基于机器学习对药物组合相互作用的预测研究

国珺峰

[摘 要]药物研发是全球性的发展问题，过去几十年中，药物靶向治疗策略取得了相当大的成绩，确定药物治疗靶点，寻找针对靶点的特异性药物，是医药企业以及实验室研究的着力点。然而，近些年，新药物研发速率不断下降，研发成本不断上升，原因在于：一是药物研发早期阶段选择大量药物作为候选物，仍然主要依靠耗时耗力的实验手段，后期很大几率会发现药物的疗效不理想或者副作用而导致研发失败；二是大部分人类疾病是由多因素引起的复杂疾病，而生物系统具有一定的冗余度和复杂性，单一药物对单一靶点的干扰不能引起系统表型的改变。

[关键词]药物-靶标，蛋白-配体，化学倾向性，药物组合，网络筛选，蛋白质数据库，文本挖掘

中图分类号：S343 文献标识码：A 文章编号：1009-914X（2018）02-0203-02

随着不同组学技术的进步，专业资源部门累积了很多的的生物学数据，使得生物学数据库逐渐增加。生物信息学与计算生物学的发展，对于解开药物研发面临的困境，提供了一种有效手段。特别是在药物研发的早期阶段，虚拟筛选技术提供了一种高效而高通量的手段，为早期研发锁定目标、节约成本起到了重要作用。运用计算手段，整合多种数据资源，挖掘数据中隐含的关联信息，筛选可靠的药物-靶标 关系和有效的药物组合是非常理想的方法。

本论文进行的调查目的是使用现有肿瘤和蛋白质相互作用数据库的网络来预测新的药物组合或新型生物标志物，并使用网络原理解释和分析大型宏基因组数据。……