基于多层次分子网络的药物重新定位预测方法研究

药物重新定位，是发现旧药物新疗效的技术，是药物开发的重要模式之一。本课题将开发新的高效数学模型和算法，进行药物重新定位预测问题的研究。为此，本课题将构建不同层次的网络模型量化描述药物-药物、疾病-疾病和药物-疾病的关系。首先，构建完整的分子调控网络，开发最优化模型识别药物和疾病所影响的分子网络模块，并将其作为描述药物和疾病的特征；其次，利用药物的结构、药理和分子等特征，计算药物间相似性，构建小分子药物关联网络；再次，利用疾病的特征描述和遗传因素等，计算疾病间相似性，构建疾病关联网络；最后，构建药物-疾病异构网络，从而将药物重新定位问题转变为一个数学问题对待：给定一个网络，已知其中部分边（即已有药物-疾病的对应关系），如何利用该异构网络的拓扑特征预测未知的可能的边（即药物-疾病间可能对应的关系）。本课题的研究将有助于阐明药物-疾病的作用机制，为新药物开发提供可借鉴的思路。

在过去三年，本课题针对“药物重定位”开展了深入的研究，提出了多个新颖、高效的算法和模型，整个课题按照原先计划顺利完成。在项目资助下，课题组在以下几个方面取得了突破性进展：（1）分子网络的构建和分析，发展了高效精确的分子网络推导方法并在多个标准数据集上得到了验证；（2）疾病基因和分子通路的识别，提出了全新的癌症相关分子通路识别算法，并在多个癌症标准数据集上取得了高精度的结果。另外，提出了一种新的识别癌症相关小RNA（miRNA）的算法，在标准数据集上的结果表明该方法的性能优于现有方法；（3）药物重定位，发展了基于分子网络的高性能药物重定位算法，针对乳腺癌识别的药物在多个乳腺癌细胞细胞系上得到了验证，证明了该方法的有效性。..在本项目资助下，课题组发表了SCI收录期刊论文33篇，EI收录会议论文3篇。其中，一篇论文被ESI收录为高引用论文。发表的杂志包括生物信息领域的顶级杂志Bioinformatics（5篇）、PLoS Computational Biology（2篇）和Nucleic Acids Research （1篇）。另外，发表在BMC Bioinformatics上的论文，还被该杂志评为“highly accessed paper”，发表在Molecular BioSys上的论文，还被该杂志评为“One of the Top Browsed Papers”。该课题资助下发表的论文，还被Science子刊Science Translational Medicine (IF=14.41)、Nucleic Acids Research(IF=8.82)、Drug discovery today (IF=5.96)、Briefings in bioinformatics (IF=5.92)、PLoS Computational Biology (IF=4.83)和 Bioinformatics (IF=4.62)等国际著名杂志引用。

内容获取失败，请点击重试