📚 课程目录第1章药物知识图谱推理工程导论

1. 药物知识图谱推理工程导论

药物研发长期面临一个结构性矛盾：可获得的生物医学数据在指数级增长，而从数据到可执行结论的路径却依然依赖大量人工判读。一个候选靶点是否值得投入，一种老药能否拓展新适应症，两个化合物是否存在潜在协同，这些问题往往需要跨越基因组学、化学结构、临床表型、文献证据等多个异构来源进行综合推理。药物知识图谱推理工程，正是为这类问题提供系统化、可计算、可复现的解决路径。

课程定位：从知识表示到推理落地

本课程不是单纯的知识图谱理论课，也不是纯粹的图数据库操作课。它的定位是面向药物研发场景的推理系统工程课：以药物领域实体与关系为建模对象，以图结构为知识载体，以推理算法为计算引擎，最终交付可解释、可评估、可迭代的推理结果。学习者需要同时具备三方面能力——理解药物领域本体的语义约束，掌握图上的推理机制，以及能够把推理链路工程化为可运行的系统。

课程的技术栈可以概括为四层。最底层是数据与本体层，包括药物、靶点、基因、疾病、通路、不良反应等实体类型，以及“靶向”“关联”“上调”“导致”等关系类型，通常用OWL或自定义Schema约束。第二层是图谱存储与查询层，涉及RDF三元组库或属性图数据库，以及SPARQL、Cypher等查询语言。第三层是推理计算层，涵盖规则推理、路径推理、图嵌入、图神经网络以及近年来的大模型与图谱协同推理。最上层是应用与评估层，包括药物重定位、靶点优先级排序、药物组合预测、可解释性报告生成等。

核心问题：推理工程要解决什么

药物知识图谱推理工程的核心问题可以归纳为三类。第一类是链接预测：给定药物和疾病节点，判断它们之间是否存在尚未被发现的治疗关系。这本质上是图上的缺失边推断问题。第二类是路径解释：不仅给出预测结果，还要给出“药物A通过抑制靶点B，影响通路C，最终改善疾病D”这样的可追溯推理链。第三类是证据融合与置信度校准：不同来源的证据强度不同，临床试验数据与文献共现的权重显然不能等同，推理系统需要输出带有置信度的结论。

这三类问题对应着不同的技术选择。链接预测常用图嵌入方法，如TransE将关系视为向量平移，或R-GCN对多关系图进行卷积聚合。路径解释更依赖规则推理和子图搜索，例如在Cypher中查询长度不超过4的路径并施加关系类型约束。证据融合则需要设计打分函数，把路径长度、关系权重、来源可信度等因子组合起来。

典型应用场景与一个可操作的推理示例

以药物重定位为例。假设我们关注药物二甲双胍与疾病非小细胞肺癌之间的潜在关联。在图谱中，二甲双胍通过“靶向”关系连接到AMPK，AMPK通过“调控”关系连接到mTOR通路，mTOR通路通过“驱动”关系连接到非小细胞肺癌。这条路径长度为3，关系类型依次为“靶向—调控—驱动”。

在工程实现中，我们可以用如下Cypher查询提取候选路径：

MATCH path = (d:Drug {name:'二甲双胍'})-[r1:TARGETS]->(t:Target)
             -[r2:REGULATES]->(p:Pathway)
             -[r3:DRIVES]->(dis:Disease {name:'非小细胞肺癌'})
RETURN path, length(path) AS hops,
       r1.weight * r2.weight * r3.weight AS path_score
ORDER BY path_score DESC
LIMIT 10;

这里weight是关系权重，取值范围为0到1，由证据来源和实验支持强度预先标定。路径得分采用连乘方式，意味着任何一段关系权重偏低都会显著拉低整体得分。假设示例中三段权重分别为0.85、0.72、0.68，则路径得分为0.85×0.72×0.68≈0.416。这个数值本身不是“治愈概率”，而是用于在同一批候选路径之间做相对排序的工程指标。

得到候选路径后，还需要做两步判断。第一步是路径去冗余：如果多条路径共享同一靶点和通路，应合并为一条主路径并累加证据。第二步是反向验证：检查是否存在“二甲双胍—激活—某抑癌基因—抑制—非小细胞肺癌”的负向路径，若正负路径同时存在，则需要在报告中标注证据冲突。

在实际项目中，建议把路径得分、证据来源数量、是否存在负向路径这三个字段作为推理结果的最小输出单元。这样下游的排序和人工复核都有据可依，而不是只看到一个孤立的预测标签。

工程视角下的关键约束

药物知识图谱推理与通用知识图谱推理有一个重要区别：错误代价极高。一个错误的药物重定位建议可能误导实验资源投入，因此系统必须优先保证可解释性和可追溯性，而不是单纯追求预测指标。这意味着在技术选型上，规则推理和路径推理往往比纯黑箱模型更受青睐，或者至少需要与图神经网络形成互补。

另一个约束是数据异构与粒度不一致。同一个靶点在UniProt、Ensembl、DrugBank中可能有不同的标识符，同一个疾病在ICD-10、MeSH、SNOMED中编码不同。推理工程必须在前端完成实体对齐，否则路径会在标识符断裂处中断。常见做法是建立“同义标识符映射表”，并在图查询时通过sameAs关系做一跳扩展。