建模路径重要性以实现有效的阿尔茨海默病药物重定位
摘要
近来，药物重定位已成为一种有效且资源节约的AD（阿尔茨海默病）药物发现范式。在各类药物重定位方法中，基于网络的方法已展现出有前景的结果，因为它们能够利用整合多种交互类型（如蛋白质-蛋白质相互作用）的复杂网络，更有效地识别候选药物。然而，现有方法通常假设网络中相同长度的路径在识别药物治疗效果方面具有同等重要性。其他领域已发现相同长度的路径未必具有相同的重要性。因此，依赖该假设可能对药物重定位尝试有害。在这项工作中，我们提出MPI（Modeling Path Importance，建模路径重要性），一种新颖的基于网络的AD药物重定位方法。MPI的独特之处在于它通过学习到的节点嵌入对重要路径进行优先级排序，这能有效捕获网络丰富的结构信息。因此，利用学习到的嵌入使MPI能有效区分路径间的重要性。我们将MPI与一种常用基线方法进行比较，该基线方法主要基于药物与AD在网络中最短路径来识别抗AD药物候选。我们观察到，在前50名排序药物中，MPI比基线多优先排序20.0%具有抗AD证据的药物。最后，由保险理赔数据生成的Cox比例风险模型帮助我们确定依托度酸、尼古丁和跨血脑屏障的ACE抑制剂（BBB-crossing ACE-INHs）的使用与AD风险降低相关，表明此类药物可能是可行的重定位候选并应在未来研究中进一步探索。
引用
@article{arxiv.2310.15211,
title = {Modeling Path Importance for Effective Alzheimer's Disease Drug Repurposing},
author = {Shunian Xiang and Patrick J. Lawrence and Bo Peng and ChienWei Chiang and Dokyoon Kim and Li Shen and Xia Ning},
journal= {arXiv preprint arXiv:2310.15211},
year = {2023}
}
备注
16 pages, 3 figures, 2 tables, 1 supplementary figure, 5 supplementary tables, Preprint of an article accepted for publication in Pacific Symposium on Biocomputing \copyright 2023 World Scientific Publishing Co., Singapore, http://psb.stanford.edu/