基于距离编码-图神经网络的药物靶标作用关系预测

图神经网络方法在药物靶标相互作用的预测任务上效果较好,但在图数据上仍存在无法分辨相同结构拓扑图和图网络中节点特征表达能力受限的问题.本文提出一种基于距离编码-图神经网络(Distance Encoding-Graph Neural Network)的药物靶标作用关系预测方法DEDTI.DEDTI利用图网络中的结构信息对每个药物和靶标节点进行距离编码,使得具有相同拓扑结构的节点可以投影到不同区域,最终在识别网络拓扑结构方面的能力超过一阶WL测试.另外,距离编码使得节点在送入图神经网络训练之前就包含节点属性,而不只是单纯的one-hot编码,提升了图神经网络的性能.在实验数据集中,DEDTI方法的AUC和AUPR均优于其它基准方法.实验结果表明本方法增强了图神经网络在预测药物靶标相互作用方面的能力,并在常用的多个药物数据库上验证了DEDTI预测新药物靶标相互作用的效果.