当前镇痛药开发的主要任务之一是筛选强效、非成瘾的吗啡替代物。其成功与否取决于能否筛选出合适的镇痛药靶。药靶筛选可以通过一系列诸如转录组、蛋白质组以及文献组等层次上的高通量手段来实现。在文献组学层次上，镇痛药靶存在于以疼痛为主题的文献集合中。由于对基因名进行款目识别等过程时会产生“噪音”干扰，人们无法从中成功地选出镇痛药靶。为解决此类问题，本研究首先统计人类基因(蛋白)在每篇文献中的同现次数，并据此构建了具有生物学意义的基因同现网络。在此网络的基础上，开发了继承自Google PageRank算法的类PageRank算法，每个基因的经此算法计算出的rank值可用于其药靶能性进行评估。该算法的设计思想是，越多地连接到药靶能性强基因，其自身的药靶能性也得以提高。该算法对已知的镇痛药靶能够良好地召回，且能从文献组中预测潜在的镇痛药靶。因此，有望作为其他高通量的手段的补充，进而应用在其他药靶的挖掘中去。同时，该算法也有望在疾病分子诊断和预后标志基因的筛选中取得应用。