dwb2023/hetionet-edges

Hetionet是一个整合了29个公共生物医学资源的异质生物医学知识图谱，包含了基因、化合物、疾病等多种生物医学实体及其之间的230万种关系。该数据集旨在为药物再利用研究、治疗预测和网络生物医学研究提供支持。Hetionet is a heterogeneous biomedical knowledge graph integrating 29 public biomedical resources, encoding relationships between various biomedical entities such as genes, compounds, diseases, and more. It is designed to support drug repurposing research, treatment prediction, and network-based biomedical research.

搜集汇总

数据集介绍

构建方式

在生物医学数据日益庞杂的背景下，Hetionet应运而生，旨在通过知识图谱整合多源异构数据以推动药物重定位研究。该数据集构建于29个公共生物医学资源之上，涵盖基因、化合物、疾病、通路、生物过程、分子功能、细胞组分、药理类别、副作用及症状等11类实体。通过系统化整合，最终形成包含47,031个节点和2,250,197条边的异质性网络。每条边由源节点、目标节点及代表关系类型的元边构成，其中元边定义了如基因参与生物过程、化合物扰乱疾病等24种语义关系。数据以TSV格式存储，源自Hetionet官方仓库，并经过社区反馈与专家团队（如加州大学旧金山分校研究组）的持续优化，确保网络结构的生物学合理性。

特点

该数据集的核心特征在于其异质性与综合性，能够同时刻画基因、疾病、化合物等多类实体间的复杂关联。元边类型丰富多样，例如GpBP代表基因参与生物过程，CpD表示化合物扰乱疾病，DrD揭示疾病之间的拮抗关系，这种设计支持从分子机制到临床表型的多层次推理。此外，数据集整合了755个已知的药物-疾病治疗关系，为基于网络的药物重定位提供了基准。然而需注意，数据最后更新于7至9年前，部分关系可能因生物医学进展而滞后，用户应结合最新数据库如DrugBank或KEGG进行交叉验证，以弥补时效性不足带来的偏差。

使用方法

使用该数据集时，用户可直接加载TSV格式的边列表，通过解析source、metaedge和target三列构建异质性图。推荐采用Python的NetworkX或PyTorch Geometric库进行网络分析与图神经网络建模，例如用于药物-疾病关联预测。若需完整元数据（如节点属性、许可信息），建议使用JSON或Neo4j格式版本。典型应用包括药物重定位、治疗结果预测及疾病-基因关系挖掘，但需注意其不应作为临床决策的独立依据，而应视为假设生成的工具。交叉验证外部数据库并整合更近期的生物医学数据，可提升分析结果的可靠性与时效性。

背景与挑战

背景概述

Hetionet是一个综合性的生物医学知识图谱，由加州大学旧金山分校（UCSF）的研究团队于2017年创建，核心研究人员包括Daniel Scott Himmelstein、Antoine Lizee等。该数据集整合了来自29个公共生物医学资源的47,031个节点和2,250,197条边，覆盖基因、化合物、疾病、通路、生物学过程等11种实体类型及24种关系类型。其核心研究问题在于通过异构网络推理实现药物重定位与治疗预测，代表性成果发表于《eLife》期刊。Hetionet的提出极大地推动了网络药理学和计算药物发现领域的发展，成为后续生物医学知识图谱构建的标杆，尤其在系统整合多源数据以揭示复杂生物关系方面具有里程碑意义。

当前挑战

Hetionet面临的核心挑战包括：1) 领域问题层面，药物重定位和疗效预测需要从海量异构生物实体中挖掘潜在关联，但数据稀疏性和噪声（如已知药物-疾病治疗关系仅755条）限制了模型泛化能力；2) 构建过程中，数据时效性不足——节点表距今9年、边表距今7年，导致部分基因-疾病链接和药物靶点关系已过时；3) 网络完整性受限于原始资源（如DrugBank、KEGG）的更新滞后，新发现的生物学通路和药物不良反应未被收录；4) 源数据存在偏差，如对常见疾病和热门基因的过度覆盖，可能引入虚假关联并影响下游推理的可靠性。

常用场景

经典使用场景

Hetionet边缘数据集作为异质性生物医学知识图谱的核心组成部分，最经典的用途在于药物重定位研究。通过整合基因、化合物、疾病、通路等11类实体及24种关系类型，该数据集为网络驱动的药物发现提供了结构化平台。研究者常利用其丰富的边信息，构建异质性网络模型，以预测化合物与疾病之间潜在的扰动或逆转关系，从而识别已有药物的新治疗适应症。这一场景依托于图论与机器学习方法，如异质性网络边预测算法，能够系统性地挖掘隐藏的生物医学关联，显著提升药物研发效率。

衍生相关工作

Hetionet催生了多项里程碑式的研究工作，尤其在异质性网络分析与生物医学知识推理领域。其衍生工作包括：基于网络边预测的基因优先排序框架（Himmelstein & Baranzini, PLOS Comput Biol 2015），该方法通过整合多源关系显著提升了疾病相关基因的识别精度；以及利用图神经网络（GNN）进行药物-疾病关联预测的模型，如HetioGNN和DRKG，这些工作将Hetionet作为基准数据集验证算法性能。此外，该数据集还启发了后续知识图谱补全研究，如将时间动态信息融入边预测，以应对生物医学知识的快速演进。

数据集最近研究

最新研究方向

Hetionet作为整合性生物医学知识图谱的典范，其前沿研究方向聚焦于基于异构网络的药物重定位与精准治疗预测。该数据集融合了29个公共资源中的基因、化合物、疾病等多模态实体及其关联关系，为解析复杂生物医学网络中的隐含模式提供了关键支撑。当前，研究者正利用其24种元边类型所刻画的丰富语义，结合图神经网络与知识图谱推理技术，探索药物与疾病间未被发现的治疗关联，尤其是在罕见病与多靶点药物开发领域。该数据集还推动了网络医学在疾病机制解析与个性化用药方案构建中的应用，其影响力已延伸至计算毒理学与系统药理学，成为连接基础生物医学知识与临床转化研究的重要桥梁。