一药一病。
这是传统上我们对药物的认知，但许多药物实际上对多种疾病都有效。
以加巴喷丁为例，该药物最初研发用于治疗癫痫，如今却常被用作止痛药。再如西地那非，最初用于治疗高血压，现更多用于治疗勃起功能障碍。
对患者的价值
"通过最新研究，我们预测了许多药物对初始研发目标以外疾病的未知有益效果。这对患者和制药行业都具有巨大价值——特别是能避免昂贵的药物安全性临床试验，"南丹麦大学副教授扬·邦巴赫表示。
邦巴赫是计算生物医学专家，其研究聚焦于从当今医疗保健领域产生的海量数据中提取有意义信息。
他与德国马克斯·普朗克信息学研究所的彭孙、中国山东大学的郭炯、以及美国斯坦福大学的赖纳·温嫩堡合作，运用新型大数据分析方法处理海量制药数据，寻找具有高"可重定位"潜力的药物。研究成果已发表在《药物发现今日》期刊上。
从炎症疾病到帕金森病
邦巴赫团队发现约三万个"可重定位"药物候选组合。其中约一万一千个已在科学文献中提及，约1400个被明确列为"重定位"选项。
这意味着仍有近1.9万个高置信度药物-疾病组合尚未被研究——这将成为未来制药研究的巨大宝库。
例如泼尼松，最初用于治疗炎症疾病，现发现对帕金森病也有治疗潜力。另一个案例是氯丙嗪，最初用于治疗精神分裂症，但可能同样有效对抗结核病。
避免动物试验
邦巴赫及其合作者指出，制药行业正面临新药发现速度下降的重大挑战，亟需新方法。
"药物设计极其昂贵、耗时且日益复杂。我们的方法可通过计算推断现有药物的新用途——节省大量时间、资金，更重要的是避免潜在危险的动物和临床试验，"邦巴赫说。
研究者在论文中指出，相比传统药物研发流程，通过重定位可将开发周期缩短长达五年，并补充道：
降低患者安全风险
"可重定位药物显著降低了患者安全风险，因为已知且已注册的药物在毒性和可能的副作用方面已得到充分研究。"
完整31,731个候选组合清单可公开获取，研究者或出版物在线补充材料均可提供。该清单包含例如：一种用于治疗高血压的药物，或器官移植后使用的抗炎药物，可能非常适合治疗特定癌症类型。
侧栏：如何发现这些候选药物
计算方法在当今药物发现中扮演着日益重要的角色。本研究中，研究者创建了新型数据模型，使其能够挖掘基因、药物和疾病之间的共性特征，并将这种创新数据结构与人工智能结合，分析数百万篇科学出版物以验证或推翻相关线索。
【全文结束】
