案医数集已收录多个药物/相互作用类资源，DDInter 2.0 与它们构成一个互补的知识网络。
9.1 家族图谱
| 库内条目 | rid | 与 DDInter 2.0 的关系 |
|---|---|---|
| TWOSIDES | 254 | 最相关。TWOSIDES 从不良事件报告挖掘"药物相互作用-副作用"信号，DDInter 提供策展的"相互作用知识"——前者是统计信号、后者是知识底稿，互为验证与补充 |
| DrugBank | 89 / 571 | 综合药物数据库，其 DDI 模块与 DDInter 在相互作用覆盖上可对照；DrugBank 提供更全的药物本体信息 |
| DrugCentral | 344 | 药物-靶点/适应症库，机制层面与 DDInter 的机制标注可互链 |
| DrugTargetCommons | 1080 | 药物-靶点关联知识库，药物实体层面可对齐 |
| DrugProt | 827 | 化学品-蛋白相互作用抽取语料（NLP 任务），与 DDInter 的机制描述在"相互作用抽取"方向可互链 |
| MedHop | 754 | 跨文档多跳推理的药物相互作用阅读理解数据集，是 DDInter 数据的下游推理应用的一个例子 |
9.2 消歧声明（重要）
库内存在一个缩写撞名须显式声明：
- rid=171 的 slug 为
ddi，但它是 Diverse Dermatology Images（多样皮肤图像跨肤色公平性基准），与药物相互作用毫无关系，纯属 “DDI” 三字母缩写的巧合撞名。 - 检索者若以 “ddi” 为关键词，会同时命中该皮肤影像条目与本 DDInter 条目；两者必须在语义上严格区分。不得合并。
9.3 检索路径建议
- 想找药物相互作用知识：本条目（ddinter）。
- 想找相互作用副作用信号：TWOSIDES（rid=254）。
- 想找综合药物本体：DrugBank（rid=89/571）。
- 想找药物-靶点关联：DrugCentral（rid=344）、DrugTargetCommons（rid=1080）。
- 想找相互作用抽取 NLP 语料：DrugProt（rid=827）。
- 想找相互作用推理问答：MedHop（rid=754）。
- 误入皮肤影像 DDI：rid=171（
ddi），与本条目无关。
9.4 建议互链点（供主会话回填）
按 R018 纪律，正文与 frontmatter 的互链 rid 一律占位 /0。建议入库后回填的互链目标（须以入库时 DB 实查的在架 rid 为准）：
ddinter↔twosides（254）：药物相互作用知识 vs 副作用信号，强相关。ddinter↔drugbank（89 或 571，取在架者）：综合药物库对照。ddinter↔drugcentral（344）：机制层面互链。ddinter↔drugprot（827）：相互作用抽取互链。
§10 避坑清单：使用 DDInter 2.0 的八个坑
坑 1：把"非商用"当成"随便用"，商业产品直接集成导致合规风险。
DDInter 2.0 是 CC BY-NC 4.0，含明确 NonCommercial 限制。非商业（学术、教学、开源）可自由用（须署名）；任何商业产品、盈利服务的集成前，必须先向 OUP 取得授权。这是最容易踩、代价最大的一坑。
坑 2：引用药物数时用了官网首页的 2,290，与论文的 2,310 打架。
NAR 论文与官网统计页记 2,310 种获批药物，但官网首页 “Comprehensive data coverage” 文案记 2,290 种。写论文/报告引用时须声明口径来源，推荐用 2,310（论文口径）。同一条目内出现两个药物数会被审稿人质疑。
坑 3：误以为 8,398 条机制描述是"每对 DDI 各一篇"。
8,398 是"不同的机制描述"数量，小于 302,516 条 DDI 记录数。多条 DDI 可共享同一机制描述（如大量"CYP3A4 底物 + 抑制剂"式相互作用）。不要把 8,398 当成 DDI 记录的机制字段总数，也不要期待每条 DDI 都有唯一机制文本。
坑 4：把 DDInter 当临床权威直接用于处方。
DDInter 是策展知识库，目标是"支持"而非"替代"临床决策。它的条目可靠但非绝对权威（含 Unknown/Others 兜底、可能滞后于最新公告）。实际用药决策须结合说明书、监管公告、临床指南与患者个体情况。
坑 5：忽略 Unknown/Others 机制类，做机制分析时纳入导致偏差。
源自 Sci Transl Med 的 DDI 缺机制描述被标 Unknown，模糊描述被标 Others。做机制驱动的统计（如"代谢类 DDI 占比"）时，若把 Unknown/Others 算进分母而不单独说明，会稀释结果。论文未公开这两类占比，须自行统计。
坑 6：以为有公开 API，写脚本时找不到接口。
官网未提供公开 REST API。程序化获取依赖 Download 页的八个 CSV（按 ATC 分类）或自行爬取网页。规划数据管道前须先确认获取路径。
坑 7：下载了单个 ATC 分类文件，误以为就是全库。
Download 页把数据按 ATC 一级分类拆成八个 CSV（A/B/D/H/L/P/R/V）。做全库分析时必须合并八个文件，只下一个会漏掉大部分药物类别（如只下 code_A 就漏掉抗肿瘤的 L、血液的 B 等）。
坑 8：与库内 rid=171 的 ddi（皮肤影像）混淆。
ddi 是 Diverse Dermatology Images（多样皮肤图像），与药物相互作用无关，仅缩写撞名。检索、互链、去重时都必须把两者严格区分，不得合并。
§11 总结
11.1 三句话总结
- DDInter 2.0 是中南大学湘雅药学院团队维护的开放获取药物相互作用策展数据库，覆盖 DDI（302,516 条）、DFI（857 条）、DDSI（8,359 条）、治疗重复（6,033 条）四类交互，跨 2,310 种获批药物，含 8,398 条作用机制描述与处置建议，发表于 NAR 2025。
- 它的核心价值是"逐条给机制、严重度、处置与替代药"的临床可执行标注体系（机制六大类 + 严重度四档），把"两药同用会怎样"从模糊常识变为结构化知识。
- 它的第一约束是 CC BY-NC 4.0 的非商用限制——非商业场景几乎无门槛，商业集成须先取得 OUP 授权。
11.2 适合谁
- 临床药师 / 医师：处方相互作用筛查、剂量调整与换药参考。
- 药物警戒 / 药物流行病学研究者：相互作用知识的权威底稿。
- DDI 预测 / 药物安全建模者：监督数据与评测基准来源。
- 医学知识图谱工程师：药物-相互作用-机制三元组的现成来源。
- 医药数据合规研究者：CC BY-NC 类数据许可的研究样本。
11.3 不适合谁
- 需要商业授权的企业产品：直接集成前必须先解决 CC BY-NC 的商用问题。
- 需要患者级用药数据的分析：DDInter 是药物级知识库，无患者数据。
- 需要实时监管更新的场景：DDInter 是策展知识库，不追踪最新公告。
- 需要"开箱即用 DDI 预测模型"的用户：DDInter 提供数据而非算法。
11.4 30 秒决策卡
| 你想要的 | 行动 |
|---|---|
| 查两个药能不能一起吃 | 官网 ddinter2.scbdd.com 用处方检查器 |
| 批量拿相互作用数据 | Download 页按 ATC 分类下八个 CSV 并合并 |
| 做学术研究 | 自由使用（CC BY-NC），须署名，引用 NAR 2025 论文 |
| 集成进商业产品 | 先联系 OUP 获取商业授权，不可直接援引 CC BY-NC |
| 找药物本体/靶点信息 | 转 DrugBank(89/571)、DrugCentral(344) |
| 找相互作用副作用信号 | 转 TWOSIDES(254) |
FAQ（高频问答 26 问）
A. 基础认知
Q1：DDInter 是什么的缩写？
DDInter = Drug-Drug Interaction 数据库的品牌名。官方全名在 2.0 论文标题中为 “DDInter 2.0: an enhanced drug interaction resource”。
Q2：2.0 和 1.0 最本质的区别是什么？
1.0 只做 DDI（药物-药物）；2.0 新增了 DFI（药物-食物）、DDSI（药物-疾病）与治疗重复三类，并从 236,834 条 DDI 扩到 302,516 条。
Q3：它和 DrugBank 的 DDI 模块有什么不同？
DrugBank 是覆盖化学、靶点、适应症、代谢的综合药物数据库，DDI 只是其中一个模块；DDInter 专精相互作用，且逐条给出机制、严重度、处置策略与替代药建议。
Q4：DDInter 包含患者数据吗？
不包含。它是药物级知识库，没有患者处方或用药记录，因此无个人隐私问题。这与 MIMIC、eICU 等患者级数据集完全不同。
Q5：数据是谁策展的？
临床药师（官网表述 “Curated by pharmacists”），来源为科学文献、说明书与产品标签。
Q6：DDInter 的机制标注有哪几类？
吸收、分布、代谢、排泄、协同、拮抗六大类，外加 Others 与 Unknown 两个兜底类。
B. 数据与获取
Q7：2,310 还是 2,290 种药物？
论文与官网统计页记 2,310；官网首页文案记 2,290。推荐用 2,310（论文口径）并声明来源。
Q8：为什么机制描述只有 8,398 条，DDI 却有 302,516 条？
因为多条 DDI 可共享同一机制描述（如大量 CYP3A4 相关相互作用）。8,398 是"不同的机制描述"数，不是逐条 DDI 的机制字段数。
Q9：怎么下载全部数据？
官网 Download 页按 ATC 一级分类提供八个 CSV（A/B/D/H/L/P/R/V），需合并后才能得到全库。
Q10：有官方 API 吗？
截至核验时，官网未提供公开 REST API。批量获取依赖 CSV 下载或爬取。
Q11：DFI 涉多少种食物？DDSI 涉多少种疾病？
DFI 涉 29 种食物（857 条记录）；DDSI 涉 472 种疾病（8,359 条记录）。
Q12：治疗重复记录涉多少复方药和药理类别？
6,033 条治疗重复记录，涉 317 种复方药与 96 个药理类别。
C. 许可与合规
Q13：DDInter 2.0 的 license 是什么？
CC BY-NC 4.0（署名—非商业性使用），依据 NAR 2025 论文版权页。
Q14：能商用吗？
不能直接用。CC BY-NC 允许非商业再使用、分发、改编（须署名），商业使用须向 Oxford University Press 申请授权。
Q15：衍生作品必须用同样许可吗（ShareAlike）？
按论文脚注的 CC BY-NC 4.0，无 ShareAlike 条款。候选情报曾称 CC BY-NC-SA 4.0，本条目以论文为准存照差异。
Q16：怎么引用？
引用 NAR 2025 论文：Tian Y, et al. Nucleic Acids Res. 2025;53(D1):D1356–D1362. doi:10.1093/nar/gkae726。
D. 标注与质量
Q17：严重度分几档？
四档：Major（重度）、Moderate（中度）、Minor（轻度）、Unknown（未知），采纳 DRUGDEX 口径。
Q18：Unknown 和 Others 是什么意思？
Unknown：源自 Sci Transl Med 且缺机制描述的 DDI；Others：机制描述含糊、难归具体类别的相互作用。
Q19：Major 级相互作用意味着什么？
危及生命和/或需医疗处理或干预以防严重不良反应——通常触发"禁止合用/换药"的硬决策。
Q20：DDInter 能替代临床决策吗？
不能。它是策展知识库，目标是"支持"临床决策，实际用药须结合患者个体情况与权威临床资源。
E. 库内与生态
Q21：DDInter 和 TWOSIDES 怎么区分？
TWOSIDES（rid=254）是从不良事件报告挖掘的相互作用-副作用统计信号；DDInter 是策展的相互作用知识底稿。前者是信号、后者是知识。
Q22：库内 rid=171 的 ddi 是本条目吗？
不是。rid=171 是 Diverse Dermatology Images（多样皮肤图像跨肤色公平性基准），与药物相互作用无关，仅缩写撞名。
Q23：DDInter 能用于训练 DDI 预测模型吗？
可以，学术场景下作为正样本或评测基准。但注意用 DDInter 训练又用 DDInter 评测会有选择偏倚，最好配合独立临床集。
F. 机构与细节
Q24：通讯作者是谁？
曹东升（Dongsheng Cao），中南大学湘雅药学院，Email: oriental-cds@163.com。
Q25：论文发表在哪一年哪一卷？
NAR 2025, 53(D1): D1356–D1362；2024-08-24 advance access。
Q26：官网 1.0 和 2.0 是两个网站吗？
是。1.0 为 ddinter.scbdd.com，2.0 为 ddinter2.scbdd.com，同属 scbdd.com 域。
Q27：DDInter 的药物带什么标识符？
带 ATC 编码（Anatomical Therapeutic Chemical code），以及基础化学与药理信息。ATC 编码便于与其他药物资源跨库对齐。
Q28：DFI 里的食物只有 29 种，够用吗？
29 种是"被结构化收录的食物"数，覆盖的是临床最常被追问的饮食禁忌场景（葡萄柚、酒精、酪胺食物、维生素 K 食物、高钙食物等）。它不追求穷举，而是覆盖高频风险食物。
Q29：DDSI 和一般说的"禁忌症"是一回事吗？
不完全等同。禁忌症（contraindication）是绝对禁止；DDSI 更宽，指药物与疾病状态之间可能加重病情、降低疗效或增加风险的各种相互作用，处置不一定是禁止，也可能是监测或调量。
Q30：治疗重复和"重复用药"是一回事吗？
治疗重复（therapeutic duplication）专指同一治疗类别内多药叠加；泛义的"重复用药"可能还包括同一药物的重复给药（给药间隔错误等）。DDInter 收录的是前者的类别级重复。
Q31：DDInter 会收录中草药/天然产物吗？
2.0 的收录以获批药物（approved drugs）为主体，官网描述聚焦常规药物。中草药/膳食补充剂的覆盖情况论文与官网未特别说明，须谨慎推断（见 §10 遗留疑点）。
Q32：DDInter 的处方检查能替代医院的合理用药系统吗？
不能完全替代。它可作为知识来源，但院内合理用药系统通常还整合了本院药品目录、医保规则、患者个体数据等。DDInter 是通用知识层，不是机构定制层。
事实清单（硬事实 30 条）
- 官方全名：DDInter 2.0（an enhanced drug interaction resource）。
- 1.0 名：DDInter（an online drug-drug interaction database）。
- 2.0 官网：https://ddinter2.scbdd.com 。
- 1.0 官网：https://ddinter.scbdd.com 。
- 2.0 论文：NAR 2025, 53(D1): D1356–D1362。
- DOI：10.1093/nar/gkae726。
- PMID：39180399。
- PMCID：PMC11701621。
- Advance access：2024-08-24。
- 正式刊出：2025-01-06（53(D1)）。
- 1.0 论文：NAR 2021, 49(D1)，PMID 34634800。
- 主研单位：中南大学湘雅药学院。
- 协同单位：国防科技大学计算机学院、中南大学湘雅医院。
- 通讯作者：Dongsheng Cao（曹东升）。
- 并列第一作者：Yao Tian、Jiacai Yi。
- 药物数：2,310 种获批药物（论文/统计页）。
- DDI 记录：302,516 条。
- 机制描述：8,398 条（distinct）。
- DFI 记录：857 条，涉 29 种食物。
- DDSI 记录：8,359 条，涉 472 种疾病。
- 治疗重复：6,033 条，涉 317 种复方药、96 个药理类别。
- 文献源总量：16,028 篇（DDI 12,298 / DFI 430 / DDSI 3,300）。
- 机制六大类：吸收/分布/代谢/排泄/协同/拮抗 + Others/Unknown。
- 严重度四档：Major/Moderate/Minor/Unknown。
- 许可：CC BY-NC 4.0（非商用）。
- 获取：官网浏览 + ATC 分类 CSV 下载（八文件）。
- 1.0 规模：≈0.24M（236,834）DDI，1,833 药。
- 代谢性 DDI 占患者中 DDI 约 40%（论文引言）。
- DDI 可能占已报告 ADR 约 30%（论文引言）。
- 商业授权联系方：Oxford University Press（reprints@oup.com）。
- 2.0 数据 last update：2024-05-14（NGDC 索引口径）。
- 1.0 官网标 “Current Release: DDInter 1.0”，last update 2020-09-04。
- 通讯作者电话：+86 731 89824761。
- 资助：国家重点研发计划 2021YFF1201400 等。
- 平台域：scbdd.com（中南大学生物医药数据平台系列）。
术语表（28 条）
| 术语 | 英文 | 释义 |
|---|---|---|
| DDI | drug-drug interaction | 药物-药物相互作用 |
| DFI | drug-food interaction | 药物-食物相互作用 |
| DDSI | drug-disease interaction | 药物-疾病相互作用 |
| 治疗重复 | therapeutic duplication | 同一治疗类别药物重复使用 |
| 多重用药 | polypharmacy | 同时使用多种药物 |
| 药物不良事件 | adverse drug event (ADE) | 用药相关的有害事件 |
| 不良反应 | adverse drug reaction (ADR) | 药物引起的有害反应 |
| 药代动力学 | pharmacokinetics (PK) | 药物在体内的吸收/分布/代谢/排泄 |
| 药效动力学 | pharmacodynamics (PD) | 药物对机体的作用 |
| 吸收 | absorption | 药物进入体循环的过程（机制类之一） |
| 分布 | distribution | 药物向组织分布的过程（机制类之一） |
| 代谢 | metabolism | 药物的生物转化（机制类之一） |
| 排泄 | excretion | 药物的排出（机制类之一） |
| 协同 | synergy | 组合效应大于各药之和（机制类之一） |
| 拮抗 | antagonism | 组合效应小于加和（机制类之一） |
| CYP450 | cytochrome P450 | 细胞色素 P450 酶系，代谢性 DDI 的主要介导者 |
| 底物 | substrate | 被酶代谢的药物 |
| 抑制剂 | inhibitor | 降低酶活性的药物 |
| 诱导剂 | inducer | 提高酶活性的药物 |
| P-糖蛋白 | P-glycoprotein (P-gp) | 外排转运体，影响吸收与分布 |
| 螯合 | chelation | 与金属离子结合影响吸收 |
| 血浆蛋白结合 | plasma protein binding | 药物与血浆蛋白结合，仅游离部分有活性 |
| 严重度 | severity | 相互作用的风险等级 |
| 处置策略 | management strategy | 应对相互作用的临床建议 |
| 替代药 | alternative medication | 可换用的替代药物 |
| ATC 编码 | Anatomical Therapeutic Chemical code | 解剖治疗化学分类编码 |
| 处方检查器 | interaction checker | 筛查处方中相互作用风险的工具 |
| 策展 | curation | 人工审核整理数据的过程 |
附录
附录 A：条目信息速查卡
| 字段 | 值 |
|---|---|
| slug | ddinter |
| 名称 | DDInter 2.0 |
| 类型 | 药物相互作用策展数据库 |
| 官网 | https://ddinter2.scbdd.com |
| 论文 | NAR 2025;53(D1):D1356-D1362 |
| DOI | 10.1093/nar/gkae726 |
| PMID | 39180399 |
| 主研 | 中南大学湘雅药学院 |
| 通讯 | 曹东升（Dongsheng Cao） |
| 规模 | DDI 302,516 / 药 2,310 / 机制 8,398 |
| 许可 | CC BY-NC 4.0 |
| 获取 | 官网浏览 + ATC 分类 CSV |
附录 B：DAIMS 评估全表
DAIMS（Data and AI Readiness Model & Score）从数据可发现性、可访问性、可互操作性、可重用性等维度评估数据集对 AI 的适配度。
| DAIMS 维度 | 评分 | 说明 |
|---|---|---|
| D1 可发现性（Discoverability） | 高 | 有独立官网 + NAR 论文 + PubMed/PMC + NGDC 索引，多入口可检索 |
| D2 可访问性（Accessibility） | 高 | 官网公开浏览 + 批量 CSV 下载，无需注册；惟缺公开 API |
| D3 可理解性（Understandability） | 高 | 论文 + explanation 页详述机制/严重度标注标准，字段定义清晰 |
| D4 可互操作性（Interoperability） | 中高 | 药物带 ATC 编码便于对齐；但无标准化交换格式（如 RDF/OWL），主要为 CSV |
| D5 可重用性（Reusability） | 中 | CC BY-NC 允许非商业重用，但 NonCommercial 限制削弱了商业场景的可用性 |
| D6 数据质量（Data Quality） | 中高 | 药师策展 + 文献/说明书溯源，含引文；但 Others/Unknown 占比未公开 |
| D7 出处与版本（Provenance） | 高 | 显式版本链（1.0→2.0）、论文 DOI、机构与资助信息完整 |
| D8 结构化程度（Structure） | 高 | 四类交互 + 多字段标注（机制/严重度/处置/替代/引文），结构化良好 |
综合判断：DDInter 2.0 在可发现性、可访问性、结构化程度与出处透明度上表现优秀，是一个 AI-Ready 程度较高的知识库类数据集；其主要短板是①缺公开 API、②非标准交换格式、③CC BY-NC 的商用限制对产业化应用构成门槛。
附录 C：逐项证据链自证
| 事实 | 证据来源 |
|---|---|
| 302,516 DDI / 2,310 药 / 8,398 机制 | NAR 2025 摘要 + 官网统计页 |
| DFI 857 / DDSI 8,359 / 治疗重复 6,033 | NAR 2025 摘要 + 官网统计页 |
| 16,028 篇文献源 | 官网 explanation 统计页 |
| 机制六大类 + Others/Unknown | 官网 explanation §5 |
| 严重度四档（DRUGDEX 口径） | 官网 explanation §6 |
| CC BY-NC 4.0 | NAR 2025 论文版权页脚注 |
| ATC 分类 CSV（八文件） | 官网 Download 页 |
| 机构与作者 | NAR 2025 论文署名 + NGDC 索引 |
| 1.0 规模 236,834 / 1,833 | 1.0 官网首页 + 1.0 论文 |
附录 D：数据获取决策树
需要 DDInter 数据？
├─ 只是零星查几个药？
│ └─ 官网 ddinter2.scbdd.com 在线检索/处方检查器
├─ 要全库批量？
│ ├─ 非商业用途 → Download 页下八个 CSV 并合并 → 自由使用（署名）
│ └─ 商业用途 → 先联系 OUP 获取授权 → 再下载集成
└─ 要程序化 API？
└─ 官网暂无公开 API → 依赖 CSV 下载或自行爬取
附录 E：四类交互速查
| 类型 | 记录数 | 输入 | 输出/用途 |
|---|---|---|---|
| DDI | 302,516 | 两个/多个药 | 相互作用+机制+严重度+处置+替代药 |
| DFI | 857 | 药 + 食物 | 饮食禁忌与机制 |
| DDSI | 8,359 | 药 + 疾病 | 合并症用药风险 |
| 治疗重复 | 6,033 | 多药（同类） | 重复用药警示 |
附录 F：严重度分级速查
| 等级 | 临床含义 | 典型行动 |
|---|---|---|
| Major | 危及生命/需干预 | 禁止合用、换药 |
| Moderate | 加重病情/需改治疗 | 调量、加强监测 |
| Minor | 限制效应，通常不需改治疗 | 知晓即可 |
| Unknown | 缺机制描述 | 谨慎对待 |
附录 G：双口径登记表
| 项目 | 口径 A | 口径 B | 采用 |
|---|---|---|---|
| 药物数 | 2,310（论文/统计页） | 2,290（官网首页） | A |
| License | CC BY-NC 4.0（论文） | CC BY-NC-SA 4.0（brief 情报） | A（存照 B） |
| 1.0 DDI 数 | 236,834（官网） | ≈0.24M（论文） | 两者一致（四舍五入） |
附录 H：核心文献
- Tian Y, Yi J, Wang N, Wu C, Peng J, Liu S, Yang G, Cao D. DDInter 2.0: an enhanced drug interaction resource with expanded data coverage, new interaction types, and improved user interface. Nucleic Acids Res. 2025;53(D1):D1356–D1362. doi:10.1093/nar/gkae726. PMID:39180399.
- Xiong G, Yang Z, Yi J, Wang N, Wang L, Zhu H, Wu C, Lu A, Chen X, Liu S, Hou T, Cao D. DDInter: an online drug-drug interaction database towards improving clinical decision-making and patient safety. Nucleic Acids Res. 2021;49(D1). PMID:34634800.
附录 I：本条目生产档案
| 项 | 值 |
|---|---|
| 代理 | agent-f-ddinter |
| 开工 | 2026-10-16 |
| 一手来源 | 官网 ddinter2.scbdd.com + NAR 2025 论文 + PubMed/PMC/NGDC |
| 核验方式 | WebFetch 官网首页/下载页/explanation 页 + WebSearch 三源互证 |
| 查重结论 | 无撞库（DB 无 ddinter；dedup_gate 两条 HIT 均为误报） |
| 互链占位 | /0（入库后回填） |
| 遗留疑点 | license 变体、Unknown/Others 占比、无公开 API |
附录 J：检索关键词组合建议
- 药物相互作用知识：
DDInter、drug-drug interaction database、药物相互作用数据库。 - 与副作用信号区分：
DDInter vs TWOSIDES、drug interaction curated vs signal。 - 机制相关：
CYP450 drug interaction mechanism、P-glycoprotein interaction。 - 许可合规：
DDInter license CC BY-NC、drug interaction database commercial use。
附录 K：缩写速查
| 缩写 | 全称 |
|---|---|
| DDI | drug-drug interaction |
| DFI | drug-food interaction |
| DDSI | drug-disease interaction |
| ADR | adverse drug reaction |
| ADE | adverse drug event |
| PK | pharmacokinetics |
| PD | pharmacodynamics |
| CYP450 | cytochrome P450 |
| P-gp | P-glycoprotein |
| ATC | Anatomical Therapeutic Chemical |
| NAR | Nucleic Acids Research |
| NGDC | National Genomics Data Center |
| CDSS | clinical decision support system |
| DAIMS | Data and AI Readiness Model & Score |
附录 L：与库内条目的关系声明
本条目（ddinter）与库内 rid=254（twosides）、rid=89/571（drugbank）、rid=344（drugcentral）、rid=1080（drugtargetcommons）、rid=827（drugprot）、rid=754（medhop）为主题相关但不同的资源，互不合并。与 rid=171（ddi，Diverse Dermatology Images）为缩写撞名，语义无关，严禁合并。
附录 M：维护计划与触发点
- 触发复核：DDInter 发布 3.0 版本时，须更新规模数字、版本链与获取方式。
- 许可复核：官网若出现独立 license 页面或修改许可，须重新核验并更新 §6。
- API 复核：官网若新增公开 API，须更新 §6.1 与附录 D 决策树。
- 占比复核：若论文或官网后续公开 Unknown/Others 机制类占比，须补入 §4.1.7 与坑 5。
附录 N：DDI 记录字段字典（据论文与官网描述）
| 字段 | 含义 | 取值/类型 |
|---|---|---|
| drug pair | 相互作用的两种药物 | 药物实体引用（含 ATC 编码） |
| severity | 严重度 | Major / Moderate / Minor / Unknown |
| mechanism | 作用机制描述 | 文本（8,398 条 distinct） |
| mechanism class | 机制大类 | 吸收/分布/代谢/排泄/协同/拮抗/Others/Unknown |
| management | 处置策略 | 文本 |
| alternative | 替代药建议 | 药物引用列表 |
| citations | 引文 | 参考文献 |
附录 O：四类交互的字段差异
| 字段 | DDI | DFI | DDSI | 治疗重复 |
|---|---|---|---|---|
| 对象 A | 药物 | 药物 | 药物 | 多药 |
| 对象 B | 药物 | 食物 | 疾病 | 同类别药 |
| 机制描述 | ✓（8,398） | ✓（430） | ✓（3,300） | 附警示 |
| 严重度 | ✓ | 部分 | 部分 | 警示级 |
| 处置/替代 | ✓ | ✓ | ✓ | ✓ |
附录 P：1.0 vs 2.0 详细对照
| 维度 | 1.0 | 2.0 |
|---|---|---|
| 论文年 | 2021（49 D1） | 2025（53 D1） |
| 官网 | ddinter.scbdd.com | ddinter2.scbdd.com |
| DDI 数 | 236,834（≈0.24M） | 302,516 |
| 药物数 | 1,833（1,972 entities） | 2,310 |
| 机制描述 | 未单列 | 8,398 |
| DFI | 无 | 857 |
| DDSI | 无 | 8,359 |
| 治疗重复 | 无 | 6,033 |
| 交互类型数 | 1 | 4 |
附录 Q：选型决策速查
| 你的需求 | 推荐动作 |
|---|---|
| 要综合药物信息（靶点/化学/适应症） | DrugBank |
| 要策展的 DDI 及机制/整改建议 | DDInter 2.0 |
| 要相互作用-副作用统计信号 | TWOSIDES |
| 要药物-靶点关联 | DrugCentral / DrugTargetCommons |
| 要相互作用抽取 NLP 语料 | DrugProt |
| 要相互作用推理问答 | MedHop |
| 要看皮肤影像公平性 | rid=171（ddi，无关） |
附录 R：许可合规检查清单
- [ ] 我的用途属于商业目的吗？（若"是"→ 必须先向 OUP 取得授权）
- [ ] 我会署原作者吗？（CC BY-NC 的 BY 要求）
- [ ] 我是否在分发/改编？（须保留署名与许可说明）
- [ ] 我是否在对外产品中直接嵌入数据？（须评估是否构成商业使用）
- [ ] 我引用了 NAR 2025 论文吗？（学术使用规范）
附录 S：一句话记忆点
DDInter 2.0 = 药师策展的"药物相互作用地图"：30 万条 DDI、四类交互、逐条给机制与处置；想商用先谈授权。
附录 S2：本条目关键数字一屏图（文本版）
DDInter 2.0
├─ 药物：2,310 种获批药
├─ DDI：302,516 条 ──→ 8,398 条机制描述
├─ DFI：857 条 ──→ 29 种食物 / 430 条机制
├─ DDSI：8,359 条 ──→ 472 种疾病 / 3,300 条详情
└─ 治疗重复：6,033 条 ──→ 317 复方药 / 96 药理类别
文献源：16,028 篇（DDI 12,298 / DFI 430 / DDSI 3,300）
许可：CC BY-NC 4.0（非商用）
附录 S3：常见误用反例
| 反例 | 问题 | 正确做法 |
|---|---|---|
| 把 2,290 当作药物总数写进论文 | 用了官网首页文案口径 | 用 2,310（论文口径）并声明 |
| 商业 App 直接打包 DDInter 数据 | 违反 CC BY-NC | 先向 OUP 取得授权 |
| 用 DDInter 训练又用它测试 | 选择偏倚、高估性能 | 配独立临床验证集 |
| 只下载 code_A.csv 就分析全库 | 漏掉大部分 ATC 类别 | 合并八个 CSV |
| 把 rid=171 的 ddi 当本条目 | 缩写撞名 | 严格区分，勿合并 |
附录 T：机构信息卡
| 单位 | 角色 | 地址 |
|---|---|---|
| 中南大学湘雅药学院 | 主研/通讯 | 长沙 410013 |
| 国防科技大学计算机学院 | 协同（计算） | 长沙 410073 |
| 中南大学湘雅医院 | 协同（临床） | 长沙 410008 |
附录 U：资助项目清单
| 编号 | 来源 |
|---|---|
| 2021YFF1201400 | 国家重点研发计划 |
| 22173118 | 国家自然科学基金 |
| 2021JJ10068 | 湖南省杰出青年科学基金 |
| 2021RC4011 | 湖南省科技创新计划 |
| 2022JJ80104 | 湖南省自然科学基金 |
| 2020B1212030006 | 广东省科技创新战略专项资金 |
| SDF19-0402-P02 | 香港浸会大学战略发展基金 |
相关数据集导航
以下为站内 AI-Ready 数据集百科中与本词条共享多个主题标签的相关数据集，按相关度降序排列：
- sider — 共享标签：药物发现与化学 / 药物安全 / 知识图谱
- offsides — 共享标签：药物发现与化学 / 药物安全 / 知识图谱
- cgrd — 共享标签：药物发现与化学 / 药物安全 / 临床电子病历
- comptox-dashboard — 共享标签：药物发现与化学 / 药物安全 / 知识图谱
- thin — 共享标签：药物发现与化学 / 药物安全 / 临床电子病历
- jmdc — 共享标签：药物发现与化学 / 药物安全 / 临床电子病历
- onsides — 共享标签：药物发现与化学 / 药物安全 / 知识图谱
- eudravigilance — 共享标签：药物发现与化学 / 药物安全 / 医疗登记
- toxcast — 共享标签：药物发现与化学 / 药物安全
- disgenet — 共享标签：药物发现与化学 / 知识图谱
导航说明：本章节由全站统一标签体系自动计算生成（标签重合度算法），双向可达；点击链接可跳转至对应数据集词条。
