基于路径类比推理的药物重定位方法

来源：计算机技术与发展杂志2024年第08期北京时间：

作者：陈耿靖;王晖;郭躬德;林世水

摘要：传统药物研发模式有着费用昂贵、效率低下、时间周期较长等问题,而药物重定位方法为降低成本、提高效率、缩短时间提供了一种可行的选择。 目前已经提出了许多利用知识图谱进行药物重定位的方法,并取得相对可观的成果,但它们存在涉及限制数据集范围、处理的关系较单一,且不考虑节点间路径信息等局限。 为弥补这些不足,该文提出了一种基于路径类比推理的药物重定位方法。 首先,整合多个生物数据集构建异构信息网络。 其次,对多种知识图谱嵌入模型(TransE、DistMult、ComplEx、RotatE 和 RGCN)进行训练,获得嵌入向量。 再次,采用 Adaboost 决策树集成路径排序算法和多层感知机获取原始推理路径,结合类比推理进行预测。 最后,通过传统性能、嵌入评估及复现率,选定 TransE 模型作为预测模型。 该方法成功找到 10 种重定位候选药物,并通过相关文献证实它们的治疗效果,充分验证了该方法的有效性。该方法也可为其他从事药物重定位研究的学者提供一种结合路径信息的新思路。

关键词：药物重定位;知识图谱嵌入;类比推理;路径排序算法;Adaboost