药物－疾病关系预测：一种推荐系统模型

药物－疾病关系预测：一种推荐系统模型
汪浩;王海平;吴信东;刘琦
【摘要】Aim Drug repositioning is to find new indications for existing drugs,however,potential drug-disease relationships are often hidden in millions of unknown relationship.With the analyzing of medical big data,we predict the potential drug-dis-ease relationships.Methods Based on the assumption that similar drugs tend to have similar indications,we applied a rec-ommendation-based strategy to drug repositioning.First,we col-lected the information of known drug-disease therapeutic effect, side effect,drug characters and disease characters;second,we calculated the drug-drug similarity measurements and disease-disease similarity measurements;last,we used a collaborative filtering (CF)method to predict unknown drug-disease relation-ships based on the known drug-disease relationships by integra-ting the similarity measurements,and built a ranking list of pre-diction results.Results The experiments demonstrated that a-mong the TOP 500 of the list,1 2.8% were supported by clinical experiments or review,and 20% were supported by model or-ganism or cell experiments.Conclusion Compared to the clas-sification model and random sampling results,the CF model can effectively reduce the false positives.%目的：药物重定位是指发掘已有药物新的治疗作用，然而具有潜在治疗作用的药物－疾病往往隐藏在数以百万计的关系对中。

该研究基于医疗大数据分析，预测具有潜在治疗关系的药物－疾病关系对。

方法将社交网络中推荐系统模型应用于药物重定位研究，并假设具有相似化学结构的药物可能具有相似的适应症。

从开源数据库收集已知药物－疾病的治疗关系、副作用关系以及药物和疾病特征描述符，计算得到药物－药物的相似度和疾病－疾病相似度，再构建推荐模型将上述信息融合，并预测具有潜在治疗关系的药物－疾病，最终得到预测关系对的排序列表。

结果列表排名前500的关系对中，有12．8％得到临床实验支持或综述报道，20％得到模式生物实验或细胞实验支持。

结论相比于已有分类模型和随机抽样结果，本模型可明显提高具有潜在治疗作用药物－疾病的富集程度。

【期刊名称】《中国药理学通报》
【年(卷),期】2015(000)012
【总页数】5页(P1770-1774)
【关键词】药物重定位;医药大数据;推荐系统;相似性度量;协同过滤;药物和疾病关
系预测;机器学习
【作者】汪浩;王海平;吴信东;刘琦
【作者单位】合肥工业大学计算机与信息学院，安徽合肥 230009，中国;合肥工
业大学计算机与信息学院，安徽合肥 230009，中国;合肥工业大学计算机与信息
学院，安徽合肥 230009，中国; 佛蒙特大学计算机系，伯灵顿 05405，美国;同
济大学生命科学与技术学院，上海 200092，中国
【正文语种】中文
【中图分类】R-05;R195;R319;R45;R9。