不平衡下仍稳
KG-MACNF 通过知识图谱嵌入、PoolGAT 与非线性跨模态注意力融合，在药物-靶点相互作用预测上优于现有浅层融合方法。
杨熙鑫 · 官源林 · Wang, Zhongyu · Qi, Cheng
PLoS ONE 2025
利用知识图谱嵌入技术捕获大规模生物网络中实体的多层次关系特征，弥补以往忽视的相互作用关系信息。
采用非线性驱动的跨模态注意力融合网络有效整合药物结构、蛋白序列和知识图谱多模态数据，优于传统浅层融合。
模型在数据不平衡条件下仍表现出稳健的稳定性，更接近真实药物研发场景。