基于多层药理网络的药物重定向研究

The process of new drug discovery and development is time-consuming, costly and risky. Due to the low efficiency and side effects, the drug development often fails in the clinical trial phase, causing huge lost. As the origin of drug development, drug target discovery and identification is critical to the success rate of drug development. This research will propose to analyze current existing pharmaceutical data based on network analysis methods with the purpose of establishing a novel method for polypharmacology effect prediction. This research include construction of drug information database, prediction of drug repositioning based on drug—target—pathway—gene —disease multilayer network, treatment of complex diseases based on semi supervised method. Meanwhile, this research will also implement of random-walk algorithm by GPU accelerated parallel processing. It is of immediate significance for developing approaches and strategies for drug discovery and seeking measures for treating and prevention.

药物研发过程漫长，投入大，风险高。然而，药物的疗效和毒副作用问题使得药物研发常在临床阶段失败，造成了巨大的损失。作为药物研发的源头，药物靶标的发现和识别对药物的研发成功率具有决定性的作用。本项目拟采用网络分析的手段，对现有的药物数据信息进行整合分析，建立多重药理效应识别的计算方法模型。主要研究内容包括：药物信息数据库的构建；基于药物—靶标—通路—基因—疾病多层网络的药物重定向研究；基于半监督学习方法的复杂疾病治疗方法研究；同时发展了基于GPU并行加速的随机游走算法，为网络药理学提供了切实可行的计算分析手段。

本项目以网络药理学为手段，研究和分析了药物重定向当前的研究进展，针对药物中多种性质及关联信息计算出药物之间的相似性，并结合药物和靶标之间的关联关系，设计并实现了基于网络推荐的药物靶标关联关系预测方法。本项目主要工作如下：.1).对多个开源药物信息数据库中的数据类型与结构进行了研究和分析，设计了数据集成方案，将异构的药物数据及其相关靶标信息进行整合。.2).以药物-靶标关联，采用基于网络的推荐算法实现了药物-靶标关联关系的预测，进而进一步通过注释实现疾病-药物之间的关联关系预测。.3).实现了基于GPU并行加速的网络推荐算法，为网络药理学提供了切实可行的计算分析手段。.本项目的研究成果可为药物重定向的研究提供重要分析手段。