1. 药物重定位概述：定义、意义、传统方法 vs 知识图谱方法

大家好，今天我们正式开始这门课的第一章。药物重定位，说白了就是“老药新用”。这个概念在制药圈其实不新鲜，但我自己真正感受到它的力量，是在几年前参与一个罕见病项目时。当时我们面对一个几乎没有药可治的病症，从零研发新药？周期太长，成本太高。最后我们团队靠重定位找到了一款上市多年的降血压药，居然在细胞实验里表现出了惊人的效果。嗯，从那以后我就对这门技术特别上心。

1.1 什么是药物重定位

药物重定位（Drug Repositioning），也叫药物老药新用，是指为已获批或已进入临床的药物寻找新的适应症。你想想看，一款药从研发到上市，平均要花10年以上，投入数十亿美元。而重定位，可以把这个周期缩短到3-5年，成本降低一大截。

我习惯把它的核心逻辑归纳为三点：

• 已知安全性：药物已经过临床试验，毒理数据、药代动力学数据都是现成的。
• 已知机制：药物的靶点、作用通路已经有大量研究。
• 快速转化：只需要补充新适应症的临床数据，就能走简化审批流程。

举个例子——西地那非（伟哥）。最早它是作为心血管药物开发的，临床试验结果不理想。但意外发现它对勃起功能障碍有奇效。这就是经典的重定位案例。

1.2 为什么需要药物重定位

直接给出几个数据，你就明白了：

维度	传统新药开发	药物重定位
平均研发周期	10-15年	3-5年
平均研发成本	10-20亿美元	0.3-2亿美元
成功率	约10%	约30%
安全性风险	高（未知毒性）	低（已有临床数据）

我早期做项目时经常遇到这样的痛点：某个疾病明明有潜在的治疗靶点，但没有任何已获批药物对应。从零设计一个先导化合物，再做结构优化、动物实验、IND申报……光是想想就头大。这时候重定位就是最优解。

1.3 传统重定位方法有哪些

传统方法主要靠经验和偶然发现。我说说最常用的几种：

• 基于临床观察：医生在临床使用中发现药物的“意外疗效”。这是最原始的方式，比如前面提到的西地那非。
• 基于药物结构相似性：如果两个药物化学结构类似，就可能作用于相似靶点。
• 基于靶点亲和力：已知药物的靶点信息，如果某个疾病也涉及这个靶点，就可以试探。
• 基于基因表达谱：用芯片或测序技术，看药物处理后细胞的基因表达变化，与疾病状态下的表达谱做对比。

传统方法的问题很明显——效率低，运气成分大。我参与过一个项目，团队花了一年时间手工筛选文献和数据库，只找到了3个候选药。后来我们用知识图谱方法，一个月就找到了12个有价值的候选。

1.4 知识图谱方法是什么

知识图谱，说白了就是用图结构来组织知识。节点代表实体（药物、基因、疾病、靶点等），边代表实体间的关系（激活、抑制、治疗副作用、参与通路等）。

我举个例子，一个简单的药物-疾病知识图谱片段：

药物A --[治疗]--> 疾病X
药物A --[靶点]--> 蛋白质P
疾病X --[关联基因]--> 基因G
蛋白质P --[编码]--> 基因G
药物B --[副作用]--> 疾病Y
药物B --[化学相似]--> 药物A

这样的结构，比起传统的表格或文本，有两点核心优势：

• 多跳推理：你可以通过“药物A→靶点P→基因G→疾病X→药物B”这样的路径，发现隐藏的关联。
• 语义丰富：每条边都带有语义标签，机器能理解关系的含义，而不仅仅是共现。

1.5 传统方法 vs 知识图谱方法：一张表看清

对比维度	传统方法	知识图谱方法
数据来源	文献、病历、经验	结构化数据库、本体、文献挖掘
推理能力	单跳、线性	多跳、图游走、路径推理
可扩展性	低（手工操作）	高（自动化构建与查询）
推荐准确率	依赖专家经验	依赖于图结构和算法
发现新关系	偶然性高	系统性强
可解释性	基于经验解释	基于路径和推理链
实时更新	难	容易（增量更新）

我个人习惯把传统方法叫“点式思维”，知识图谱方法叫“网式思维”。你想想看，疾病本身就是一个多基因、多通路、多靶点交织的复杂网络。你用线性方法去解网络问题，本来就是不匹配的。

1.6 一张图看懂本章知识体系

下面我画了一张草图，把药物重定位的核心逻辑串起来。你看一下：

这张图我画得比较精简，但核心逻辑都在里面了：左边是传统路径，右边是知识图谱路径，最后汇聚到同一个目标——更快更准地实现老药新用。

1.7 本课程能学到什么

接下来我们会系统讲解：

• 如何构建疾病-药物-基因知识图谱
• 如何用图游走、PageRank、随机游走等方法做候选推荐
• 如何使用图神经网络进行链路预测
• 实际案例：从公开数据集到最终推荐列表的完整流程

我不会只讲理论。每一章都会有代码示例、数据样例、配置文件和实际踩坑记录。你会学到的不只是知识图谱，更是我这么多年在生物信息学领域积累的工程经验。