段志光教授团队在《情报计量学》发表文章“基于网络拓扑驱动的药物新价值发现”

2018年8月，国际《情报计量学》杂志(Journal of Infometrics, IF=3.484)上发表了段志光教授课题组的题为“Topology-driven trend analysis for drug discovery”（基于网络拓扑驱动的药物新价值发现）的研究成果。课题组博士生吕艳华为该论文第一作者。

本文采用机器学习和文本挖掘的方法，基于文献中药物复杂网络的拓扑结构关系，对现有自闭症治疗药物及其关系进行重新审视，发现潜在的药物价值，以期为自闭症药物治疗及试验研究提出科学的药物假设。为此，本文在PubMed数据库中收集了所有自闭症治疗相关的科研论文，基于MeSH术语提取与自闭症治疗密切相关的145种药物及其6624个同义词建立药物网络，并基于相同的ATC分类层次建立疾病治疗网络，以期从中发现潜在的疾病药物关系。本文结合了共词网络、社区探测、弱组分、基于路径发现的治疗组分析，以及检测团内重要药物相互作用的方法等多种方法和技术，提出了一种新的数据驱动型拓扑网络发现方法开展旧药新价值研究。研究结果表明，对基于文献的药物网络中所提取药物及其关系的深入分析，可以为药物新价值发现研究提供新思路。结果还表明，有四种药物未来有可能用于自闭症治疗（Tocilizumab, Tacrolimus, Prednisone和Sulfisoxazole），值得在实验室进一步研究，并正式评估其对症状的可能影响，这可能为心理学家、医生和研究人员提供基于数据的科学假说。