2013-10-22 | 编辑：文\生物医学部 

 

图1: 异质网络示意图

结合各种不同的生物数据预测药物靶点作用是药物研发的基本问题，对于促进药物研发具有重要意义。人类基因组里面大约有6000到8000个药理学上感兴趣的靶点，但是截至目前只有很少一部分已被识别与药物具有相互作用。实验方法确定药物靶点作用耗时耗钱，缺乏指导性，仅限于小规模内进行。因此急需非实验性方法的出现，降低在整个基因组范围识别药物靶点作用并研发新药的时间和成本。计算方法能够提供实验学家新的预测并缩小需要实验验证的候选靶点的范围。

设计有效预测药物靶点作用的计算方法已经成为计算生物学研究领域非常有意义的研究方向。过去药物学研究遵循“一种病，一个靶点，一个药物”的研究模式，造成药物研发没有像本来期望的那样得到快速发展，其中一个重要的原因就在于复杂疾病往往和多个基因的突变有关。因此要想治疗复杂疾病必须同时针对多个靶点研发药物。最近，很多研究人员开始转变研究思路，去寻找作用于多个靶点的药物或者药物组合，以期提高药效并降低抗药性。这一研究思路的变化更需要我们知道每个药物它的作用靶点，而且往往是一个药物对应多个靶点。

闫桂英研究员和陈兴助理研究员基于类似的药物调控类似的靶点蛋白这一假设和随机游走算法的框架，提出了异质网络上的可重启随机游走(Network-based Random Walk with Restart on the Heterogeneous network, NRWRH)方法，大规模预测潜在的药物靶点作用。与传统的监督或者半监督方法相比，NRWRH充分利用网络工具进行数据结合。该方法结合三种不同的网络(靶点蛋白类似性网络，药物类似性网络和已知的药物靶点作用网络)，通过已知的药物靶点关系的桥梁作用，构建成分异质的网络并在这个网络上执行随机游走。NRWRH被分别用于四类重要靶点蛋白的药物靶点作用预测。实验表明NRWRH显著改善了先前的算法的预测精度。

这一工作目前已发表在英国皇家化学协会旗下国际权威计算生物学刊物Molecular BioSystems, 并被该刊物推选为Top ten most accessed articles in June, 2012，得到国际同行的关注，在他引中被认为是state-of-the-art approaches。这一工作还得到了国内外研究机构研究人员的关注，在来信中他们认为该工作非常有价值和帮助，对于药物靶点预测研究做出了积极的贡献。

图2: NRWRH算法和其他算法的比较