Every Cure知识图谱：用于药物重定位的统一生物医学知识图谱

识别现有药物与疾病机制特征之间的因果联系，是实现有效药物再利用的基础步骤。尽管知识图谱（KG）非常适合整合生物医学数据库并追踪这些联系，但单一的生物医学知识图谱受其数据摄取流程和知识来源的限制。不同的生物医学知识图谱若能够进行整合，便可形成互补；然而，由于缺乏互操作性且溯源信息不完善，将其合并为统一且更为全面的知识图谱的努力受到阻碍。为解决这些问题，我们提出了EC-KG，这是一种兼容Biolink Model、面向计算药物再利用的知识图谱。EC-KG是一种以互操作性和溯源优先为核心的知识图谱，在网络层面对RTX-KG2、ROBOKOP和PrimeKG进行了整合，涵盖来自95个主要数据源的700多万个节点和8100多万条边。与其源图谱相比，EC-KG提升了对药物再利用相关核心生物医学实体（如药物、靶点和疾病）的覆盖度，并在其拓扑结构中捕获了复杂的生物医学机制。我们证明，EC-KG中的网络统一化促成了新颖且具有机制相关性的通路涌现；在底层各组成网络中，这些通路彼此断开。我们还展示了EC-KG在方法开发、基准测试和预测性药物再利用应用中的用途。EC-KG已成功应用于药物再利用研究，发现A型肉毒毒素可能是治疗重性抑郁障碍的候选药物，并验证了来那度胺和地塞米松用于治疗一部分罗斯-多夫曼病患者的再利用方案。

识别现有药物与疾病机制特征之间的因果联系，是实现有效药物再利用的基础性步骤。尽管知识图谱（KG）非常适合整合生物医学数据库并追踪这些联系，但单一生物医学知识图谱受其知识摄取流程和知识来源的限制。不同的生物医学知识图谱若加以整合，可以实现优势互补；然而，由于缺乏互操作性且来源信息不完善，将其合并为统一且更全面的知识图谱仍面临诸多障碍。为解决这些问题，我们提出了EC-KG——一个兼容Biolink Model、面向计算药物再利用的知识图谱。EC-KG是一个具有互操作性且以知识溯源为优先的知识图谱，在网络层面整合了RTX-KG2、ROBOKOP和PrimeKG，涵盖来自95个主要数据源的700多万个节点和8100多万条边。与源图谱相比，EC-KG提高了对药物再利用相关核心生物医学实体（如药物、靶点和疾病）的覆盖率，并在其拓扑结构中捕获了复杂的生物医学机制。我们证明，EC-KG中的网络统一能够促成新颖且具有机制相关性的通路涌现；这些通路在底层各组成网络中彼此不连通。此外，我们还展示了EC-KG在方法开发、基准测试和预测性药物再利用应用中的作用。EC-KG已成功应用于药物再利用研究，发现A型肉毒毒素可作为治疗重性抑郁障碍的候选药物，并验证了来那度胺和地塞米松可再利用于治疗一部分罗斯ai-多尔夫曼病患者。

📄 原文链接：https://www.biorxiv.org/content/10.64898/2026.08.26.747253v1?rss=1

🏷️ 生物医学知识图谱 药物重定位 知识图谱整合 生物医学数据互操作性 计算药物发现