介绍
基于网络的AIDR方法基本都是利用网络的拓扑结构进行探索。一般来说是在异构网络上进行处理，对于异构网络，有这么一个表示图：
其中，绿色节点表示蛋白质、红色节点表示药物、蓝色节点表示疾病。这可以看成一个三层架构。网络可以具有多种类型的节点和多层架构。同类型节点之间的实线表示它们之间存在一定的关系。以药物层为例，关系类型可以如下：
- 药物之间的结构相似性
- 两种药物共享一个相同的靶点
- 两种药物有协同作用或副作用
- ……
虚线的双箭头线表示两种不同类型的节点之间的交互关系。同样的原理也适用于药物层以外的其他层。而右边的黑色实线箭头指的是三种类型节点的大概图。
许多机器学习算法和神经网络算法都可以以这种异构网络作为数据的载体，例如随机游走、图神经网络等。异构网络将药物重定位任务带到了另一个层次，可以更高效地提取输入实体的特征并将其固定在一定维度上。
对于基于网络的AIDR方法，参考Drug-Disease Association Prediction Using Heterogeneous Networks for Computational Drug Repositioning，将基于网络的AIDR方法分成三种：
- 图挖掘
- 矩阵分解/填充
- 深度学习
这里有一个简单的思维导图：
