药物重定位自动协同学习模型

准确率显著提升

引入邻居交互度量与对比学习对齐特征，增强GNN协同效应，优于现有方法。

Yi, Wang · Meng, Yajie · Chang, Zhou · Tang, Xianfang · 曾攀 · Pan, Chu · Zhu, Qiang · Zhang, Ben-Gong · Xu, Junlin

Engineering Applications of Artificial Intelligence 2025

技术优势

协同效应可度量

提出衡量邻居间交互水平的度量，并与GNN消息传递机制融合，能定量评估并增强不同协同效应对预测精度的贡献。

特征冗余更低

采用先进的对比学习技术，对齐疾病-药物关联空间与定制邻居空间的特征一致性，利用不同特征维度间的固有规律最小化特征冗余。

性能大幅超过现有方法

在三个基准数据集上的大量实验表明，该模型比多种最先进方法有实质性提升，并已通过案例研究验证实用性。

应用场景

• 药物发现：为新药发现提供低成本的候选药物重定位预测。
• 计算生物学：用图神经网络和对比学习提升计算预测效率。
• 生物信息学：处理疾病-药物关联数据，挖掘潜在关系。
• 精准医疗：辅助个性化治疗方案的药物筛选。