老药新用，中南大学团队发布 AdaDR，基于自适应图卷积网络进行药物重定位
内容提要
中南大学研究人员提出了一种自适应图卷积网络方法，用于药物重定位。该方法在实验证明性能优于其他基准方法，可以节省研发成本和时间，加快药物研发进程。药物重定位算法是一项潜在的强大技术。
延伸解读
药物重定位为何成为研发热点
传统新药研发耗时长、投资大，且投资回报率持续走低。药物重定位将现有药物用于新疾病，可显著节省早期成本和时间。文章引用数据称，重定位药物平均成本约3亿美元，进入市场约需6.5年，而新药研发通常需10至15年、至少10亿美元。这种优势使其成为行业研究热点。
AdaDR方法的技术创新点
现有基于图卷积网络的药物重定位方法在深度集成节点特征和拓扑结构方面存在局限。AdaDR通过自适应图卷积操作模拟两者交互，并利用注意力机制学习嵌入的自适应重要性权重，从而增强模型表达能力。该框架包含图卷积模块、自适应学习模块和预测模块，能同时从特征和拓扑空间提取信息。
实验验证与性能表现
研究在四个基准数据集（Gdataset、Cdataset、Ldataset、LRSSL）上进行10次十折交叉验证。结果显示，AdaDR在四个数据集上的AUPRC分别比次优方法DRHGCN高出9.8%、9.1%、9.1%和7.1%。在预测新药物潜在适应症时，AdaDR在Gdataset上达到0.948的AUROC和0.393的AUPRC，优于其他7种方法。
案例研究：阿尔茨海默病与乳腺癌
研究将AdaDR应用于预测阿尔茨海默病和乳腺癌的候选药物。在预测得分排名前五的药物中，许多已获权威来源和文献验证，成功率达100%。例如，模型预测紫杉醇可治疗乳腺癌，且得到文献支持。有趣的是，训练集中包含多西他赛，而紫杉醇与其具有相同核心结构，表明模型能利用药物相似性进行有意义的预测。
Q&A
AdaDR方法的主要创新点是什么？
AdaDR方法通过自适应图卷积操作增强模型的表达能力，结合节点特征和拓扑结构，克服了传统图卷积网络的局限性。
药物重定位的优势有哪些？
药物重定位可以降低药物风险、缩短临床评估周期、降低成本并提高研发效率。
AdaDR在药物重定位方面的实验结果如何？
实验结果显示，AdaDR在药物重定位方面的性能优于多个基准方法，尤其在交叉验证中表现优异。
研究中使用了哪些基准数据集进行评估？
研究利用了Gdataset、Cdataset、Ldataset和LRSSL四个广泛应用于药物重定位的基准数据集进行评估。
AdaDR模型的架构包含哪些模块？
AdaDR模型框架主要包括图卷积模块、自适应学习模块和预测模块。
药物重定位技术在生物医学研究中的地位如何？
基于机器学习和大数据挖掘的药物重定位技术已成为生物医学研究的热点，具有潜在的强大技术优势。
