基于特征加权的老药新用推荐方法研究

作     者：马占森 

作者单位：吉林化工学院 

学位级别：硕士

导师姓名：辛瑞昊;冯欣

授予年度：2024年

学科分类：12[管理学] 1007[医学-药学(可授医学、理学学位)] 1201[管理学-管理科学与工程(可授管理学、工学学位)] 081104[工学-模式识别与智能系统] 08[工学] 0835[工学-软件工程] 0811[工学-控制科学与工程] 0812[工学-计算机科学与技术（可授工学、理学学位）] 10[医学] 

主      题：老药新用 多头自注意力机制 WRDS算法 特征加权 

摘      要：众所周知,新药开发过程极其昂贵,而老药新用是提高新药开发效率的一种有前途的方法。虽然这种方法确实可以免去昂贵的药物毒性和安全性实验,但仍然需要大量的时间针对特定疾病进行精确的药效实验并消耗大量的资源。如果能够预先筛选所选药物的潜在其他适应症,则可能会节省大量成本。鉴于此,本文提出一种命名为MRNDR(Multi-head attention-based Recommendation Network for Drug Repurposing)的老药新用推荐模型。该模型可作为药物与疾病关系的预测工具,该模型利用多头自注意力机制进行特征加权展示出一定的泛化能力。本研究所使用的Bio RE数据集汇集了多个生物医学网站上的公开数据,该数据集包含药物与疾病、药物与靶点、疾病与靶点以及靶点与信息通路之间的关联数据,并利用Pub Med平台验证了这些关系的可靠性。本研究提出的WRDS算法是根据矢量距离测算方法进行改良创新,通过利用多头自注意力机制与矢量算法多层融合得到相关性分数,通过相关性分数验证实验结果。 MRNDR模型在GP-KG公共数据集上取得了较为良好的结果,MRR(平均倒数排名)得分为0.308,Hits@10得分为0.628。与当前性能最佳的模型相比,该模型实验结果在MRR指标提高了4.7%,在Hits@10指标提高了18.1%。此外,为了进一步验证模型的实用性,检查了MRNDR推荐的但训练数据集中不存在的结果,其中一些推荐结果已经过临床试验,并在Clinical ***和中国临床试验中心上得到证明,间接证实了MRNDR在老药新用领域的适用性。综上所述,MRNDR老药新用模型可用于预测候选药物的可重复使用性,有望减少老药新用的评估成本并提升老药新用的效率。