基于低维图表示学习的药物重定位预测方法
张笛
郑州财税金融职业学院大数据与人工智能学院 河南郑州 450048
摘要：药物重定位作为提高药物研发效率的重要途径,已成为计算药物学研究的热点问题.传统方法在捕捉药物与靶点间复杂非线性关系方面存在一定局限性.为此,文章提出一种基于低维图表示学习的药物重定位预测方法.该方法利用图神经网络提取药物-靶点交互网络中的结构信息,并引入变分图自编码器和生成对抗网络联合学习低维潜在特征表示,从而增强特征表达能力与判别能力.随后,结合梯度提升决策树构建高效的药物-靶点相互作用预测模型.实验在多个公开数据集上进行,结果表明,所提方法在ROC和PR值等指标上均优于现有主流方法,具有良好的泛化能力与实际应用潜力,为药物重定位提供了一种有效的计算框架.
关键词：药物重定位图表示学习生成对抗网络图神经网络药物-靶点相互作用预测
资助基金：郑州财税金融职业学院校级课题(ZCY2025004)
论文发表日期：2025-10-25
在线出版日期：2026-05-22（本平台首次上网日期，不代表文献的发表时间）
页数：5( 59-63 )