基于异构图推断的疾病与药物相关性预测研究

摘要

研发药物的过程非常耗时且费用昂贵,以现有药物为基础确定和发展新的治疗效果有利于降低药物的开发成本。而以往的预测方法数据的要求单一,较少考虑到疾病药物相关数据的稀疏性,因此,该篇文章提出了一种基于异构图推断的疾病与药物相关性预测方法(Drug-disease relevant predicted by heterogeneous graph,DDRPGH)。该方法通过将药物相似性和疾病语义相似性与余弦相似性相结合,再通过WKNKN与已知的疾病与药物的关联融合到异构图中,揭示潜在的药物与疾病的关系。在两个数据集的十折交叉验证中,该方法AUC(F:0.923;C:0.939)优于另外三个对比方法,证明了这个方法在疾病与药物的预测方面是可行有效的。