既存薬剤と疾患の機序的プロファイルの間に因果的な関連を同定することは、有効な薬剤リポジショニングのための基礎的な手順である。知識グラフ（KG）は、バイオメディカル・データベースを統合し、これらの関連を追跡するのに非常に適している。しかし単一のバイオメディカルKGは、取り込みパイプラインと知識ソースによって制約される。異なるバイオメディカルKGは組み合わせれば相補的になり得るが、統一的でより包括的なKGへ統合する取り組みは、相互運用性の欠如と不十分な来歴情報（provenance）によって妨げられている。これらの課題に対処するため、計算薬剤リポジショニング向けのBiolink Model互換KGであるEC-KGを提案する。EC-KGは、相互運用可能で来歴情報を最優先するKGであり、RTX-KG2、ROBOKOP、PrimeKGをネットワークレベルで統合し、95の主要データソースから700万ノード超と8100万エッジを内包している。EC-KGは、薬剤リポジショニングに関連する薬剤、標的、疾患といった中核のバイオメディカル実体において、ソースグラフよりもカバレッジを向上させ、トポロジー内で複雑なバイオメディカル機序を捉える。EC-KGにおけるネットワーク統合は、構成要素となる各ネットワークでは切断されているものの、機序的に関連する新規の経路の創発をもたらすことを示し、方法開発、ベンチマーク、予測的薬剤リポジショニングにおける応用を実証する。EC-KGはすでに薬剤リポジショニング研究で成功裏に用いられており、Major Depressive Disorderの治療候補としてボツリヌス毒素Aを提示するほか、Rosai-Dorfman Diseaseの患者サブグループに対してレナリドミドおよびデキサメタゾンのリポジショニングを検証している。
https://doi.org/10.64898/2026.08.26.747253