近日,计算机与信息科学学院2022级硕士研究生张博菲在期刊《Expert Systems With Applications》(中科院1区,TOP期刊,影响因子IF=8.7)上发表题为“Drug repositioning based on tripartite cross-network embedding and graph convolutional network”的研究论文,对生物信息药物重定位进行详细阐释。该论文由计算机与信息科学学院曾攀博士指导完成。
![](/__local/9/CB/9B/499C8651C58F3CAF3A15FA8B1F5_BCC269E8_58CEF.png)
药物-疾病关联预测是药物发现的重要组成部分,可以帮助研究人员更准确快速地发现潜在的候选药物和靶点。相比之下,过去的药物疾病预测过程往往忽视了药物与副作用之间的关联以及蛋白质对疾病的影响。这些问题阻碍了模型充分学习网络中的潜在信息。因此,需要一种能够从多源异构信息中全面学习并提取生物关联高级特征的方法。本文提出了一种基于三方跨网络嵌入图卷积网络(TGCNDR)的药物重新定位方法,以预测药物与疾病之间的关联。首先,构建药物疾病关联,药物蛋白质关联和药物副作用关联的三方交叉网络。其次,使用图卷积从不同节点捕获信息以学习药物嵌入。随后,使用锚链接进行知识转移,不同的网络使用自我注意机制来表示药物的重要性。在基准数据集上的实验表明,与最先进的方法相比,TGCNDR表现出良好的性能。最后,在案例研究中找到了具有较高可行性的骨肉瘤药物,这表明TGCNDR是药物重新定位的有效工具。