KrTxGNN - South Korea: Drug Repurposing Predictions

本專案由 藥提醒科技有限公司（yao.care）開發與維運。 KrTxGNN 站台：https://krtxgnn.yao.care/｜產品總覽：https://www.yao.care/medical/txgnn/

South Korea MFDS 승인 약물에 대한 TxGNN 모델 기반 약물 재창출 예측.

면책 조항

• 본 프로젝트의 결과는 연구 목적으로만 제공되며 의료 조언을 구성하지 않습니다.
• 약물 재창출 후보는 적용 전에 임상 검증이 필요합니다.

프로젝트 개요

보고서 통계

항목	수량
약물 보고서	673
총 예측 수	38,275,274
고유 약물 수	1,166
고유 적응증 수	17,041
DDI 데이터	302,516
DFI 데이터	857
DHI 데이터	35
DDSI 데이터	8,359
FHIR 리소스	533 MK / 3,894 CUD

근거 수준 분포

근거 수준	보고서 수	설명
L1	0	다수의 Phase 3 RCT
L2	0	단일 RCT 또는 다수의 Phase 2
L3	0	관찰 연구
L4	0	전임상 / 기전 연구
L5	533	컴퓨터 예측만

소스별

소스	예측 수
DL	38,271,380
KG + DL	3,387
KG	507

신뢰도별

신뢰도	예측 수
very_high	2,509
high	1,458,984
medium	2,937,550
low	33,876,231

---

예측 방법

방법	속도	정확도	요구사항
지식 그래프	빠름 (초 단위)	낮음	특별한 요구사항 없음
딥러닝	느림 (시간 단위)	높음	Conda + PyTorch + DGL

지식 그래프 방법

uv run python scripts/run_kg_prediction.py

지표	값
MFDS 총 약물 수	35,349
DrugBank 매핑됨	22,294 (63.1%)
재창출 후보	3,894

딥러닝 방법

conda activate txgnn
PYTHONPATH=src python -m krtxgnn.predict.txgnn_model

지표	값
DL 총 예측 수	2,421,767
고유 약물 수	1,166
고유 적응증 수	17,041

점수 해석

TxGNN 점수는 약물-질병 쌍에 대한 모델의 신뢰도를 나타내며, 범위는 0에서 1입니다.

임계값	의미
>= 0.9	매우 높은 신뢰도
>= 0.7	높은 신뢰도
>= 0.5	중간 신뢰도

점수 분포

임계값	의미
≥ 0.9999	매우 높은 신뢰도, 모델의 가장 확신하는 예측
≥ 0.99	매우 높은 신뢰도, 검증 우선순위 지정 가치 있음
≥ 0.9	높은 신뢰도
≥ 0.5	중간 신뢰도 (시그모이드 결정 경계)

근거 수준 정의

수준	정의	임상적 의의
L1	3상 RCT 또는 체계적 문헌고찰	임상 사용을 지지할 수 있음
L2	2상 RCT	사용을 고려할 수 있음
L3	1상 또는 관찰 연구	추가 평가 필요
L4	증례 보고 또는 전임상 연구	아직 권장되지 않음
L5	계산 예측만, 임상 근거 없음	추가 연구 필요

중요 참고사항

1. 높은 점수가 임상 효능을 보장하지 않습니다: TxGNN 점수는 지식 그래프 기반 예측으로 임상시험 검증이 필요합니다.
2. 낮은 점수가 비효과적임을 의미하지 않습니다: 모델이 특정 연관성을 학습하지 못했을 수 있습니다.
3. 검증 파이프라인과 함께 사용을 권장합니다: 본 프로젝트의 도구를 사용하여 임상시험, 문헌 및 기타 근거를 검토하세요.

검증 파이프라인

flowchart TD
    A["TxGNN 예측 결과"] --> B
    subgraph B["Step 1: DrugBundle Collector"]
        B1["약물 수준: MFDS, DDI, DrugBank"]
        B2["적응증 수준: ClinicalTrials, PubMed, ICTRP"]
    end
    B --> |"drug_bundle.json"| C
    subgraph C["Step 2: Evidence Pack Generator"]
        C1["프로그래밍 방식 데이터 전송 (100%)"]
        C2["+ LLM 분석 (L1-L5)"]
    end
    C --> |"drug_evidence_pack.json/md"| D
    subgraph D["Step 3: Notes Writer"]
        D1["drug_pharmacist_notes.md"]
        D2["drug_sponsor_notes.md"]
    end

---

빠른 시작

단계 1: 데이터 다운로드

파일	다운로드
MFDS 데이터	데이터 소스
node.csv	Harvard Dataverse
kg.csv	Harvard Dataverse
edges.csv	Harvard Dataverse
model_ckpt.zip	Google Drive

단계 2: 의존성 설치

uv sync

단계 3: 약물 데이터 처리

uv run python scripts/process_fda_data.py

단계 4: 어휘 데이터 준비

uv run python scripts/prepare_external_data.py

단계 5: 지식 그래프 예측 실행

uv run python scripts/run_kg_prediction.py

단계 6: 딥러닝 환경 설정

conda create -n txgnn python=3.11 -y
conda activate txgnn
pip install torch==2.2.2 torchvision==0.17.2
pip install dgl==1.1.3
pip install git+https://github.com/mims-harvard/TxGNN.git
pip install pandas tqdm pyyaml pydantic ogb

단계 7: 딥러닝 예측 실행

conda activate txgnn
PYTHONPATH=src python -m krtxgnn.predict.txgnn_model

---

리소스

TxGNN 코어

• TxGNN Paper - Nature Medicine, 2024
• TxGNN GitHub
• TxGNN Explorer

데이터 소스

카테고리	데이터	소스	참고
약물 데이터	MFDS	-	South Korea
지식 그래프	TxGNN KG	Harvard Dataverse	17,080 diseases, 7,957 drugs
약물 데이터베이스	DrugBank	DrugBank	약물 성분 매핑
약물 상호작용	DDInter 2.0	DDInter	DDI 쌍
약물 상호작용	Guide to PHARMACOLOGY	IUPHAR/BPS	승인 약물 상호작용
임상 시험	ClinicalTrials.gov	CT.gov API v2	임상 시험 등록
임상 시험	WHO ICTRP	ICTRP API	국제 임상 시험 플랫폼
문헌	PubMed	NCBI E-utilities	의학 문헌 검색
이름 매핑	RxNorm	RxNav API	약물명 표준화 브릿지
이름 매핑	PubChem	PUG-REST API	화학 물질 동의어 조회
이름 매핑	ChEMBL

모델 다운로드

파일	다운로드	참고
사전 훈련 모델	Google Drive	model_ckpt.zip
node.csv	Harvard Dataverse	노드 데이터
kg.csv	Harvard Dataverse	지식 그래프 데이터
edges.csv	Harvard Dataverse	엣지 데이터 (DL)

프로젝트 소개

디렉토리 구조

KrTxGNN/
├── README.md
├── CLAUDE.md
├── pyproject.toml
│
├── config/
│   └── fields.yaml
│
├── data/
│   ├── kg.csv
│   ├── node.csv
│   ├── edges.csv
│   ├── raw/
│   ├── external/
│   ├── processed/
│   │   ├── drug_mapping.csv
│   │   ├── repurposing_candidates.csv
│   │   ├── txgnn_dl_predictions.csv.gz
│   │   └── integration_stats.json
│   ├── bundles/
│   └── collected/
│
├── src/krtxgnn/
│   ├── data/
│   │   └── loader.py
│   ├── mapping/
│   │   ├── normalizer.py
│   │   ├── drugbank_mapper.py
│   │   └── disease_mapper.py
│   ├── predict/
│   │   ├── repurposing.py
│   │   └── txgnn_model.py
│   ├── collectors/
│   └── paths.py
│
├── scripts/
│   ├── process_fda_data.py
│   ├── prepare_external_data.py
│   ├── run_kg_prediction.py
│   └── integrate_predictions.py
│
├── docs/
│   ├── _drugs/
│   ├── fhir/
│   │   ├── MedicationKnowledge/
│   │   └── ClinicalUseDefinition/
│   └── smart/
│
├── model_ckpt/
└── tests/

범례: 🔵 프로젝트 개발 | 🟢 로컬 데이터 | 🟡 TxGNN 데이터 | 🟠 검증 파이프라인

데이터 흐름

flowchart TD
    FDA["MFDS 데이터"] --> proc["process_fda_data.py"]
    TxGNN["TxGNN 데이터"] --> prep["prepare_external_data.py"]

    proc --> json["kr_fda_drugs.json"]
    prep --> ext["data/external/"]

    json --> norm["normalizer.py"]
    ext --> norm

    norm --> drug_map["drug_mapping.csv"]
    drug_map --> ind_map["indication_mapping.csv"]

    ind_map --> KG["지식 그래프"]
    ind_map --> DL["딥러닝"]

    KG --> kg_out["repurposing_candidates.csv"]
    DL --> dl_out["txgnn_dl_predictions.csv"]

---

인용

이 데이터세트 또는 소프트웨어를 사용하는 경우 다음을 인용해 주세요:

@software{krtxgnn2026,
  author       = {Yao.Care},
  title        = {KrTxGNN: Drug Repurposing Validation Reports for South Korea MFDS Drugs},
  year         = 2026,
  publisher    = {GitHub},
  url          = {https://github.com/yao-care/KrTxGNN}
}

TxGNN 원본 논문도 인용해 주세요:

@article{huang2023txgnn,
  title={A foundation model for clinician-centered drug repurposing},
  author={Huang, Kexin and Chandak, Payal and Wang, Qianwen and Haber, Shreyas and Zitnik, Marinka},
  journal={Nature Medicine},
  year={2024},
  doi={10.1038/s41591-024-03233-x}
}

維運：資料還原與許可證更新

完整還原

git 只放程式碼與網站頁面；許可證原始資料、證據包、藥師報告原稿、預測結果放在本 repo 的 Release。

git clone https://github.com/yao-care/krtxgnn.git && cd krtxgnn
uv sync                                  # Python 相依套件
bash scripts/restore_data.sh             # 取最新的 data-* Release，還原 data/（含校驗）
bash scripts/restore_data.sh --with-kg   # 另加共用知識圖譜與預測模型（只有重跑預測才需要）

需要 GitHub CLI（gh auth login）與 uv。

改頁工具鏈

事實層、checker、許可證狀態計算等放在 tools/txgnn/.claude/，是母 repo yao-care/txgnn 的 .claude/ 複本（版本見 tools/txgnn/VERSION）。 規則要改請改母 repo，再用 python3 .claude/sync_site_tools.py KrTxGNN 同步過來，不要直接改這裡的複本。 在本 repo 單獨使用時，先組工作目錄：

WS=$(bash scripts/txgnn_ws.sh)
cd "$WS"
python3 .claude/dump_license_facts_20261021.py KrTxGNN       # 依證據包算市場狀態（checker 要用）
python3 .claude/checker_trend.py --no-append KrTxGNN           # 全部藥物頁 checker，必須「非 0 0」

許可證排程更新（GitHub Actions）

.github/workflows/license-refresh.yml 每週一 UTC 03:17 自動執行，也可以在 Actions 頁手動觸發（可選只試跑）：

1. 從 Release 還原 data/（scripts/restore_data.sh）
2. 從主管機關下載最新許可證資料（scripts/license_adapter.py），檢查筆數與格式
3. 更新證據包的許可證狀態 → 重算市場狀態 → 同步許可證表 → 事實層改頁 → checker 全量必須 0 → 衍生檔 → gate
4. 全部通過才推上 main 並觸發部署；更新後的 data/ 另存成新的 data-YYYYMMDD Release

以下情況一律不推、自動開 issue（label license-refresh）：下載失敗或格式改變、狀態變動超過兩成、 改到的藥物頁超過 min(200, 5%)、checker／gate／h1 沒過、有人工查核紀錄的頁會被改到。全程不使用 AI。