1. 药物重定位证据融合工程导论

药物重定位（Drug Repositioning）指为已上市或已进入临床阶段的药物寻找新的适应症。与从零开始的新药研发相比，它天然继承了已有的药代动力学、安全性、制剂工艺与部分临床数据，因此常被视为一条"低风险、短周期"的路径。但真正决定成败的，往往不是"能不能想到一个新用途"，而是"能否用足够可信的证据说服审评、临床与商业三方"。这正是证据融合工程要解决的问题。

一、定义：从"证据集合"到"可决策证据链"

药物重定位证据融合工程，是指围绕一个候选"药物—新适应症"假设，系统性地采集、标准化、加权、冲突消解并组织多源异构证据，最终形成一条可追溯、可复现、可审计的证据链，用以支撑"继续推进 / 暂停 / 终止"的研发决策。

它包含三个关键词：

• 多源异构：证据来自化学结构、靶点结合、转录组签名、电子病历、真实世界数据、文献、专利、临床试验登记等，格式、粒度、可靠性差异极大。
• 融合：不是简单堆叠，而是按证据类型赋予权重、处理方向冲突（如某基因在疾病中上调、而药物使其下调，则方向一致为支持）。
• 工程：意味着流程可版本化、参数可配置、结果可复现，而非依赖某位专家的个人判断。

二、目标：把"灵感"转化为"可辩护的假设"

一个成熟的重定位证据融合流程，通常追求四个目标：

1. 提高命中率：在进入湿实验或临床前，用计算证据筛掉明显不成立的假设，降低试错成本。
2. 缩短周期：把分散在多个数据库、文献和内部实验中的证据集中到统一视图，减少重复检索与人工比对。
3. 增强可解释性：不仅给出"得分高"，还要说明"哪些证据支持、哪些证据反对、权重如何"。
4. 支撑决策：输出可直接进入立项评审、IND 讨论或临床方案设计的证据包。

三、核心挑战：证据的"异质性"与"冲突性"

实际工作中，最棘手的不是缺少数据，而是数据之间彼此矛盾。例如：

• 靶点层面：药物 A 对靶点 T 的亲和力数据来自不同实验平台，IC50 相差 10 倍以上；
• 通路层面：转录组数据显示药物 A 抑制某通路，而蛋白质组数据显示该通路被激活；
• 临床层面：回顾性真实世界研究提示有效，但小样本随机对照试验未达主要终点。

这些冲突不能靠"取平均"解决，而需要建立证据分级与冲突消解规则。常见做法是：先按证据类型分级（如临床 RCT > 真实世界研究 > 动物实验 > 细胞实验 > 计算预测），再在同一层级内按样本量、效应量、统计显著性、研究质量评分加权，最后对方向相反的强证据设置"红旗"标记，强制人工复核。

Score = 0.35 × 靶点证据 + 0.25 × 通路证据 + 0.20 × 表型证据 + 0.20 × 临床/真实世界证据
其中每类证据归一化到 [0,1]，方向一致记正，方向相反记负并触发复核。

四、工程化视角：把"证据融合"做成一条可运行的数据流水线

从工程角度看，证据融合不是一次性分析，而是一条持续运行的流水线。它至少包含五个环节：证据采集、标准化、加权融合、冲突检测与解释、决策输出。每个环节都需要明确的输入输出契约、版本记录和质量控制点。

下面这张图展示了该流水线的核心结构与数据流向，重点体现"多源输入 → 标准化 → 加权融合 → 冲突检测 → 决策输出"的关系，以及冲突检测对融合结果的反向修正作用。

这条流水线的价值在于：当有人质疑"为什么这个候选被推进"时，团队可以回溯到具体证据、权重和冲突处理记录，而不是回答"专家觉得有希望"。

五、从"做一次分析"到"建一套能力"

很多团队最初把证据融合当成一个项目：针对某个药物、某个适应症，临时拉数据、跑脚本、写报告。但真正可持续的做法，是把它沉淀为组织能力——统一的证据模型、可复用的标准化组件、版本化的权重配置、以及标准化的决策输出模板。

总结来说，药物重定位证据融合工程要回答的不是"有没有可能"，而是"有多少证据、以多大可信度、在什么方向上支持这个可能，以及我们是否愿意据此投入下一步资源"。把这个问题工程化、可复现化，就是本课程后续各章要逐步展开的内容。