Data mining approaches to drug repositioning to multiple diseases

Abstract

İlaç repozisyonu var olan bir ilacın yeni kullanım alanlarını bulma süreci olarak tanımlanır. Bu işlemdeki asıl amaç geleneksel ilaç geliştirme süresini ve maliyetini azaltmaktır. Özellikle son yıllarda ilaç repozisyonu ilaç şirketlerinin ve akademik araştırma grupların yoğun ilgisini çekmiştir.Bu çalışmada ilaç-hastalık ilişkisini tanımlama da kimyasal altyapıları, yan etkiler, hedef protein ve miRNA gibi veriler değişik veribankalarından derlenerek 639 ilaç-hastalık etkileşimi ve 1647 ilaç veya hastalık ilişkisine dair özellik içeren bir matriks oluşturulmuştur. İlaç repozisyon potansiyeli en yüksek olan ilaçların belirlenmesi işlemi sırasında kullanılan verilerin analize hazır hale getirilmesi için R yazım dili ile Destek Vektör Makineleri (SVM) yöntemi ile sınıflandırma işlemi sırasında birçok Python programcıkları kullanılmıştır. İlk defa kimyasal altyapılar ve miRNA gibi sadece 20 adet özellik kullanılarak sınıflandırma işlemi sırasında %99 doğruluk oranı elde edilmiştir.

Drug repositioning is defined as the identification of new uses for existing drugs. The ultimate goal is to reduce time and costs associated with the traditional drug development process. In recent years, drug repositioning has garnered the attention of both pharmaceutical companies and academic research centers.In this study, drug and disease-related data such as substructures, side effects, target protein and miRNA from a variety of online databases have been collected and compiled into feature matrix with 639 known drug-disease associations and 1647 drug-disease related features. R language was used for cleaning and preparing the compiled data for analysis whereas numerous Python packages were used for applying the SVM classification routine to select features with better predictive potentials in drug repositioning. A classification accuracy of 99% has been achieved for drug repositioning with as few as 20 features which contain a conserved subgroup of chemical substructures and miRNAs.