相比单药治疗,组合用药具有多靶点、剂量低等特点,且治疗效果更好,因此被广泛应用于心血管、癌症等复杂疾病治疗.传统药物组合的研发通过实验筛选进行,过程缓慢且耗费人力物力,不适用于如今药物数量剧增的情况.基于组学技术与网络方法,从计算角度挖掘出有效数据以预测有效药物组合成为目前研究热点.为获取更有效的预测结果,引入网络中药物—药物—疾病单元两两之间的3个拓扑距离作为特征,并结合药物组合的化学结构相似性等不同层次特征,利用机器学习方法构建药物组合预测模型.实验结果表明,在加入网络拓扑距离作为特征后,机器学习的预测精度提升了10％以上.
国家科技期刊平台
NSTL
万方数据
维普
