该论文第一作者是信息学院计算机科学与技术系2019级博士生金淑婷,通讯作者是信息学院计算机科学与技术系刘向荣教授,厦门大学、德睿制药和湖南大学的研究人员合作完成。
药物重定位的目的是通过研究已批准的药物化合物,扩大药物现有适应症或发现新的靶点,从而减少药物开发的时间、成本和风险。论文提出了一种基于异构网络和文本挖掘的药物重定位方法(HeTDR),该方法基于图神经网络和bioBERT模型,首次结合了来自多个网络的药物特征和来自生物医学语料库的疾病特征去预测药物与疾病的相关性。实验证明,HeTDR的性能优于最先进的药物重定位模型。通过对五种疾病的案例分析,也证明了该模型能够发现疾病潜在的候选药物。同时该方法为多种信息融合提供了潜在的解决方案,并显示出准确的性能,可为今后药物重定位的加速发展提供新的思路,并可为临床生物学家提供计算机辅助指导。