MolBridge: 面向药物-药物相互作用事件预测的原子级联合图细化框架
机器学习
2025-10-27 v2 人工智能
摘要
药物联合用药可提供治疗益处，但也可能在复杂分子结构下引发不良药物-药物相互作用 (DDI)。准确预测 DDI 事件需要捕获药物间细粒度关系，这对于建模酶介导的竞争机制至关重要。然而，现有方法通常依赖于孤立的药物表征，未能显式建模原子级跨分子相互作用，限制了其在多样分子复杂度和 DDI 类型分布上的有效性。为此，本文提出 MolBridge，一种用于稳健 DDI 事件预测的原子级联合图细化框架。MolBridge 构建联合图，整合药物对的原子结构，实现对跨药物关联的直接建模。在此类联合图设置中，一个核心挑战是通过建模长程原子依赖时导致信息丢失的过平滑问题。为克服这一难题，我们引入结构一致性模块，在迭代细化节点特征的同时保持全局结构语境。这种联合设计使 MolBridge 能够有效学习局部与全局相互作用，显著优于 state-of-the-art 基线方法，在长尾和归纳场景中实现卓越性能。
引用
@article{arxiv.2510.20448,
title = {MolBridge: Atom-Level Joint Graph Refinement for Robust Drug-Drug Interaction Event Prediction},
author = {Xuan Lin and Aocheng Ding and Tengfei Ma and Hua Liang and Zhe Quan},
journal= {arXiv preprint arXiv:2510.20448},
year = {2025}
}