Learning a Patent-Informed Biomedical Knowledge Graph Reveals Technological Potential of Drug Repositioning Candidates

要約

既存の薬剤の新しい治療用途を発見するための有望な戦略であるドラッグ リポジショニングは、生物医学データベースを使用した計算科学文献でますます研究されています。
しかし、ドラッグリポジショニング候補の技術的可能性はしばしば見落とされてきました。
この研究は、医薬品特許や生物医学データベースなどのさまざまな情報源を包括的に分析し、技術的可能性と科学的証拠の両方を備えたドラッグリポジショニング候補を特定するための新しいプロトコルを提示します。
この目的を達成するために、まず、生物医学データベースから得られた薬物、疾患、遺伝子間の関係からなる科学的生物医学知識グラフ (s-BKG) を構築しました。
私たちのプロトコールには、標的疾患との関連性が限定的であるが、s-BKG に密接に位置する薬剤を潜在的な薬剤候補として特定することが含まれます。
医薬品特許情報を追加して、特許情報に基づく生物医学知識グラフ (p-BKG) を構築しました。
最後に、p-BKG の構造を確認するためのグラフ埋め込みプロトコルを開発し、それによって対象疾患関連特許との関連性スコアを計算し、その技術的可能性を評価しました。
アルツハイマー病に関する私たちのケーススタディは、その有効性と実現可能性を実証するとともに、定量的な成果と系統的な手法は、ドラッグリポジショニング研究におけるコンピューターによる発見と市場応用の成功との間のギャップを埋めることが期待されています。

要約(オリジナル)

Drug repositioning-a promising strategy for discovering new therapeutic uses for existing drugs-has been increasingly explored in the computational science literature using biomedical databases. However, the technological potential of drug repositioning candidates has often been overlooked. This study presents a novel protocol to comprehensively analyse various sources such as pharmaceutical patents and biomedical databases, and identify drug repositioning candidates with both technological potential and scientific evidence. To this end, first, we constructed a scientific biomedical knowledge graph (s-BKG) comprising relationships between drugs, diseases, and genes derived from biomedical databases. Our protocol involves identifying drugs that exhibit limited association with the target disease but are closely located in the s-BKG, as potential drug candidates. We constructed a patent-informed biomedical knowledge graph (p-BKG) by adding pharmaceutical patent information. Finally, we developed a graph embedding protocol to ascertain the structure of the p-BKG, thereby calculating the relevance scores of those candidates with target disease-related patents to evaluate their technological potential. Our case study on Alzheimer’s disease demonstrates its efficacy and feasibility, while the quantitative outcomes and systematic methods are expected to bridge the gap between computational discoveries and successful market applications in drug repositioning research.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google