基于二模复杂网络的隐性知识发现方法研究——以潜在药物靶点挖掘为例

来源：图书情报工作杂志2020年第21期北京时间：

作者：李东巧,陈芳,韩涛,杨艳萍,王学昭,王燕鹏,CynthiaLiu,YingzhuLi

单位：1. 中国科学院文献情报中心 北京 100190;<br />\r\n2. 美国化学文摘社 哥伦布市 43202

摘要：[目的/意义] 通过构建二模复杂网络模型，揭示隐藏在海量文献中的隐性知识。[方法/过程] 通过NetworkX复杂网络工具包，依据任意两个节点的共现关系构建二模复杂网络模型；对网络模型中节点的共现关系进行加权，计算网络的拓扑信息并进行AP聚类，提取节点间的直接关系；采用AUC方法对AA、JC、加权改进的wAA和wJC等4种链路预测算法进行评价，遴选出最合适的预测算法，并对复杂网络的隐性关系进行预测分析。[结果/结论] 以潜在药物靶点挖掘为例进行的实证研究结果表明，wAA链路预测算法为最优的链路预测算法；二模复杂网络模型、指标和方法体系在美国化学文摘社数据库中的药物靶点挖掘中具有一定的有效性。下一步计划在其他数据库中或其他研究领域中进行尝试，以进一步验证该模型的通用性和有效性。

关键词：隐性知识,链路预测,复杂网络,药物靶点,疾病,

基金资助：本文系中国科学院文献情报中心青年人才领域前沿项目&quot;基于二模复杂网络的隐性知识发现方法研究-以潜在药物为例&quot;（项目编号：G180181001）研究成果之一。