基于改进图神经网络与变分自编码器的微生物-药物关联预测新方法GVNNVAE

为解决微生物-药物关联预测难题，研究人员开发了GVNNVAE模型，整合改进图神经网络(GNN)与变分自编码器(VAE)，通过构建异质网络提取拓扑与属性特征，最终实现0.9688的优异AUC值，为药物研发提供新工具。

　　

微生物在人类健康与疾病中扮演关键角色。这项研究提出创新性预测模型GVNNVAE，巧妙融合改进版图神经网络(GNN)和变分自编码器(VAE)技术。研究团队首先构建了包含微生物、药物和疾病多重相似性特征的异质网络，随后通过改进GNN提取网络拓扑结构特征，同时利用VAE挖掘节点属性特征。最终整合原始属性与两类新特征，实现潜在微生物-药物关联的精准评分。实验数据显示，该模型AUC值高达0.968⁸，显著优于现有方法。典型案例验证进一步证实，GVNNVAE能有效预测未知微生物-药物相互作用，为临床治疗和药物重定位提供重要参考。