1. 药物重定位与知识图谱工程导论

药物研发长期面临“高投入、长周期、高失败率”的三重压力。一款新分子实体从靶点确认到获批上市，平均耗时十年以上，耗资常以十亿美元计，而临床阶段的失败率依然居高不下。在这样的背景下，药物重定位（Drug Repositioning / Drug Repurposing）提供了一条显著缩短周期、降低风险的路径：它不再从零寻找全新化合物，而是为已经上市或已进入临床阶段的药物寻找新的适应症。由于这些药物的安全性、药代动力学和人体耐受性数据大多已经积累，重定位项目往往可以跳过或压缩早期毒理与Ⅰ期临床，把资源集中到“新适应症是否真的有效”这一核心问题上。

药物重定位的价值不仅体现在时间与成本上，更体现在“老药新用”的成功案例中。沙利度胺因致畸问题退出市场后，被重新定位用于多发性骨髓瘤；二甲双胍从降糖药扩展到多囊卵巢综合征与部分肿瘤辅助治疗的研究；西地那非最初作为心血管药物开发，最终以肺动脉高压等适应症获得新的临床定位。这些案例说明，一个药物的生物学效应往往比最初设想的更广泛，关键在于能否系统性地发现“药物—新疾病”之间被忽略的关联。

药物重定位的核心挑战

重定位的困难并不在于“想到一个新用途”，而在于如何从海量可能性中筛出真正有生物学依据、可验证、可成药的假设。假设一种药物可能作用于数百个蛋白，一种疾病可能涉及数千个基因，二者之间的组合空间极其庞大。传统实验筛选成本高、通量有限，而文献与数据库中的证据又分散在化学、基因组学、临床、专利等不同来源，格式各异、命名不统一。更棘手的是，很多潜在关联是间接的：药物A抑制蛋白P，蛋白P参与通路Q，通路Q在疾病D中异常激活——这条链条上的任何一环都可能成为线索，也可能成为噪声。

因此，药物重定位本质上是一个证据整合与关系推理问题：需要把药物、靶点、基因、通路、疾病、表型等异构对象组织起来，显式表达它们之间的关系，再在此基础上做路径搜索、打分排序和假设生成。这正是知识图谱（Knowledge Graph, KG）擅长的事情。

知识图谱作为工程化解决方案

知识图谱以“实体—关系—实体”的三元组为基本单元，天然适合表达生物医药领域中复杂的多跳关系。与关系型数据库相比，它不要求预先固定表结构，能够灵活容纳新类型的节点和边；与单纯的文本检索相比，它把隐含在文献中的关系结构化，使机器可以沿着“药物→靶点→通路→疾病”这样的路径进行推理。在药物重定位场景中，知识图谱通常承担三类任务：一是证据汇聚，把分散的数据源统一到同一套实体与关系模型下；二是关联发现，通过路径查询或图算法找出药物与疾病之间尚未被报道的连接；三是假设排序，结合证据数量、来源可信度、路径长度等因素对候选关联打分，输出可供实验验证的优先级列表。

需要强调的是，知识图谱不是“建好就完事”的静态数据库，而是一项工程。它涉及数据采集、实体对齐、关系抽取、本体设计、图存储、查询优化、质量评估和持续更新等环节。每一个环节都会影响最终假设的质量。例如，如果药物名称没有做规范化，同一个药物以商品名、通用名、研发代号出现时就会被当成不同实体，导致证据被割裂；如果疾病本体没有对齐，ICD编码与MeSH词条之间的映射缺失，就会漏掉大量潜在关联。因此，本课程把“知识图谱工程”作为核心视角，强调可复现的流程、可检查的数据质量和可解释的推理结果。

上图给出了本课程贯穿始终的核心对象与关系链。药物、靶点、基因、通路、表型、疾病六类实体，通过“作用于、调控、参与、关联、驱动、表现”等关系连接，构成一张可查询、可推理的网络。实线表示直接证据支持的关系，虚线表示需要多跳推理才能建立的间接关联。药物重定位的假设生成，本质上就是在这样的图上寻找从“药物”到“疾病”的合理解释路径，并对路径的可靠性进行评估。

课程项目目标与数据对象总览

本课程以一个可运行的药物重定位知识图谱项目为主线，目标不是泛泛介绍概念，而是让学习者能够独立完成从数据到假设的完整链路。项目将围绕以下数据对象展开：药物基本信息（名称、别名、CAS号、研发阶段、适应症）、靶点与基因信息（UniProt、Entrez Gene、蛋白家族）、通路信息（Reactome、KEGG）、疾病信息（MeSH、ICD-10、OMIM）、表型信息（HPO）以及药物—靶点活性数据（ChEMBL、DrugBank）。这些数据源在命名规范、覆盖范围和更新频率上差异明显，因此实体对齐与本体映射是工程中的关键步骤。

在技术实现上，课程将采用“图数据库 + 查询语言 + 图算法”的组合。图数据库负责存储实体与关系，查询语言用于表达路径检索和模式匹配，图算法用于计算节点相似度、路径权重和关联打分。一个典型的查询思路是：给定目标疾病，先找到与该疾病直接关联的基因或通路，再反向查找作用于这些基因或通路的药物，最后按证据数量和路径长度排序。这个过程可以用伪代码表示为：

输入：疾病 D，最大路径长度 L
1. 从 D 出发，检索关联的基因集合 G 和通路集合 P
2. 对每个 g ∈ G，查找靶向 g 的药物集合 Drug(g)
3. 对每个 p ∈ P，查找参与 p 的基因集合 G(p)，再查找靶向 G(p) 的药物
4. 合并候选药物，记录每条路径的证据来源与跳数
5. 按证据数降序、跳数升序排序，输出 Top-N 候选
输出：候选药物列表及对应推理路径

需要说明的是，上述流程中的参数（如最大路径长度 L、Top-N 的 N 值）需要根据实际数据规模和计算资源调整。路径过长会引入大量噪声，路径过短则可能遗漏有价值的间接关联。课程后续章节会结合具体数据集，讨论如何通过交叉验证和已知阳性案例来校准这些参数。

最后需要明确本课程的定位：它是一门工程实践课，而不是生物学理论课或纯算法课。我们关注的是如何把分散的数据组织成可用的知识图谱，如何设计可复现的构建流程，如何评估图谱质量，以及如何从图中生成值得进一步实验验证的重定位假设。生物学机制的解释会服务于工程决策，但不会替代工程决策。掌握这套方法后，学习者可以将它迁移到其他疾病领域或数据源组合中，形成自己的重定位分析能力。