基于异质图动态特征学习的药物重定位预测
朱昊坤1
郭延哺2
辛向军1
李朝阳1
周冬明3
1.郑州轻工业大学软件学院,河南 郑州 4500012.郑州轻工业大学软件学院,河南 郑州 450001;东南大学江苏省网络群体智能重点实验室,江苏 南京 2111893.湖南信息学院电子科学与工程学院,湖南 长沙 410151;云南大学信息学院,云南 昆明 650500
摘要：目的 针对现有人工智能方法在复杂异质生物网络建模中难以挖掘网络节点间的协同关系、提取高阶拓扑语义特征等问题,本文提出一种异质图动态特征学习的药物重定位预测方法.方法 该方法首先构建融合药物、疾病及其交互关系的异质生物图模型.设计动态门控注意力模块,结合动态图注意力机制动态提取药物与疾病的判别性拓扑特征.设计门控残差特征融合机制,精准融合多源相似性网络中的结构和语义信息,有效缓解特征冗余与信息缺失的问题,实现药物与疾病关联的精准预测.结果 在多个数据集上的实验和案例分析表明,本文药物重定位预测方法的性能优于现有主流模型.结论 所提方法可有效建模异质生物网络中的复杂关联关系,提升药物重定位预测的准确性,为复杂疾病的精准治疗和医学人工智能提供重要的技术支持.
关键词：复杂生物网络图神经网络门控机制药物重定位
论文发表日期：2026-02-20
在线出版日期：2026-03-04（本平台首次上网日期，不代表文献的发表时间）
页数：10( 456-465 )
英文信息