基于文献数据挖掘与Jaccard系数的药物重定位新策略研究

本研究针对传统药物开发周期长、成本高、失败率高的痛点，创新性提出基于文献引用网络和Jaccard系数的计算方法。研究人员通过分析19,553组药物对，验证了文献相似性与GO、化学结构、临床特征等生物药理指标的正相关性（AUC=0.593），筛选出阿达帕林-贝沙罗汀等潜力组合，为加速药物发现提供了高效的计算生物学方案。

　　

在医药研发领域，新药开发如同攀登珠峰——平均耗时12-15年、耗资2.8亿美元的征程中，86.2%的候选药物倒在临床试验第一阶段。面对这一困境，南方科技大学统计与数据科学系的梁向龙、马奕芳团队另辟蹊径，将目光投向200万篇生物医学文献构成的"知识金矿"，在《BMC Bioinformatics》发表了一项突破性研究。

传统药物重定位方法各有限制：机器学习存在"黑箱"难题，蛋白质互作网络覆盖不全，文本语义分析缺乏统一标准。研究团队创新性地构建药物-靶点-文献三元关系网络，通过计算文献Jaccard系数（公式1：|A∩B|/|A∪B|）量化药物相似性。该方法巧妙利用科学文献引用规律，将靶点相似性转化为文献重叠度分析，首次实现从海量文献中自动挖掘重定位线索。

关键技术包括：1) 从OpenAlex和NCBI获取1978种FDA批准药物的2254个靶点相关文献；2) 构建文献引用网络计算Jaccard系数和log(C₁ Ratio)；3) 采用repoDB数据库的10,125组药物对（含6,797真阳性）验证性能；4) 整合GO注释、化学指纹、共表达等5类生物药理指标进行多维验证。

研究结果

文献相似性与生物特性的关联

分析显示，Jaccard系数与GO功能（BP/MF/CC）、化学相似性（Tanimoto系数）、靶点共表达（|PCC|）等均呈显著正相关（图2a-g）。当文献重叠度增加时，药物在分子功能（MF）相似性提升达300%，证明文献网络能有效捕捉深层生物特征。

方法性能验证

在6,797组真阳性数据中，Jaccard系数的AUC（0.779）显著优于log(C₁ Ratio)和蛋白互作分离度（图4a-f），F1分数（0.593）显示其尤其适合不平衡数据集。随机文献对照实验（图3）进一步证实文献重叠非偶然现象（p<0.001）。

潜力药物组合发现

通过设定γ分位数阈值（γ=0.01-0.10），筛选出19,553组候选对，包括：

• 阿达帕林（痤疮药）与贝沙罗汀（皮肤T细胞淋巴瘤药）：共享维甲酸受体靶点

• 胍那苄（降压药）与替扎尼定（肌松药）：均作用于α₂肾上腺素受体

• 阿尔维莫潘（术后肠梗阻药）与甲基纳曲酮（阿片类药物便秘药）：协同调节μ阿片受体

研究结论

该工作建立了首个基于文献网络的药物重定位计算框架，其创新性体现在：

1. 将文献计量学引入药物发现，突破传统方法的数据局限；

2. 验证文献相似性与5类生物标记的定量关系，为"相似药物治相似病"提供新证据；

3. 开源19,553组候选组合，包含3类机制明确的跨适应症案例。

正如研究者指出，该方法未来可结合语义分析优化阈值选择，其"文献即数据"的理念为AI驱动的药物研发开辟了新路径。在个性化医疗时代，这种低成本、高效率的计算策略，或将成为破解药物开发"死亡之谷"的重要钥匙。