В исследовании предложен новый структурный подход к предсказанию лекарственных взаимодействий (DDI), основанный на анализе конкуренции или кооперации молекул за связывание в одном кармане белка. Авторы использовали метод классификации композитных множественных лигандов (COLIG), который определяет, являются ли взаимодействия между парами лигандов в одном белке притягивающими или отталкивающими. Методология включала оценку 21 945 пар из 210 различных лекарственных препаратов на основе предсказанного вовлечения наиболее значимых карманов каждого белка. Результаты показали высокую точность: при использовании ранжирования с суммированием уверенности (confidence-summed COLIG ranking) точность в топ-5% составила 49,3% против базы данных DDInter и 25,1% против KEGG, что значительно превышает фоновые показатели (29,6% и 14,7% соответственно). При объединении данных по всем основным карманам точность достигла 50,3% для базы DDInter. Эти данные подтверждают эффективность скрининга DDI на основе структуры карманов белка и поддерживают гипотезы о прямом и неконтактном вовлечении лигандов. Исследование демонстрирует, что чисто структурные механизмы могут эффективно восстанавливать документированные взаимодействия без обучения на клинических метках. Это открывает перспективы для более быстрого и дешевого выявления потенциальных опасных комбинаций препаратов на ранних этапах разработки.