学习专利感知的生物医学知识图谱以揭示药物重定位候选者的技术潜力
摘要
药物重定位——一种为现有药物发现新治疗用途的有前景策略——在计算科学文献中已日益通过使用生物医学数据库进行探索。然而，药物重定位候选者的技术潜力常被忽视。本研究提出一种新颖方案，综合分析制药专利与生物医学数据库等多种来源，识别兼具技术潜力与科学证据的药物重定位候选者。为此，首先我们构建了科学生物医学知识图谱（s-BKG），包含源自生物医学数据库的药物、疾病与基因间关系。我们的方案将识别与靶疾病关联有限但在 s-BKG 中紧密相邻的药物作为潜在候选药物。我们通过添加制药专利信息构建了专利感知的生物医学知识图谱（p-BKG）。最后，我们开发了图嵌入方案以确定 p-BKG 的结构，从而计算这些候选者与靶疾病相关专利的相关分数以评估其技术潜力。我们对阿尔茨海默病的案例研究证明了其有效性与可行性，而量化结果与系统方法有望在药物重定位研究中弥合计算发现与成功市场应用间的鸿沟。
引用
@article{arxiv.2309.03227,
title = {Learning a Patent-Informed Biomedical Knowledge Graph Reveals Technological Potential of Drug Repositioning Candidates},
author = {Yongseung Jegal and Jaewoong Choi and Jiho Lee and Ki-Su Park and Seyoung Lee and Janghyeok Yoon},
journal= {arXiv preprint arXiv:2309.03227},
year = {2024}
}
备注
We are sorry to withdraw this paper. We found some critical errors in the introduction and results sections. Specifically, we found that the first author have wrongly inserted citations on background works and he made mistakes in the graph embedding methods and relevant results are wrongly calculated. In this regard, we tried to revise this paper and withdraw the current version. Thank you