表型-药物-分子多层次知识图谱的链接预测概述（1）

CCKS 2021：表型-药物-分子多层次知识图谱的链接预测

任务描述

过去的三十多年里，基于靶点的药物发现（Target-based Drug Discovery, TDD）是药物发现的主要方法。由于靶点明确，使用TDD很容易设计药物筛选试验，因此在过去有大量的成功案例。使用TDD方法来开发药物，药物发现的时间、过程和所需资源都是可预测的。近年来，随着细胞表型筛选技术，如诱导多能干细胞（iPS）技术、CRISPR-Cas技术、类器官和成像分析技术的飞速发展，表型药物发现（Phenotypic Drug Discovery, PDD）重新回到了人们的视线。在药物发现的研发中，研究者需要对各种药物做大量生物实验，从而确定药物治疗效果，但是此步骤需花费大量时间。机器学习是AI领域的一个强大的分支，它通过复杂的数据决策方案加速研究。在过去的10年里，AI方法学和机器学习算法已经成功地应用于药物发现的各个阶段，并逐步融入到大型制药公司的药物发现策略中。在大数据和人工智能时代，我们可以收集大量的临床和实验数据，利用AI算法对药物和基因的靶向作用、药物和表型的治疗作用等进行预测。其中，基于知识图谱是解决该问题的一种途径，通过构建表型-药物-分子多层次知识图谱，利用大规模图算法以及知识推理来预测疾病、症状、药物、基因、副作用等之间关系。表型-药物-分子多层次知识图谱依据表型（疾病、症状）、药物、基因等及其之间的关系来构建的知识图谱，其包含了大量实体及其关系数据，可以为致病机理和药理作用机制的研究提供一定支持。这些问题对于进一步了解疾病的分子机制、发掘潜在的药物治疗机理具有重大的实际意义和学术价值。

本任务基于表型-药物-分子多层次知识图谱进行关系预测，如药物和基因/蛋白的靶向作用、药物和表型的治疗作用、蛋白间的交互作用等。

评测依据知识图谱模式（Schema）和知识图谱的实体、实体之间的关系，预测新的两个实体的关系。评测本身不限制各参赛队伍使用的模型、算法和技术。可以利用各种图算法模型，预训练等手段进行图谱上的关系预测，共同促进知识图谱技术的发展。

图谱描述

知识图谱是依据表型（疾病、症状）、药物、基因等及其之间的关系来构建的知识图谱，其包含了大量实体及其关系数据，可以为致病机理和药理作用机制的研究提供一定支持。对疾病、症状、药物、基因、副作用等之间关系的预测是医学研究的重要问题，这些问题对于进一步了解疾病的分子机制、发掘潜在的药物治疗机理具有重大的实际意义和学术价值。

知识图谱共包含如下7种关系类型：

• associated_with关系可用来表示疾病与症状之间的联系，通过已有的大量疾病和症状间的关系，可以发掘潜在的疾病与症状间的某种联系，有助于完善我们对疾病症状的了解。
• disease_mapped_to_gene表示疾病与基因的关系。通过分析大量有关联的疾病与基因的关系，可以发现潜在存在联系的疾病与基因，这对于疾病预防和治疗有着重要意义。
• treats关系是药物和疾病的对应关系。作为治疗疾病的重要方法，有效的药物一直是人们不断追求的。很多药物的潜在作用并没有被发现，而通过分析我们提供的数据将有助于解决这一问题。
• targets关系表示的是药物与基因的关系。研究药物与基因的关系，是为了更加精准地找到治疗之策，通过研发针对某种基因的特效药物对治疗疾病有着重大帮助。
• interacts_with是基因与基因之间的关系。很多情况下，疾病不仅仅与一种基因有关，通常情况下都是多个基因共同对某种疾病产生影响。所以，深入发掘基因之间的关系有助于发现更多的致病基因，进而为治疗疾病提供更充分的依据。
• annotates和pathway_has_gene_element分别表示的是基因通路、go本体与基因的关系。通路富集分析和go分析是两种重要的基因富集方法，可以找到具有某种共同特性的基因，从而进一步发掘这些基因表示的信息。

数据结构

schema.json：知识图谱的图谱模式（Schema），即定义了知识图谱的实体类型（Entity）、和实体间的关系（Relationship）。

{
"entity_type": ["disease", "drug", "gene/protein", ……],
 "relationships": [["disease", "associated_with", "symptom"],   ["disease", "disease_mapped_to_gene", "gene/protein"], ["drug", "treats", "disease"], ……],
}

entities.json：实体列表，即药物、基因、表型（疾病和症状）、基因通路等实体。

{   
"disease": ["C0008626", "C3805375", "C1561850", "C0733682", ...],
    "gene/protein": ["SEPT4", "MARCH2", "SEPT8", …],
    …
}

relationships.json：实体与实体之间的关系列表，即药物-基因，药物-疾病，药物-症状、疾病-症状、疾病-基因、症状-基因、蛋白-蛋白的关系等。

{
"relationships": [["DB01623","treats","?"], ["PSMC3","interacts_with","?"],
          …
]
}

输出样例

{
"results": 
[
[A1, B1, C1, D1, …],
[A2, B2, C2, D2, …],
……
]
}

评价指标

MRR (Mean reciprocal rank，平均倒数排名) 来评估构建效果，我们考虑多种关系预测：药物-基因关系预测、蛋白-蛋白交互预测，疾病-蛋白关系预测等，这些共同构成全局的关系预测。相关的定义如下：

MRR(Mean reciprocal rank, 评平均倒数排名)：对于一个query，若第一个正确答案排在第n位，则MRR得分就是1/n.

$$MMR=\frac{1}{|Q|}\sum _{i=1}^{|Q|}\frac{1}{ran{k}_i}$$

其中，Q为样本query的集合（Link prediction.json）, |Q|表示query的个数。

$$\frac{1}{ran{k}_i}\{\begin{array}{r}\frac{1}{i}\\ 0\end{array}$$

$\frac{1}{i}$：表示目标实体在第i个结果中命中

$0$：表示目标实体所有结果中未命中