[发明专利]基于集成的相似性度量和双向随机游走的药物重定位方法

说明书

本发明公开了一种基于集成的相似性度量和双向随机游走的药物重定位方法，集成相似性度量方法在计算药物相似性、疾病相似性时，除了分别利用药物特性信息与疾病特性信息，还充分考虑了当前数据集中已知药物‑疾病关联信息对相似性度量的作用，使得所计算的相似性值能够更好的反映药物间的相似度和疾病间的相似度。在此基础上，构建了药物‑疾病异构网络，基于该异构网络，采用双向随机游走算法为所有的药物预测候选疾病。本发明简单有效，通过与其他方法比较，及在多个数据集上测试表明，该发明在药物重定位方面具有较好的预测性能。

技术领域

本发明属于生物信息学领域，涉及一种基于集成的相似性度量和双向随机游走的药物重定位方法，用于预测已知药物的新适应症。

背景技术

在过去的几十年中，尽管在基因组学与生命科学技术领域已经取得了较大的进展，但是创新药物的研发依然周期较长、耗资巨大，而且存在较高的风险和较低的成功率。如今在药物研发方面的投入不断增长，但是实际产出却停滞不前，因此如何有效提高药物研发的效率是制药企业所面临的挑战性问题。针对这个问题，药物重定位(Drugrepositioning or Drug repurposing)技术，即挖掘已有药物的新适应症，正在成为药物研发的重要策略。

与传统的创新药物研发过程不同的是，药物重定位是基于已有药物适应症的重新开发，不仅可以节省大量前期研发的投入(如药靶发现、化合物筛选、安全性测试等)，从而将药物研发的周期从10～17年缩短到2～12年，并且能显著降低药物研发的风险和费用。因此药物重定位越来越受到各国政府部门、制药企业、学术机构等各方面的关注。例如，美国国家推进转化科学中心(National Center for Advancing Translational Sciences，NCATS)和英国医学研究委员会(Medical Research Council，MRC)近期发起大规模的药物重定位项目，鼓励并加强各机构交叉合作，发现以前中断开发的化合物的潜在新疗效。另外，美国食品和药物管理局(U.S.Food and Drug Administration，FDA)也开始致力于利用生物信息学方法挖掘罕见疾病的潜在治疗药物，并建立FDA的罕见疾病重定位数据库，便于识别已上市药物化合物的新的潜在适应症。根据咨询公司BioVista统计，世界前20大制药企业的利润已有至少30％来自于药物重定位。

迄今为止，已存在多种成功重定位的药物，比如，度洛西汀(Duloxetine)原本用于治疗抑郁症，然而在临床前研究中发现Duloxetine可以用于压力性尿失禁(stressurinary incontinence，SUI)。药物重定位不仅能拓展现有药物的适应范围，而且能使得一些撤市药物得以重新利用。例如，沙利度胺(thalidomide)最早作为镇静剂和止痛剂用于治疗孕妇的妊娠反应，而后由于其严重的致畸副作用被禁用。1998年FDA重新批准该药物用于治疗麻风病并发症结节性红斑。不仅如此，它还被用于治疗口腔和生殖器官溃疡、血管炎、风湿性关节炎以及移植以后的慢性排异反应等疾病。在这些重定向药物中，有的是在临床用药或实验研究时偶然发现、并经进一步研究确定的；有些则是基于新思路研究或通过其他途径发现的。伴随着药物相关数据的积累，以及各种药物信息学数据库的快速发展，通过计算方法发现药物的新适应症，即基于计算方法的药物重定位，成为近年来计算生物学和系统生物学研究的热点。药物重定位作为一种国际上被广泛采用的研发战略，具有更高的投入产出效率。如何设计有效的药物重定位计算方法已经越来越引起人们的关注。

目前的药物重定位计算分析方法主要分为三大类：

(1)基于机器学习的方法

由于药物重定位的数据种类越来越多，基于机器学习模型可以利用这些数据，研究药物-疾病关联预测方法。