基于自适应去偏学习的药物重定位新方法DRDM：破解长尾实体与流行实体偏倚难题

针对药物重定位任务中因数据偏倚（如流行实体与长尾实体极化）导致的预测偏差问题，研究人员提出创新框架DRDM，集成动态去偏机制与双视图对比学习，显著提升长尾实体表征能力。实验证实其在三大数据集上AUROC/AUPR指标优于基线模型，为药物发现提供新思路。

　　

在药物研发领域，寻找已有药物的新适应症（药物重定位）已成为缩短研发周期、降低成本的战略选择。然而，传统实验验证耗时长、费用高，而现有计算方法虽借助图神经网络(GNN)取得进展，却普遍忽视数据集内在的偏倚问题——尤其是"流行实体"（高频高关联节点）与"长尾实体"（低频低关联节点）的极化现象。这种偏倚导致模型过度关注流行实体，使长尾实体（可能蕴含新药效线索）的表征学习不足，严重制约预测准确性。

针对这一挑战，中国研究人员开发了名为DRDM的创新框架。该研究首次系统分析了Fdataset、Cdataset和LRSSL三大常用药物重定位数据集，发现它们均存在显著的节点极化特征。基于此，团队提出动态去偏机制：通过逐层计算实体权重，抑制流行实体的聚合影响，同时增强长尾实体的表征优先级。此外，引入双视图对比学习提供额外监督信号，进一步提升模型鲁棒性。实验显示，DRDM在10折交叉验证中AUROC和AUPR指标均超越基线模型，案例研究更揭示其发现新型药物-疾病关联的潜力。该成果发表于《Journal of Biomedical Informatics》，为药物重定位领域提供了首个专门解决数据偏倚问题的通用框架。

关键技术方法

1. 动态去偏机制：基于当前层嵌入动态计算实体权重，流行实体降权、长尾实体增权
2. 双视图对比学习：构建节点级和图级对比任务，增强监督信号
3. 异构网络建模：整合药物-疾病关联、药物/疾病相似性等多元数据
4. 评估指标：采用AUROC（曲线下面积）和AUPR（精确率-召回率曲线下面积）

研究结果

数据集特征分析
通过可视化三大数据集分布（Fdataset/Cdataset/LRSSL），发现药物/疾病节点均呈现两极分化：少数节点占据大量关联（流行实体），多数节点关联稀疏（长尾实体）。这种结构易导致GNN聚合时流行实体嵌入过度相似，而长尾实体难以捕获全局信号。

去偏机制有效性验证
消融实验表明，动态权重调整使长尾实体AUPR提升12.7%-18.3%。案例研究中，DRDM成功预测了传统方法遗漏的甲氨蝶呤（Methotrexate）与类风湿关节炎关联，证实其挖掘隐性药效的能力。

对比学习的增益效应
双视图对比学习使模型在数据稀疏场景下AUROC稳定提高2.3%-5.1%，证明额外监督信号可缓解数据稀疏性。

跨数据集泛化性
在未见数据集上测试时，DRDM性能波动小于基线模型（标准差降低31%），显示其架构的强适应性。

结论与意义
该研究首次揭示药物重定位数据集的节点极化现象，并提出针对性解决方案DRDM。其创新性体现在三方面：

1. 方法论突破：动态去偏机制通过可微权重调整，实现流行实体抑制与长尾实体增强的平衡；
2. 技术整合：将对比学习引入药物重定位任务，开创性地结合去偏与自监督学习；
3. 应用价值：不依赖领域先验知识的特性使其适用于多类型关联预测，尤其适合资源有限的研发场景。

研究团队（Yajie Meng/Yi Wang等）强调，DRDM的通用设计可扩展至其他生物医学网络分析任务，如药物-靶点预测或疾病基因挖掘。未来工作将探索更精细的偏倚量化指标，并整合多组学数据进一步提升预测维度。该成果为破解数据偏倚这一AI辅助药物开发的共性难题提供了重要范式。