[发明专利]基于致病贡献网络分析的药物重定位模型

权利要求书

1.一种基于致病贡献网络分析的药物重定位系统，其特征在于，包括数据准备模块、致病贡献网络构建与计算模块、药物嵌入与排序模块；

所述数据准备模块的任务主要是将致病贡献网络构建和计算部分所需的所有数据准备充分，包括数据清洗和实体消歧两部分；所述数据清洗部分目的是将数据内容和格式处理成构建网络所要求的情况，包括数据的杂质过滤和数据的类型转化；所述实体消歧部分目的是消除生物医学领域内同一概念的不同命名，该部分是以UMLS编码为基准，将数据中所有描述同一生物医学领域事物的不同名称统一成UMLS语言；

所述致病贡献网络构建与计算模块的主要任务是完成致病网络的构建和节点贡献的计算，将完整的致病贡献网络建立起来，包括致病网络构建和节点贡献计算；所述致病网络构建目的是将目标疾病的所有致病元素统一在网络中，包括节点导入和边导入；所述节点贡献计算是对网络中的每一个节点的重要性进行计算并区分，首先进行节点中心度的计算，然后在节点中心度的基础上进行节点贡献值的计算；

所述药物嵌入与排序模块的任务是列出所有成为目标疾病的有效药的药物和每种药物成为目标疾病的有效药的可能性大小，包括药物嵌入和结果排序两部分；所述药物嵌入的目的是通过药物节点和关系嵌入的方式计算出药物对致病贡献网络的潜在治疗能力；所述结果排序的目的是将对网络治疗能力较大的备选药物筛选出来，包括基因倾向排序和蛋白质倾向排序；

所述节点导入是选取了要研究的目标疾病以后，将数据清洗后的CSV数据中的所有导致目标疾病的基因和蛋白质导入到图形数据库中；

所述边导入是在图中将致病基因和致病蛋白质作为网络节点，基因-基因，基因-蛋白质，蛋白质-基因，蛋白质-蛋白质四类关系作为网络的边。

2.根据权利要求1所述的基于致病贡献网络分析的药物重定位系统，其特征在于，所述数据的杂质过滤包括过滤掉夹杂在所需数据中的无意义数据；所述数据的类型转化包括先将多源异构的数据统一成主-谓-宾形式的三元组数据，然后再将这些三元组数据转化为CSV格式。