Drug Repurposing Knowledge Graph (DRKG) 使用教程

Drug Repurposing Knowledge Graph (DRKG) 使用教程

DRKG A knowledge graph and a set of tools for drug repurposing 项目地址: https://gitcode.com/gh_mirrors/dr/DRKG

1. 项目介绍

Drug Repurposing Knowledge Graph (DRKG) 是一个综合性的生物知识图谱，它关联了基因、化合物、疾病、生物过程、副作用和症状等信息。DRKG 汇集了来自六个现有数据库（包括 DrugBank、Hetionet、GNBR、String、IntAct 和 DGIdb）的数据，以及与 Covid19 相关的最新文献资料。它包含了 97,238 个实体和 5,874,261 个三元组，涵盖了 107 种关系类型，展现了不同实体类型之间的相互作用。

2. 项目快速启动

要快速启动 DRKG，首先需要下载知识图谱数据。可以使用以下命令下载：

wget https://dgl-data.s3-us-west-2.amazonaws.com/dataset/DRKG/drkg.tar.gz

下载后，解压文件：

tar -xvzf drkg.tar.gz

解压后将得到以下文件：

• drkg.tsv：包含原始 DRKG 数据的三元组文件。
• entity2src.tsv：实体到原始数据源的映射文件。
• relation_glossary.tsv：关系术语表文件。
• embed：预训练知识图谱嵌入和分子嵌入的文件夹。

要加载预训练的实体嵌入和关系嵌入，可以使用以下 Python 代码：

import numpy as np

entity_emb = np.load('./embed/DRKG_TransE_l2_entity.npy')
rel_emb = np.load('./embed/DRKG_TransE_l2_relation.npy')

3. 应用案例和最佳实践

以下是使用 DRKG 的一些应用案例和最佳实践：

• 数据探索：使用 DRKG 的统计数据和关系类型来探索不同实体之间的关联。
• 知识图谱嵌入：使用预训练的嵌入来执行实体和关系的相似性搜索。
• 图神经网络分析：利用 DGL 框架对 DRKG 进行图神经网络分析，以识别潜在的药物再利用机会。

4. 典型生态项目

• DGL-LifeSci：用于生物科学领域图神经网络研究的框架，可以与 DRKG 配合使用。
• 知识图谱嵌入工具：如 TransE、TransH 等，用于训练实体和关系嵌入。
• 机器学习框架：如 TensorFlow、PyTorch，可以用于进一步开发和训练基于 DRKG 的模型。

以上就是关于 Drug Repurposing Knowledge Graph (DRKG) 的使用教程。通过这些步骤，您可以开始探索和利用这个强大的生物知识图谱资源。

DRKG A knowledge graph and a set of tools for drug repurposing 项目地址: https://gitcode.com/gh_mirrors/dr/DRKG