MAMGN-HTI: 一个图形神经网络模型与甲状腺功能障碍和注意力机制,用于甲状腺功能障碍草药-目标相互作用预测.
Yanqin Zhou1,2, Xiaona Yang1,2, Ru Lv1,2
1School of Artificial Intelligence and Information Technology, Nanjing University of Chinese Medicine, Nanjing 210023, China.
Bioengineering (Basel, Switzerland)
|October 29, 2025
概括
这项研究介绍了MAMGN-HTI,一种用于预测草药向相互作用的新型图形神经网络模型. 该模型通过提高准确性和效率来增强传统中医研究和药物发现.
科学领域:
- 计算生物学是一种计算生物学.
- 药理学 药理学是指药理学的学科.
- 生物信息学是一种生物信息学.
背景情况:
- 预测草药向相互作用 (HTI) 对现代化中国传统医学 (TCM) 和加速药物发现至关重要.
- 由于草药化合物的复杂性和目标多样性,对HTI的实验验证是资源密集的.
研究的目的:
- 开发一个准确和高效的计算模型来预测草药-点相互作用.
- 利用图形神经网络和注意力机制来增强HTI预测.
主要方法:
- 构建了一个整合草药,疗效,成分和目标的异质图.
- 在图形神经网络 (MAMGN-HTI) 中使用元路和注意力机制.
- 集成的ResGCN和DenseGCN与交叉层跳过连接,以改善特征传播.
主要成果:
- 在HTI预测和候选药物查方面,MAMGN-HTI表现优于现有方法.
- 该模型表现出高精度,强度和通用性.
- 根据现有文献和数据库验证预测,证实可靠性.
结论:
- MAMGN-HTI为HTI预测提供了一个可靠的计算框架,推进TCM现代化和药物发现.
- 该模型提供了机制性见解,并提高了研究效率.
- 确定了潜在的甲状腺功能障碍治疗方法,包括特定的草药,如加工的Bupleuri Radix.


