基于多相似度融合的药物重定位推荐算法

摘要

药物重定位算法可以为发现药物的新用途提供理论上的支持.针对传统药物重定位推荐算法的不足,提出一种基于多相似度融合的药物重定位推荐算法(MSF).首先通过药物-疾病数据源计算出疾病相似度,再通过药物-化学结构、药物-靶蛋白以及药物-副作用数据源计算出三种相似度并融合为药物相似度,最后利用两种相似度计算药物与疾病对应关系的预测值,并通过预测值融合方法融合为最终预测值.实验结果表明,与SLAMS算法和DRCFFS算法相比,MSF算法在精确率和召回率上有较大的提高;与针对单个数据源的药物重定位算法相比,通过融合多种数据源,预测值的可靠性和精确性都有进一步的提升.案例分析显示,MSF算法可以有效地预测出有治疗效果的药物-疾病组合.