罕见疾病是一种慢性的、低患病率的疾病。尽管罕见疾病的患病率低,当下,仍有近4亿的患者。由于罕见疾病的稀有性和复杂性,大部分的罕见病患者还未得到有效地治疗,因此,罕见疾病治疗方法及药物的研发是一个亟待解决的问题。然而,罕见疾病药物研发成本高、成功率低且商业价值有限,只有相当少的罕见疾病得到了药物开发者的重视。为了更好地进行罕见疾病药物开发,一种高效快速的方法是将现有的药物产品与罕见疾病联系起来,发挥现有药物的医疗潜质,用于罕见病的治疗,即药物的重作用。计算方法是进行药物重利用的一项重要方法,本文基于机器学习的计算方法,提出了一种新的罕见疾病重用药方法-基于item-user协同过滤算法的疾病-药物推荐模型DDCF(Disease-Drug Collaborative Filtering),来进行罕见疾病药物的预测。相似的药物可以作用于相似疾病,因此我们在整合多个数据库的疾病表型和基因信息,药物靶点和副作用信息,以及已知疾病-药物关系对的基础上,通过分别构建疾病、药物相似性矩阵,结合item-user协同过滤算法,基于疾病和药物的相似性,预测出新的疾病药物关系。经验证,本方法可以综合利用已知的疾病药物临床和分子层面的信息,并有效地预测出新的疾病-药物关系,且所用算法有较好性能。同时,我们对部分疾病的预测药物关系进行了KEGG通路富集分析和蛋白质3D结构比对,结果证明,本文的预测结果具有较好的可信度。简言之,本文的预测模型及结果是对现有重用药方法极好的补充,同时可以对罕见疾病的治疗提供更好地辅助。