少样本药物筛选
采用自适应任务调度机制，在数据稀缺情况下较8种基线模型展现出对未见靶标更强的泛化能力。
Mengxuan, Wan · Zhang, Yixin · 昝鹏 · He, Song · 伯晓晨
Nature Communications 2026
元学习框架让模型从多个相关任务中学习可迁移的知识，因此只需少量靶标数据即可对新靶标进行准确预测。
自适应任务模块动态调整任务难度和顺序，使模型能快速适应新靶标的特性，在跨靶标预测中表现更稳定。
在FLT3抑制剂筛选中发现的候选化合物经初步实验验证具有抑制活性，说明模型预测结果能够转化为实际候选药物。