基于多源数据整合的药物组合预测方法研究

药物组合，也称为"鸡尾酒"疗法，具有"多组分、多靶标"的特性，在治疗复杂疾病和开发新药方面具有重要研究意义。本项目将基于日益积累的药物相关数据，针对可能产生的药物组合爆炸问题，开发新的生物信息学方法预测药物组合。特别是，本项目将从药物作用的分子空间和药理空间两个不同的角度探索药物组合的规律，并发展新的数据整合方法集成两个空间的数据预测药物组合。首先，在分子空间，整合不同来源数据，预测药物－靶蛋白相互作用，结合其他分子数据包括分子相互作用、基因表达和通路等，并利用多靶标、多通路之间的协作预测药物组合；其次，在药理空间，利用文本挖掘等技术预测药物－疾病相互作用，并利用该信息和其它药理特征包括疗效和副作用，预测药物组合；最后，开发新算法整合分子空间和药理空间数据，设计集成分类器预测新药物组合，并对预测到的部分药物组合在小鼠模型上加以实验验证。本项目的研究成果将有助于理解药物的作用机制和组合规律。

本课题针对“药物组合”开展了深入的研究，发展了新颖、高效的药物组合预测算法，整个课题按照原先计划顺利完成。另外，在项目资助下，本课题组还在分子网络的构建和分析、疾病基因和分子通路的识别等方面提出了多个高精度的算法和数学模型，并在标准数据集上取得了优异的效果。..在本项目资助下，课题组发表了SCI收录期刊论文22篇，EI收录会议论文4篇。其中，一篇论文被ESI收录为高引用论文。发表的杂志包括生物信息领域的顶级杂志Bioinformatics（5篇）、PLoS Computational Biology（2篇）和Nucleic Acids Research （1篇）。另外，发表在BMC Bioinformatics上的论文，还被该杂志评为“highly accessed paper”，发表在Molecular BioSys上的论文，还被该杂志评为“One of the Top Browsed Papers”。