论文浅尝 | 知识增强的药物发现表示学习（AAAI2024）

文章预览

笔记整理：秦铭，浙江大学博士生，研究方向为科学交叉场景下大模型的研究与应用 论文链接：https://ojs.aaai.org/index.php/AAAI/article/view/28924 发表会议：AAAI 2024 1. 动机 近年来，通过自监督学习从大规模蛋白质和分子数据库中获得的分子和蛋白质表示在药物发现中发挥了重要作用。然而，这些方法往往仅限于单一数据模式，未能利用分子和蛋白质之间的丰富关系知识。本文提出一种多模态知识图谱（MKG）来增强表示学习，以便更有效地预测药物与蛋白质的相互作用。与仅依赖序列或SMILES数据的传统方法相比，所提出的知识增强表示学习在多项药物发现基准测试中取得了显著的性能提升。 2. 贡献 本文的主要贡献包括： （1）多模态知识图谱的发布 ： 构建并公开了包含超过3000万个三元组的多模态知识图谱，将药物和蛋白质的多种属性融入表示中，以支 ………………………………