近日，計(jì)算機(jī)與信息科學(xué)學(xué)院2022級碩士研究生張博菲在期刊《Expert Systems With Applications》（中科院1區(qū)，TOP期刊，影響因子IF=8.7）上發(fā)表題為“Drug repositioning based on tripartite cross-network embedding and graph convolutional network”的研究論文，對生物信息藥物重定位進(jìn)行詳細(xì)闡釋。該論文由計(jì)算機(jī)與信息科學(xué)學(xué)院曾攀博士指導(dǎo)完成。
藥物-疾病關(guān)聯(lián)預(yù)測是藥物發(fā)現(xiàn)的重要組成部分，可以幫助研究人員更準(zhǔn)確快速地發(fā)現(xiàn)潛在的候選藥物和靶點(diǎn)。相比之下，過去的藥物疾病預(yù)測過程往往忽視了藥物與副作用之間的關(guān)聯(lián)以及蛋白質(zhì)對疾病的影響。這些問題阻礙了模型充分學(xué)習(xí)網(wǎng)絡(luò)中的潛在信息。因此，需要一種能夠從多源異構(gòu)信息中全面學(xué)習(xí)并提取生物關(guān)聯(lián)高級特征的方法。本文提出了一種基于三方跨網(wǎng)絡(luò)嵌入圖卷積網(wǎng)絡(luò)（TGCNDR）的藥物重新定位方法，以預(yù)測藥物與疾病之間的關(guān)聯(lián)。首先，構(gòu)建藥物疾病關(guān)聯(lián)，藥物蛋白質(zhì)關(guān)聯(lián)和藥物副作用關(guān)聯(lián)的三方交叉網(wǎng)絡(luò)。其次，使用圖卷積從不同節(jié)點(diǎn)捕獲信息以學(xué)習(xí)藥物嵌入。隨后，使用錨鏈接進(jìn)行知識(shí)轉(zhuǎn)移，不同的網(wǎng)絡(luò)使用自我注意機(jī)制來表示藥物的重要性。在基準(zhǔn)數(shù)據(jù)集上的實(shí)驗(yàn)表明，與最先進(jìn)的方法相比，TGCNDR表現(xiàn)出良好的性能。最后，在案例研究中找到了具有較高可行性的骨肉瘤藥物，這表明TGCNDR是藥物重新定位的有效工具。
