HGTDR: Advancing Drug Repurposing with Heterogeneous Graph Transformers

动机：药物再利用是减少药物开发时间和成本的可行解决方案。然而，迄今为止，提出的药物再利用方法仍需要满足期望。因此，提供一种系统的药物再利用方法以实现成本节约和提高人类生活质量至关重要。近年来，使用基于生物网络的方法进行药物再利用已经产生了有希望的结果。然而，这些方法存在局限性。主要的问题是，这些方法的范围通常受限于它们可以有效处理的数据的大小和多样性。另一个问题是处理异质性数据，需要解决或转换为同质性数据，从而导致信息的丢失。一个重大的缺点是，这些方法大多缺乏端到端的功能，需要在某些阶段进行手动实现和专业知识。结果：我们提出了一种新的解决方案，HGTDR（用于药物再利用的异质图转换器），以解决药物再利用所面临的挑战。HGTDR是一种基于知识图的药物再利用的三步方法：1）构建异质知识图，2）利用异质图转换器网络，3）使用全连接网络计算关系分数。通过利用HGTDR，用户可以操纵输入图形，从不同实体中提取信息，并获得所需的输出。在评估步骤中，我们证明HGTDR的表现与先前方法相当。此外，我们回顾了医学研究，验证了我们方法的前十种药物再利用建议，这些建议已经展现出有希望的结果。我们还通过数值和实验验证展示了HGTDR预测其他类型关系的能力，例如药物-蛋白质和疾病-蛋白质相互关系。

提出一种新的药物再利用方法，解决当前药物开发时间和成本高的问题。同时解决了现有方法在数据处理和功能完整性方面的限制。

提出了一种基于知识图谱的药物再利用方法，包括三个步骤：构建异构知识图谱、利用异构图转换网络和计算关系分数。

通过实验验证，HGTDR的表现与之前的方法相当。同时，HGTDR的前十个药物再利用建议已经得到医学研究的验证。该方法还能预测其他类型的关系，如药物-蛋白质和疾病-蛋白质间的相互关系。

近年来，基于生物网络的药物再利用方法已经有了一些进展，如《Drug repositioning based on comprehensive similarity measures and Bi-Random Walk algorithm》、《A network-based approach to predicting drug repurposing opportunities》等。