[发明专利]基于致病贡献网络分析的药物重定位模型

说明书

本发明公开了一种基于致病贡献网络分析的药物重定位系统，包括数据准备模块、致病贡献网络构建与计算模块、药物嵌入与排序模块；数据准备模块任务是将致病贡献网络构建和计算部分所需的数据准备充分，包括数据清洗和实体消歧；致病贡献网络构建与计算模块任务是完成致病网络构建和节点贡献计算，将完整的致病贡献网络建立起来，包括致病网络构建和节点贡献计算；药物嵌入与排序模块任务是列出所有成为目标疾病的有效药的药物和每种药物成为目标疾病的有效药的可能性大小，包括药物嵌入和结果排序。本发明将生物医学的数据和解决问题的角度与计算机技术的解决方案结合起来，更好地解决新药开发中存在的不足，预测新的药物‑疾病关系。

技术领域

本发明涉及计算机技术和生物医学领域，更具体的说，是涉及一种基于致病贡献网络分析的药物重定位系统。

背景技术

新药研发一直以来都是获取疾病有效药的主要途径。但是新药研发具有许多不足，一个新药推向市场一般需要13～15年，平均研发资金需要20亿～30亿美元。而且，新药研发的投入产出比越来越高。随着生物医学数据的积累和计算机技术的发展，药物重定位研究辅助或替代新药研发的策略逐渐发展起来。在一定程度上，这是技术进步的结果，主要得益于大数据分析(揭示不同疾病间类似的分子机理)、计算机模型(针对类似的致病机理预测可能的药物)、大规模筛选系统(在不同细胞系中快速测试化合物功能)的出现和发展。在这种大环境下，近几十年来投入市场的3000多个药物成为再定位药物待开发的处女地。这些药物或者活性化合物大部分都可以直接跳过临床I期，从而大大降低研发成本，并且后期副作用风险性也较低。据估计，这种再定位药物平均研发成本只有约3亿美元，而研发周期甚至可缩减至一半(6.5年)。

近几年药物重定位技术也不断发展。起初主要是通过A-B-C的关系传递模式来寻找新的药物-疾病关系，再后来神经网络，机器学习等技术也被应用到药物重定位研究中。但是随着生物医学数据量的剧增，在复杂关系处理上具有先天优势的网络结构成为了药物重定位研究的趋势。在基于网络的药物重定位研究中，侧重点是基于药物靶点的关系通路预测。也就是通过寻找和预测药物的标靶物质与其他疾病的关联，来建立药物-其他疾病的关联。这种策略是以药物治疗能力为中心思想的策略，并且也取得了一些成功的案例。

基于致病贡献网络分析的药物重定位研究并不围绕药物治疗能力，而是以疾病的致病因素为中心。致病贡献网络是利用网络结构来表达出疾病的所有致病因素，这是药物重定位研究一种创新性的策略，也是以疾病为中心的药物重定位研究的新的网络模型。

发明内容

本发明的目的是为了克服现有技术中的不足，将计算机领域中的网络分析技术引入到生物医学领域的药物重定位研究中，提出一种可以针对大多数疾病的基于致病贡献网络分析的药物重定位系统，将生物医学的数据和解决问题的角度与计算机技术的解决方案结合起来，更好地解决新药开发中存在的不足，预测新的药物-疾病关系。

本发明的目的是通过以下技术方案实现的。

本发明基于致病贡献网络分析的药物重定位系统，包括数据准备模块、致病贡献网络构建与计算模块、药物嵌入与排序模块；

所述数据准备模块的任务主要是将致病贡献网络构建和计算部分所需的所有数据准备充分，包括数据清洗和实体消歧两部分；所述数据清洗部分目的是将数据内容和格式处理成构建网络所要求的情况，包括数据的杂质过滤和数据的类型转化；所述实体消歧部分目的是消除生物医学领域内同一概念的不同命名，该部分是以UMLS编码为基准，将数据中所有描述同一生物医学领域事物的不同名称统一成UMLS语言；

所述致病贡献网络构建与计算模块的主要任务是完成致病网络的构建和节点贡献的计算，将完整的致病贡献网络建立起来，包括致病网络构建和节点贡献计算；所述致病网络构建目的是将目标疾病的所有致病元素统一在网络中，包括节点导入和边导入；所述节点贡献计算是对网络中的每一个节点(致病元素)的重要性进行计算并区分，首先进行节点中心度的计算，然后在节点中心度的基础上进行节点贡献值的计算；