CoDER: Consistent Drug Efficacy Ranking

Mahsa Rezaei

doi:10.1109/jbhi.2026.3741663

CoDER: Consistent Drug Efficacy Ranking

2026-10-08

0

PRE

AI

DOI：10.1109/jbhi.2026.3741663

原文链接

原文求助

摘要

En 中文

药物排名在药物重定位和精准医学中发挥着关键作用，通过在生物和临床约束下优先考虑候选疗法。主要挑战是识别在多种人体组织中保持疗效一致的药物，因为基因表达、调控机制和组织特异性生物学的异质性可能导致疗效变异或不稳定。许多现有方法仅关注单一组织或跨组织聚合性能，掩盖了重要的变异来源。我们提出了CoDER（Consistent Drug Efficacy Ranking，一致性药物疗效排名），一种基于图计算框架，用于识别在最少组织数量中保持稳定的药物排序。CoDER整合多种生物数据源（包括GTEx、TRRUST、DisGeNET和DGIdb），以推导组织特异性药物疗效谱，并将成对药物优势关系表示为组织标记的有向图。我们将此任务形式化为$\lambda$-一致性排序问题，并证明其为NP难问题。为应对计算挑战，CoDER采用可扩展的分治策略，将穷举搜索限制在可处理的子问题中，并通过迭代优化候选集以恢复长$\lambda$-一致性药物序列。在273种药物和49个人体组织的应用中，CoDER高效地识别出可解释的组织一致性排名，并比评估的组织感知排名基线具有更高的可扩展性和更长的$\lambda$-一致性路径。这些结果表明，CoDER为组织一致性药物优先化和假设生成提供了一个实用的计算框架。

Keyword:

drug ranking

drug repurposing

efficacy ranking

tissue-specific consistency

CoDER: Consistent Drug Efficacy Ranking

摘要

期刊

机构

引用论文