3. 证据融合的数学基础

在药物重定位中，我们面对的证据来源极其多样：基因表达谱、蛋白互作网络、副作用相似性、电子病历共病统计、文献共现、分子对接打分……这些证据的可靠性、相关性和语义各不相同。要把它们融合成一个可解释、可计算的结论，必须有一套严格的数学语言。本节聚焦三类核心工具：概率图模型（PGM）、贝叶斯网络（BN）与证据理论（Dempster-Shafer，简称 D-S），并说明它们在“药物—靶点—疾病”三元关系推断中的分工与衔接方式。

一、为什么需要概率化融合

假设我们观察到药物 A 与疾病 B 存在关联信号，来源有三个：
① 药物 A 的靶点 T 与疾病 B 的已知致病基因存在蛋白互作（置信度 0.7）；
② 药物 A 的副作用谱与已知对 B 有效的药物相似（相似度 0.6）；
③ 文献中 A 与 B 的共现次数显著（p=0.01）。

如果简单加权求和，会忽略两个关键问题：证据之间的条件依赖（例如靶点证据与文献证据可能共享同一批研究）以及证据缺失时的推理能力（某条证据没有观测值，不代表它支持“无关”）。概率图模型正是为解决这类问题而设计的。

二、概率图模型：把联合分布拆成局部因子

概率图模型用图结构表示随机变量之间的依赖关系。节点是变量，边表示直接概率依赖。其核心价值在于：一个高维联合分布 P(X₁,…,Xₙ) 可以被分解为若干局部条件分布的乘积，从而大幅降低参数量和计算复杂度。

在药物重定位中，典型的变量包括：药物 D、靶点 T、通路 P、疾病 I、证据观测 E。若假设 D→T→P→I 构成一条链，则联合分布可写为：

P(D,T,P,I,E) = P(D) · P(T|D) · P(P|T) · P(I|P) · P(E|D,T,P,I)

这种分解让“药物通过靶点影响通路进而影响疾病”的机制链条变得可计算。但要注意：图结构不是随便画的，边代表条件独立假设。若把 D 和 I 直接连边，就意味着在给定其他变量后 D 与 I 仍直接相关，这通常不符合机制认知。

三、贝叶斯网络：有向无环图上的信念更新

贝叶斯网络是概率图模型中最常用的一类，它要求图是有向无环图（DAG），每个节点附带一个条件概率表（CPT）。给定观测证据后，通过贝叶斯公式更新目标变量的后验概率：

P(重定位成立 | 证据) = P(证据 | 重定位成立) · P(重定位成立) / P(证据)

实际计算中，我们通常不手算分母，而是用变量消元或信念传播算法在网络上传播证据。以“药物 A 是否可重定位至疾病 B”为查询变量 H，观测到靶点证据 T=1、副作用证据 S=1，则后验为：

P(H=1 | T=1, S=1) ∝ P(H=1) · P(T=1|H=1) · P(S=1|H=1)

假设先验 P(H=1)=0.05，P(T=1|H=1)=0.8，P(T=1|H=0)=0.2，P(S=1|H=1)=0.7，P(S=1|H=0)=0.3，则：

P(H=1|T=1,S=1) ∝ 0.05×0.8×0.7 = 0.028
P(H=0|T=1,S=1) ∝ 0.95×0.2×0.3 = 0.057
归一化后 P(H=1|T=1,S=1) ≈ 0.329

可以看到，两条中等强度的证据把后验从 0.05 提升到约 0.33，但远未达到“确信”。这正是贝叶斯网络的价值：它给出的是校准后的信念，而不是简单投票。

四、证据理论：处理“不知道”与冲突证据

贝叶斯网络要求每个变量都有完整先验，且证据必须转化为概率。但现实中常遇到“这条证据既不支持也不反对”的模糊状态。D-S 证据理论用信任函数 Bel 和似然函数 Pl 描述这种不确定性：Bel(A) 表示对命题 A 的最低支持度，Pl(A) 表示最高可能支持度，两者之差就是“不知道”的部分。

设两个独立证据源 m₁ 和 m₂ 在同一识别框架 {H, ¬H} 上给出基本概率分配（BPA）：

m₁({H})=0.6, m₁({¬H})=0.3, m₁({H,¬H})=0.1
m₂({H})=0.5, m₂({¬H})=0.4, m₂({H,¬H})=0.1

Dempster 组合规则计算冲突系数 K：

K = m₁({H})·m₂({¬H}) + m₁({¬H})·m₂({H})
  = 0.6×0.4 + 0.3×0.5 = 0.24 + 0.15 = 0.39

融合后 m({H}) = (0.6×0.5 + 0.6×0.1 + 0.1×0.5) / (1−0.39) ≈ (0.30+0.06+0.05)/0.61 ≈ 0.672。融合结果比任一单源都更支持 H，同时保留了 0.1 量级的“不知道”质量。当 K 接近 1 时，说明证据严重冲突，此时不应强行融合，而应回溯证据源质量。

五、三者的衔接与工程选择

在实际证据融合工程中，这三类工具不是互斥的，而是分层配合：

• 概率图模型负责搭建“药物—靶点—通路—疾病—证据”的全局依赖骨架，明确哪些变量之间存在直接条件依赖，避免重复计算相关证据。
• 贝叶斯网络在骨架上进行信念传播，把先验知识和观测证据统一转化为后验概率，输出可比较的排序分数。
• 证据理论用于处理贝叶斯网络难以建模的“不知道”和“冲突”情形，尤其适合多源异构证据（如文献、实验、临床）质量参差不齐时的鲁棒融合。

一个可操作的工程判断是：当证据源之间条件独立假设基本成立、且每个源都能给出较可靠的概率估计时，优先用贝叶斯网络；当证据源存在明显冲突、或部分源只能给出区间/模糊判断时，引入 D-S 证据理论做二次融合。两者结合时，可先用 BN 输出各证据源对假设的支持度，再将其转化为 BPA 输入 D-S 组合规则。

六、一个可复用的计算检查清单