生物医药知识图谱学习新框架 | Nat. Commun. 速递

关键词：知识图谱，嵌入空间，链路预测，随机游走，语义多层关联

论文题目：Biomedical knowledge graph learning for drug repurposing by extending guilt-by-association to multiple layers

论文来源：Nature Communications

论文链接：https://pattern.swarma.org/paper/30c7d654-0bd2-11ee-a270-0242ac17000d

计算药物再利用（Computational drug repurposing）旨在通过利用高通量数据（通常以生物医学知识图谱的形式），利用已有药物治疗新的病症。然而，由于基因节点数量巨大而药物、疾病节点数量很少，导致表示不太有效，生物医学知识图谱上的学习很有挑战性。

为了克服这一挑战，这篇文章提出一种“语义多层关联”（semantic multi-layer guilt-by-association）方法，利用了药物-基因-疾病水平的关联原则——“相似的基因共享相似的功能”。使用这种方法，作者提出了模型 DREAMwalk: Drug Repurposing through Exploring Associations Using Multi-layer random walk，通过使用他们的语义信息引导的随机游走来生成大量药物和疾病的节点序列，允许在统一的嵌入空间中有效地映射药物和疾病。

与最先进的链路预测模型相比，该方法将药物-疾病关联预测精度提高了16.8%。此外，对嵌入空间的探索揭示了生物语境和语义语境之间的良好协调。作者通过乳腺癌和阿尔茨海默病的案例研究证明了该方法的有效性，强调了在生物医学知识图谱上药物再利用的多层关联视角的潜力。强调了在生物医学知识图谱上，多层关联视角在药物再利用方面的潜力。