基于多源数据集成和矩阵分解的药物重定位方法研究

With the accumulation of drug and disease related data, computational drug repositioning, which aims to identify new indications for existing drugs, has become a hot topic in drug research and development. Based on the analysis for character related of drug and disease, the project will design integrated similarity measure method and develop new prediction model to improve prediction performance of drug repositioning. First, we construct a standard dataset by integrating drug and disease related information from public databases. An integrated similarity measure method fusing multi-source data is proposed to profile the drug similarity and disease similarity. On this basis, integrated similarity network for drug and disease can be constructed respectively. Then, we analyze the characters of existing recommendation models based on matrix factorization, and design novel drug repositioning approach based on integrated similarity network and matrix factorization model. Finally, a heterogeneous biological network containing drug, disease and related biological entities is constructed, and novel drug repositioning method based on the heterogeneous biological network is proposed. The research of this project will be helpful for the research and development of drugs, and predicting potential effective drugs for diseases.

随着药物和疾病相关数据的积累，通过计算方法发现药物的新适应症，即计算药物重定位，已经成为近年来药物研发的热点。本项目针对药物和疾病的相关特征信息，提出集成相似性度量方法，开发新的预测模型，提高药物重定位计算方法的性能。首先整合公共数据库中药物和疾病的相关特征数据，构建用于药物-疾病关联预测的数据集；设计融合多源数据的集成相似性度量方法，以准确描述药物相似度和疾病相似度，并构建相应的集成相似性网络；在此基础上，分析现有的基于矩阵分解推荐模型的特点，结合所处理的数据特征，提出基于集成相似性网络和矩阵分解的药物重定位方法；最后，构建包含药物、疾病以及相关生物实体的多元异构网络，提出新的基于该异构网络的药物重定位方法。本课题的研究将有助于药物的发现和开发，为疾病治疗提供新的有效药物。

药物研发的周期长、成本高、成功率低，一直是制药企业所面临的挑战性问题。通过挖掘已有药物的新适应症，即药物重定位或老药新用，可以在一定程度上解决上述问题，逐渐成为很多科研机构和制药企业采用的重要策略。本项目重点研究基于药物和疾病的相关生物医学信息，从多源异构数据集成和计算方法角度设计有效的药物重定位方法。该项目取得的主要研究成果包括：（1）本项目开发了一个集成多源数据及相似性度量方法的平台，实现多种基于不同生物医学数据的药物和疾病相似性计算方法。（2）本项目提出多个基于不同计算模型的药物重定位方法，包括基于协同度量学习的药物重定位方法、基于矩阵填充的药物重定位方法、基于多相似性融合的药物重定位方法等。（3）本项目对现有的药物重定位相关的研究进行综述，包括对生物医学数据及计算模型进行综述，并讨论了药物重定位研究所面临的挑战性问题，以及未来可以深入研究的工作和方向。（4）本项目对药物相似性度量方法及应用进行综述，总结当前的药物相似性计算方法，讨论药物相似性在不同生物医学领域中的应用，并对不同的相似性计算方法进行评估。另外，本项目还进行了特征选择算法方面的研究，基于高维的生物医学数据，提出了多个疾病特征选择方法。本项目的研究成果有助于揭示药物的作用机制，提高药物研发的效率。