今天讲篇关于老药新用的文章

题目叫《基于网络的药物重定向机遇：基于药物导致的低血压副作用来寻找潜在抗高血压的药物》，2016年发表在Journal Of Medical Internet Research上，IF 5分左右。

    首先作者介绍了什么是老药新用（Drug repositioning），就是为已知药物找到新的适应症的过程，药物作用在人身上的表现出的临床副作用可能为老药新用提供了一个直接的方向。
    其次作者的目的是找到常与低血压发生相关联的药物，这些可能是潜在的抗高血压药物。方法便是从FDA的FAERS中搜索不良反应报告记录，来挖掘683个药物中低血压发生和高血压疗效的关联。
    结果：作者研究发现常导致低血压副作用发生的药物更有可能具有抗高血压的活性。将这些药物根据显著性排序，已知的抗高血压药物与其他药物是显著区分开来的（AUC>0.8, NDCG=0.77）。并且发现了一系列潜在的可作为抗高血压的药物（特别是治疗神经系统疾病的药物），表明了基于网络和数据驱动的药物重定向的潜力。
    结论：作者发现了几个潜在的抗高血压药物，更重要的是，这表明药物警戒系统也能够被用来识别抗高血压药物，这也是老药新用的机遇。

    数据及来源：FAERS数据库10年的药物不良反应记录，获得了683个单一成分药物，及发生的不良反应记录（json格式），记录信息主要是药物-不良反应对应关系。

    然后作者根据下面的二联表计算了每个药物低血压发生的比值比（odds ratio, ROR）以及Pvalue(Fisher exact test).

    虽然通过ROR可以判断出药物与低血压发生的关联，ROR越大表示药物与低血压发生越相关，但这样还不足以证明能导致低血压副作用和抗高血压疗效是有关联的，于是作者从Drugbank中获得这683个药物的适应症列表，给每个药物一个相关系数，适应症中有高血压的相关系数为1，否则为0，将这683个药物按照ROR排序，根据相关系数计算标准折损累积增益（Normalized Discounted Cumulative Gain, NDCG）,NDCG是一个用来衡量排序质量的指标，常用来衡量搜索结果排序和推荐商品的准确性。

    假设我们推荐k个物品，这个推荐列表的累积增益CG（cumulative gain）计算公式如下：

    rel表示第k个物品的相关性或者评分。
    但是CG没有考虑推荐的次序，在此基础之后引入对物品顺序的考虑，于是就有了DCG(discounted CG)，折扣累积增益。公式如下：

    但DCG没有考虑到检索中真正有效的结果，所以最后我们引入NDCG(normalized discounted CG)，顾名思义就是标准化之后的DCG。

    作者假设抗高血压的药物越容易导致低血压副作用的发生，反过来也可以说是低血压的发生暗示着抗高血压的活性。那么已知的抗高血压药物应该更容易导致低血压发生，通过上面计算的NDCC为0.77并且AUC>0.8，证明作者的假设是合理的。

最后作者定了一个能区分药物是否能显著导致低血压发生的阈值P<10^-10（通过Fisher test，感觉可以更精确，但基本是合理的）。并药物按照ATC分类，表明神经系统中更容易找到潜在的抗高血压药物。

感觉是个不错的思路啊，换个不良反应和相反的适应症加点其他的分析又是一篇文章...

---

更多原创精彩视频敬请关注生信杂谈: