面向图结构数据的通用基础模型

图是生物医学研究中的核心表示，捕捉分子相互作用网络、基因调控回路、细胞间通讯图谱和知识图谱。尽管其重要性如此，目前尚无广泛可复用的图分析基础模型可媲美那些已彻底改变语言和视觉领域的模型。现有的图神经网络通常针对单个数据集进行训练，仅学习该图节点特征、拓扑和标签空间的特定表示，限制了其跨域迁移能力。这种泛化能力的缺乏在生物学和医学中尤为突出，因为网络在不同队列、检测方式和机构之间差异显著。这里我们引入了一种图基础模型，旨在学习不特定于特定节点标识或特征方案的可迁移结构表示。我们的方法利用与特征无关的图属性，包括度统计、中心性度量、社区结构指标和扩散特征，并将它们编码为结构提示。这些提示与消息传递主干网络集成，将多样化图嵌入共享表示空间。该模型在异构图上预训练一次，随后在未见数据集上以最少的适配即可复用。在多个基准测试上，预训练模型匹配或超越了强监督基线，同时在保留图上展示了优越的零样本和少样本泛化能力。在SagePPI基准上，预训练主干网络的监督微调达到平均ROC-AUC为95.5%，相比最佳监督消息传递基线提升21.8%。该技术为生物医学和网络科学应用中的图结构数据可复用、基础规模模型提供了独特的方法。