使用随机游走重启算法和帕金森病本体数据库的药物重定位

帕金森病是一种进行性、缓慢发展的神经退行性疾病，其特征是大脑黑质区域的多巴胺能神经元丢失。尽管科学家进行了广泛研究，但目前尚无治愈方法，现有疗法主要有助于减轻部分帕金森症状。药物重定位（即为现有药物寻找新用途的过程）作为一种高效的方法受到更多认可，它可以减少开发新药所需的时间、资源和风险。在本研究中，我们设计了一个新颖的计算平台，整合了基因表达数据、生物网络和PDOD数据库，以识别可能的帕金森病治疗药物重定位候选物。通过使用机器学习方法（如RWR算法和PDOD评分系统），我们排列药物-疾病转换，并根据其可能的疗效对潜在候选物进行排序。我们提出基因表达分析、网络优先级排序和药物靶点数据分析，以全面评估药物重定位的机会。我们的研究结果突出了这些疗法作为有希望的药物候选物，可用于帕金森病治疗的进一步研究。我们还通过使用多种数据源和计算方法，为有前景的药物重定位思路提供了理论依据。