段志光教授團隊在《情報計量學》發表文章“基于網絡拓撲驅動的藥物新價值發現”

2018年8月，國際《情報計量學》雜志(Journal of Infometrics, IF=3.484)上發表了段志光教授課題組的題為“Topology-driven trend analysis for drug discovery”（基于網絡拓撲驅動的藥物新價值發現）的研究成果。課題組博士生呂艷華為該論文第一作者。

本文采用機器學習和文本挖掘的方法，基于文獻中藥物復雜網絡的拓撲結構關系，對現有自閉癥治療藥物及其關系進行重新審視，發現潛在的藥物價值，以期為自閉癥藥物治療及試驗研究提出科學的藥物假設。為此，本文在PubMed數據庫中收集了所有自閉癥治療相關的科研論文，基于MeSH術語提取與自閉癥治療密切相關的145種藥物及其6624個同義詞建立藥物網絡，并基于相同的ATC分類層次建立疾病治療網絡，以期從中發現潛在的疾病藥物關系。本文結合了共詞網絡、社區探測、弱組分、基于路徑發現的治療組分析，以及檢測團內重要藥物相互作用的方法等多種方法和技術，提出了一種新的數據驅動型拓撲網絡發現方法開展舊藥新價值研究。研究結果表明，對基于文獻的藥物網絡中所提取藥物及其關系的深入分析，可以為藥物新價值發現研究提供新思路。結果還表明，有四種藥物未來有可能用于自閉癥治療（Tocilizumab, Tacrolimus, Prednisone和Sulfisoxazole），值得在實驗室進一步研究，并正式評估其對癥狀的可能影響，這可能為心理學家、醫生和研究人員提供基于數據的科學假說。