典型文献
基于多源语义知识图谱的药物知识发现:以药物重定位为实证
文献摘要：
[目的]探讨全数据集、跨数据平台的语义知识图谱构建方法,开展基于知识图谱的药物知识发现研究.[方法]获取PubMed、DrugBank、CTD等数据库的知识关联,通过知识融合、属性定义构建语义知识图谱,以药物重定位为实证,采用路径搜索和链路预测两种方法推理药物在肿瘤治疗中的新用途.[结果]利用知识图谱能有效地进行药物发现,两种方法的总体预测效果相近,路径发现预测F值为0.57,略高于链路预测(0.56).此外,药物与适应症之间存在的路径数越多,预测阳性的可能性越大.[局限]实证研究知识推理机制建立在已有知识关联基础上,难以对无靶点信息的新药进行挖掘;同时庞大的数据体量难以实现知识图谱的动态更新.[结论]融合多源数据集构建的知识图谱能有效地发现药物新适应症,提升药物研发效率,为药物知识发现提供新思路.
文献关键词：
知识发现;药物重定位;语义模型;知识图谱
中图分类号：
作者姓名：
张晗;安欣宇;刘春鹤
作者机构：
中国医科大学健康管理学院 沈阳 110122
文献出处：
引用格式：
[1]张晗;安欣宇;刘春鹤-.基于多源语义知识图谱的药物知识发现:以药物重定位为实证)[J].数据分析与知识发现,2022(07):87-98
A类：
B类：
源语,语义知识,药物知识,知识发现,药物重定位,全数,知识图谱构建,构建方法,基于知识,DrugBank,CTD,知识关联,知识融合,路径搜索,链路预测,肿瘤治疗,新用,药物发现,略高于,适应症,路径数,知识推理,推理机制,机制建立,新药,难以实现,动态更新,多源数据,数据集构建,升药,药物研发,研发效率,语义模型
AB值：
0.383945
相似文献
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
