arrow
返回

Knowledge-aware contrastive heterogeneous molecular graph learning

delete2025-05-12
delete0
delete
OA
AI
M
Mukun Chen
J
Jia Wu
Shirui Pan 封面图
Shirui Pan (Shirui Pan)
F
Fu Lin
D
Du, Bo
X
Xiuwen Gong
W
Wenbin Hu *
DOI:10.1371/journal.pcbi.1013008delete
delete原文链接
delete原文求助
delete分享
delete收藏
摘要

摘要

En 中文
分子表示学习在预测分子性质和推进药物设计方面至关重要。传统方法主要依赖同质图编码,其局限性在于无法整合外部知识,且难以在不同粒度级别上表示分子结构。为解决这些局限性,我们提出了一种范式转变,通过将分子图编码为异构结构,引入了一种新型框架:知识感知对比异构分子图学习(Knowledge-aware Contrastive Heterogeneous Molecular Graph Learning, KCHML)。该方法利用对比学习将嵌入的外部知识丰富分子表示。KCHML通过三种不同的图视图——分子视图、元素视图和药理视图——来概念化分子,并通过异构分子图和双消息传递机制进行增强。这种设计为性质预测提供了全面表示,同时也适用于下游任务,如药物-药物相互作用预测。广泛的基准测试表明,KCHML在分子性质预测方面优于当前最先进的模型,凸显了其捕捉复杂分子特征的能力。

期刊

PLOS Biology 封面图
PLOS Biology
IF:
7.2
论文数:
2.1K
被引数:
3.9W

机构

U
Univ Technol Sydney
学者数:
749
论文数: 530
被引数: 237
引用论文

引用论文

MoleculeNet: a benchmark for molecular machine learning
err2018-01-01
err1.6K
errOAAI
errWu, Zhenqin; Ramsundar, Bharath; Feinberg, Evan N.; Gomes, Joseph; Geniesse, Caleb; Pappu, Aneesh S.; Leswing, Karl; Pande, Vijay
err分享
err收藏
err分享
err收藏
Molecular fragmentation as a crucial step in the AI-based drug development pathway
err2024-02-01
err8
errOAAI
errShao, Jinsong; Jia, Qifeng; Chen, Xing; Hao, Yajie; Wang, Li
err分享
err收藏
Pushing the Boundaries of Molecular Representation for Drug Discovery with the Graph Attention Mechanism通过图形注意机制推动药物发现的分子表示边界
err2019-08-13
err528
PREAI
errXiong, Zhaoping; Wang, Dingyan; Liu, Xiaohong; Zhong, Feisheng; Wan, Xiaozhe; Li, Xutong; Li, Zhaojun; Luo, Xiaomin; Chen, Kaixian; Jiang, Hualiang; Zheng, Mingyue
err分享
err收藏
学者 查看更多内容