复杂疾病的致病机理一直是人类健康领域面临的重大难题之一,通过传统的方法进行新药开发,需要大量的时间与金钱,已经满足不了人们的需求。近几年来寻找已知药效药物的新的治疗效果即药物重定位已经成为了治疗更多病人的一个有效的途径。传统的药物重定位方法只有很少一部分涉及到疾病的组织特异性,而且,疾病的致病基因,药物的靶标基因和蛋白质相互作用网络仍然很不完整,因此基于网络模型的计算方法对不同生物数据整合并进行药物重定位研究的方法受到了越来越多的关注。本文的工作是基于网络模型的药物重定位研究,主要集中在下面三个部分:(1)研究不同的组织特异性网络对药物重定位结果的影响。(2)基于疾病对应的组织特异性网络,利用三角形结构平衡理论以及在不完整的蛋白质相互作用网络上定义的模块距离建立了药物和疾病的关系,提出了TTMD方法进行药物重定位研究,我们处理并整合了三个不同的药物相似性网络,并针对组织特异性蛋白质相互作用网络对应的疾病,利用模块距离算法计算了药物与疾病之间的相似性,最终选择乳腺癌和肝癌作为案例研究,通过CTD数据库,临床数据,文献挖掘和KEGG功能路径富集分析等对预测结果的验证表明我们的方法准确性较高。(3)我们整合了位于转录后水平的重要生物数据mi RNA进行药物重定位研究,以乳腺癌作为案例进行分析,将mi RNA作为桥梁预测药物与疾病之间的关系,通过文献挖掘、临床数据等对我们预测结果的验证,表明通过mi RNA数据进行药物重定位研究是可行的。通过研究我们发现,利用疾病相对应的组织特异性网络进行药物预测可以提高结果的准确性。我们提出的方法TTMD可以有效的预测现有药物新的药效来治疗组织特异性的疾病,对于复杂疾病的治疗有着很大的价值。利用mi RNA数据进行药物重定位研究对于理解复杂疾病的致病机理有很大的帮助。