基于Laplacian正则化与双向随机游走的药物重定位方法

传统的药物研制需要企业投入大量的人力物力和研发时间,而且要承担很高的失败风险。药物重定位可以为已有药物寻找新的适应症,极大地降低成本、提高研发效率,因此受到广泛重视。随着大规模生物表型数据的收集,基于计算方法的药物重定位表现出很大的潜力,其计算结果可以为生物学实验提供重要的方向性意见,所以研究优秀的药物重定位方法非常重要。提出LN-RWR算法,整合药物之间与疾病之间的相似度信息、药物和疾病的互作用信息构建异质网络,使用Laplacian正则化构造转移矩阵,在异质网路上进行随机游走,综合双向随机游走的结果进行药物重定位。实验结果表明,LN-RWR比现有方法效果更好,在不同数据集上都达到了较好的效果,而且案例分析结果表明LN-RWR的预测结果很多正在被生物学家们关注和研究。