现代 AI 辅助药物发现中的图神经网络
生物大分子
2025-06-10 v1 机器学习
摘要
图神经网络（Graph Neural Networks，GNNs）作为深度学习领域中基于拓扑/结构感知的模型，已成为 AI 辅助药物发现（AI-aided drug discovery，AIDD）中强大的工具。通过直接作用于分子图，GNNs 提供了一种直观且富有表达力的框架，用于学习药物分子中复杂的拓扑和几何特征，巩固了其在现代分子建模中的角色。本综述提供了GNNs 在药物发现中方法论基础和代表性应用的全面概述，涵盖任务，如分子性质预测、虚拟筛选、分子生成、生物医学知识图构建和合成规划等。我们特别关注近期方法论进展，包括几何 GNN、可解释模型、不确定性量化、可扩展图架构和图生成框架。我们还讨论了这些模型如何与现代深度学习方法整合，如自监督学习、多任务学习、元学习和预训练。 throughout this review，我们强调了将 GNNs 应用于实际药物发现管道时所遇到的实际挑战和方法论瓶颈，并对未来方向进行了讨论。
引用
@article{arxiv.2506.06915,
title = {Graph Neural Networks in Modern AI-aided Drug Discovery},
author = {Odin Zhang and Haitao Lin and Xujun Zhang and Xiaorui Wang and Zhenxing Wu and Qing Ye and Weibo Zhao and Jike Wang and Kejun Ying and Yu Kang and Chang-yu Hsieh and Tingjun Hou},
journal= {arXiv preprint arXiv:2506.06915},
year = {2025}
}