陈 鹏，鲍天嘉智，余肖生

(三峡大学 计算机与信息学院，湖北 宜昌 443002)

0 引 言

药物重定位(drug repurposing)，俗称“老药新用”，是指通过现有的技术手段将已经产生适应症的药物重新定位，寻找其新的适应症[1]。药物重定位这一概念自被提出以来，国内外学者对该方向算法的研究投入了巨大的精力[2-3]。张永祥等认为药物重定位是网络药理学的重要应用领域，介绍了基于小分子特征、基于蛋白靶点特征等方法[4]。谢达菲等提出了利用药物-靶标关系、药物-药物关系和药物-疾病关系分析等方法进行药物重定位的计算预测[5]。文献[6]将深度学习的方法应用于药物重定位。Luo等人提出了一种基于综合相似度和随机游走的药物重定位算法[7-8]，通过将药物和疾病特征信息与已知的药物-疾病关系相结合，首次提出了药物与疾病相似性的综合相似度计算方法。文献[9-11]提出了基于多数据源融合的药物重定位算法。文献[12-15]提出了一系列基于协同过滤的药物重定位算法研究，从多源数据的角度出发，通过协同过滤来计算药物-疾病对应关系预测值。

由于数据稀疏性对协同过滤的影响较大，所以现阶段基于协同过滤的药物重定位算法大多通过融合多种数据源进行计算的方法来减小影响，但在计算过程中仅使用了药物相似度，忽略了疾病相似度的作用。

综上所述，传统的基于协同过滤的药物重定位算法虽然有一定的效果，但仍有很大的进步空间。该文提出了一种基……