药物重定位——即为已批准药物或临床阶段候选药物识别新的治疗适应症——为向患者提供新疗法提供了最有效的策略之一。通过利用现有的安全性、药代动力学和生产数据，与传统的全新药物发现相比，药物重定位可以大幅缩短开发时间线并降低成本。然而，在当前的环境下，由于人类疾病生物学的复杂性和单一模态方法的局限性，药物重定位的全部潜力仍未得到充分发挥。
多模态生物医学数据（基因组学、转录组学、蛋白质组学、代谢组学、临床记录、真实世界证据、影像学、数字表型和不良事件报告）与先进的人工智能（AI）和机器学习方法的融合正在改变计算药物重定位。大型语言模型、图神经网络、多模态变换器、知识图谱嵌入和生成式AI现在能够以前所未有的规模和分辨率整合异构数据源。这些进展正在揭示隐藏的生物学联系，预测新的药物-疾病关联，并生成可在临床环境中快速测试的机制假说。
《npj Digital Medicine》的这一特辑旨在展示计算药物重定位、多模态数据科学和人工智能交叉领域的尖端研究和思想领导力。我们欢迎解决方法论创新、验证策略、临床转化、伦理考量和这一快速发展的领域中实际影响的原创研究文章、综合评论和观点。
感兴趣的主题包括（但不限于）：
- 用于药物重定位的多模态组学、电子健康记录、不良反应报告和数字传感器数据的整合
- 用于适应症扩展的AI驱动方法，包括深度学习、强化学习和生成模型
- 药物-靶点-疾病网络的知识图谱构建、嵌入和推理
- 重定位预测中的因果推断和反事实建模
- 用于临床接受和转化的可解释AI和模型可解释性
- AI支持的药物重定位中的法律和监管考量
- 从计算预测成功转化为临床结果的案例研究
- 用于计算药物发现社区的基准数据集、平台和开源工具
我们特别鼓励提交能够证明临床相关性、解决健康差异或应对复杂多因素疾病（例如神经退行性疾病、癌症、罕见疾病、传染病或免疫介导疾病）的研究，因为在这些领域中，药物重定位可以产生巨大影响。
本特辑将作为研究人员、临床医生、数据科学家、制药开发者和政策制定者寻求利用多模态数据和AI力量加速治疗创新的及时资源。通过强调基于生物学和临床现实的严谨计算方法，我们的目标是推动该领域向更可预测、更高效和更公平的药物重定位发展。
提交指南：
请按照详细说明的步骤准备您的稿件进行提交。提交通过在线投稿系统进行处理。在提交过程中，在"详细信息"选项卡下，您将被询问是否提交至特辑。请选择"多模态数据与人工智能时代的计算药物重定位"。请务必在您的投稿信中清楚表达您对本特辑的兴趣。
【全文结束】
