药物重定位旨在为已有药物寻找其新的适应症。药物重定位比起传统药物开发流程,能够显著减少时间与经费投入。随着生物信息学的迅猛发展,研究者开始尝试使用各种计算方法构建相关计算模型来解决这一问题。药物副作用作为药物在人体直接的临床表征引起了相关学者的注意,并被应用于药物重定位的研究。本文从药物副作用的定量分析着手,代替了现有方法仅简单考虑某药物是否存在某副作用的定性研究,构建了DSCB(Drug repositioning based on side effects similarity measures and Content Based Recommendations algorithm)模型。DSCB的主要思想为药物之间相似的副作用暗示着它们或许存在相似的治疗效果。本研究将临床实验与市场反馈的药物副作用信息抽象为文本词频并构建空间向量模型。通过基于内容的推荐算法来为已有药物预测其新适应症,为相关研究者提供了一种新的药物重定位计算模型构建思路,也揭示了一些新的潜在的药物与疾病之间的治疗关系。DSCB模型的预测结果在已有数据集中取得了62%的准确率,且其中78%的药物-疾病对曾被文献提及。最后,本文对预测的多非利特与癌症及西地那非与阿尔兹海默的治疗关系展开调查,从分子机制的角度进一步证实了该模型的可靠性。