유사 약물 예측을 위한 텍스트 마이닝 기반의 새로운 약물 유사도 측정 방법 (Novel Drug Similarity Measuring Method based on Text Mining for Predicting Similar Drugs)

서지정보

· 발행기관 : 한국정보기술학회
· 수록지 정보 : 한국정보기술학회논문지 / 14권 / 7호 / 127 ~ 137페이지
· 저자명 : 장기업, 황유현, 오민, 이태건, 윤영미

초록

특정 질병을 치료하는 약물을 다른 질병에 사용하려는 다양한 시도가 이루어지고 있다. 그 중 텍스트 마이닝은 많은 비정형 데이터로부터, 약물과 질병 간의 새로운 관계를 도출한다. 본 논문에서는 문헌 데이터의 초록 문장으로부터 약물과 질병의 동시 발생과, 약물과 유전자의 동시 발생 횟수를 이용하여 약물-질병 동시 발생 매트릭스와 약물-유전자 동시 발생 매트릭스를 생성한다. 이를 이용하여 각각의 약물 쌍에 대하여, 상호정보량을 사용하여 질병 기반 약물 유사도와 유전자 기반 약물 유사도를 계산한다. 또한 각 약물 쌍에 대하여 화학적, 부작용, GO 유사도를 각각 계산한다. 각 약물 쌍의 분류 클래스 레이블은 두 구성 약물의 ATC 코드에 따라 ‘동일’, ‘상이’를 부여한다. 약물 쌍을 분류함에 있어서, 상호정보량 유사도의 추가가 분류기의 AUC를 향상시키며, 텍스트 마이닝이 유사 약물을 식별하는 것에 도움을 줄 수 있다는 것을 입증하였다. 유사 약물의 식별은 향후 약물 재창출 방법의 하나로 활용될 수 있다.

영어초록

There are many studies to identify new indications of existing drugs. Among them, text mining derives new relationships between drug and disease from vast unstructured data. In this study, co-occurrence of drug and disease in a sentences of abstracts in literatures is counted, and also co-occurrence of drug and gene is counted. Then drug-disease co-occurrence matrix and drug-gene co-occurrence matrix are generated. For each drug pairs using these matrices, disease-based drug similarity and gene-based drug similarity are calculated by mutual information. Also chemical, side-effect, and GO similarity are calculated for each drug pairs, respectively. Classification class label of “same” is given to each drug pair if ATC code for the two drugs of the pair is equal, and “different” is given to the pair otherwise. For the classification of drug pairs, AUC is improved with addition of mutual information, and we validated that text mining can help identifying similar drug. Identification of similar drugs can be utilized for drug repositioning.

참고자료

· 없음