摘要
网络药理学研究药物在相互作用靶点、通路和疾病模块间的整体作用。然而，越来越多用于此目的的知识图谱神经网络模型具有难以检查的黑盒特性。本批判性叙述性综述探讨了特征归因、注意力机制、反事实解释与基于规则的解释、可解释图神经网络、贝叶斯与因果方法以及基于路径的知识图谱推理。我们依据生物图谱所施加的三项要求来评估这些方法：保留异构节点与关系语义、支持多跳推理，以及与模型训练中被排除的证据相一致。在所综述的方法中，尚无一种方法被证明能持续满足全部三项要求。一个模型忠实的解释可能仍会强调节点度数、网络枢纽或研究较多的实体，而非疾病特异性机制。为应对这一问题，我们提出了五个评估领域：忠实性、稳定性、外部生物学一致性、偏差敏感性和转化实用性，并提出了六项报告标准。二者均为概念性提案，尚未经过加权、校准或实证评估。一项探索性的基于文献的应用，针对TxGNN、DDI-GCN和MINERVA，表明与透明度相关的报告是有用的但不完整。本次演练展示了这些标准的可能用途，并非对该框架的实证评估或校准。我们未重新训练或重新运行任何模型，也未进行新的定量基准测试。该领域仍然缺乏统一的生物医学基准，在异构、冷启动和来源感知图谱场景下同时对预测和解释进行评估。该领域的进展将依赖于任务匹配的评估、对不确定性的显式处理，以及旨在区分模型所利用的信息与生物学实际作用之间的实验设计。
