基于大型语言模型的知识图谱学习方法，用于草药与大分子相互作用的预测及功能分析

《International Journal of Biological Macromolecules》：Large language model-driven knowledge graph learning for herb–macromolecule interaction prediction and functional analysis

　　•LLM-HTI能够利用大语言模型（LLM）预测草药与大分子靶标之间的相互作用。•语义-拓扑融合技术可以捕捉草药、大分子靶标及其功能关联。•自适应参数更新机制提升了图学习的稳定性和效率。•基于临床专家的评估方法优先考虑具有医学相关性的候选靶标。

引言
生物大分子，尤其是蛋白质和RNA，是主要的治疗靶标类别，在疾病干预中起着核心作用。蛋白质靶标仍然是已批准药物作用的主要基础，而之前被认为“无法成药”的蛋白质正通过新兴的靶向策略得到越来越多的研究[1]、[2]。与此同时，包括mRNA和非编码RNA在内的RNA作为可成药靶标和治疗干预点也受到了越来越多的关注[3]。草药在传统医疗系统中被使用了数千年，并且在现代医疗实践中仍然具有重要的治疗价值[4]。与通常遵循“单一化合物-单一靶标”范式的现代药物不同，中医药的特点是多组分、多靶标和多通路协同作用，其治疗效果往往来源于对不同生物过程中多种生物大分子靶标的共同调节[5]、[6]。这种作用机制为草药在多种疾病中的应用提供了生物学基础，并突显了中医药在管理慢性病和复杂疾病方面的潜力[4]。随着该领域的持续进步，中医药的临床应用已从中国扩展到更广泛的全球范围[7]。先前的研究进一步表明，许多经典草药在疾病干预中具有明显的药理作用。例如，黄芪具有免疫调节和保肝活性，而当归则因其抗炎和造血特性而被广泛研究[8]。这些观察结果表明，系统性地建模草药-大分子靶标之间的关联对于理解中医药介导的治疗过程中的生物靶标功能至关重要。

草药的化学复杂性高，其靶标的种类繁多，这使得系统解析草药-靶标机制变得非常具有挑战性。传统的靶标发现主要依赖于实验室实验和积累的临床经验；然而，由于大多数草药含有数十到数千种化学成分，实验鉴定不仅需要区分活性化合物，还需要确定相应的生物靶标，这大大增加了成本和复杂性[9]。基于临床观察的方法还受到主观性、高成本和有限可扩展性的限制，因此不足以进行大规模和系统的HTI（草药-大分子靶标相互作用）研究[10]、[11]。因此，在高成分复杂性和靶标异质性的情况下，仅依靠传统实验方法已不足以进行有效的机制分析[12]。重要的是，长期积累的临床和药理数据促进了高质量数据库的发展。像SymMap这样的资源整合了症状、疾病、草药和分子机制，从而在表型层面将中医药与现代医学联系起来[13]。这类资源的持续扩展为系统性的草药-靶标研究和发展计算方法提供了必要的基础。

生物信息学方法及相关技术的快速发展推动了对计算方法用于揭示未知HTI的兴趣日益增长。例如，HTP利用蛋白质-蛋白质相互作用网络中的信息传播来对潜在靶标进行排序，而heNetRW则引入了在异构草药-靶标网络上的随机游走以提高预测性能[14]。最近，表示学习方法被用来整合多源异构信息。HTINet通过结合症状、草药和靶标构建了一个异构网络，并学习低维嵌入以预测潜在靶标[15]。尽管这些方法为HTI预测奠定了重要基础，但他们捕捉复杂语义信息和高等关系结构的能力仍然有限。

在这些计算方法中，深度学习由于其强大的表示学习能力而成为建模药物-靶标相互作用的主要策略。随着深度学习的兴起，越来越多的方法被开发用于药物-靶标和草药-靶标预测。一些方法结合了图神经网络、网络嵌入和多视图特征学习来共同建模药物-靶标相互作用模式，而其他方法则将网络嵌入与排名学习结合用于药物重新定位和适应症发现[16]、[17]。同时，全局-局部建模、预训练表示和集成策略也被引入来进一步提高药物-蛋白质相互作用的准确性和鲁棒性[18]、[19]。在HTI预测的背景下，HTINet2进一步结合了知识图嵌入和类似残差的图神经网络来建模和整合与靶标相关的特征，从而提高了多靶点相互作用的预测能力[20]。尽管取得了这些进展，但对中医药语义和复杂异构关系的统一建模仍然有限。

数据库构建和预测算法开发的持续进步为准确的HTI预测提供了重要基础，并显著促进了中医药研究。然而，代表性的HTI建模方法仍面临两个重要限制。首先，现有方法主要依赖于图拓扑结构，而与草药和靶标相关的大量语义信息尚未得到充分利用。其次，多源HTI建模引入了一个非平凡的优化挑战。当语义和结构特征被联合融合时，不同的参数子集在训练过程中可能会产生不等的影响，而传统的统一梯度更新可能会在整个模型中传播噪声或信息量少的信号。此外，在生物医学AI预测任务中，仅计算性能不足以确立模型预测的医学可靠性和潜在的转化价值。确定候选靶标是否参与关键病理生理过程、是否与现有的医学和药理学证据一致以及是否需要进一步的功能或转化研究仍需要专家的医疗判断。先前的医学LLM研究表明，即使模型获得了良好的自动化评估分数[21]、[22]，它们的输出仍可能包含事实错误、缺失的信息或有限的临床相关性。因此，临床专家的评估是对生物医学AI模型自动化评估的重要补充[23]。

受到这些限制的启发，我们开发了LLM-HTI，这是一个基于TWKG（中药知识图）的LLM驱动的计算框架，用于识别潜在的HTI并阐明中医药的多组分和多靶标机制。在表示层，LLM-HTI引入了LLM生成的药草和靶标的语义描述，并将其与基于TWKG的结构嵌入相结合，实现了草药和生物大分子靶标的联合语义-结构表示学习。在优化层，LLM-HTI结合了一种梯度引导的自适应参数更新机制，在训练过程中选择性地更新高信息量的参数子集。此外，引入临床专家参与计算预测和分子层面的验证可以提高医学解释的可靠性，并支持候选靶标的转化研究优先级。本研究的主要贡献如下：
(1) 本研究提出了一种基于LLM的知识图学习框架，该框架具有自适应参数更新功能，用于预测草药-大分子靶标相互作用并支持大分子靶标功能分析。
(2) 本研究提出了一种联合语义-拓扑表示策略，将LLM衍生的潜在语义与TWKG拓扑结构结合，以表征草药、生物大分子靶标及其功能关联。
(3) 本研究开发了一种梯度引导的自适应参数更新策略，通过动态选择关键参数子集来提高训练稳定性和优化效率。
(4) 引入了基于临床专家的结构化评估方法，以增强候选靶标的医学可解释性和转化价值，包括疾病相关性、生物学合理性、临床可行性以及研究优先级。

材料与方法
所提出的LLM-HTI是一个基于TWKG的LLM驱动的自适应图学习框架，用于准确预测HTI。与当前代表性方法相比，LLM-HTI主要在表示学习和优化两个方面有所不同。首先，在表示学习层面，HTINet2及相关方法主要依赖于知识图嵌入和图结构传播，而草药和靶标相关的丰富语义信息（包括疗效、适应症等）尚未得到充分利用。

实验设置
根据先前的研究[20]，38,002条HTI记录被随机分为训练集、验证集和测试集，比例为8:1:1。在这种统一设置下，LLM-HTI与代表性的基线方法进行了比较，包括基于局部拓扑的链接预测方法（CN [24]、Salton [30]、Jaccard、HPI [31]、LHN-1 [32]、AA [33] 和 RA [33]）、基于网络传播的模型（heNetRW [15] 和 Prince [34]）以及基于深度学习的HTINet2 [20]。基于拓扑的方法通过...

讨论
本研究基于中医药理论和现代生物医学信息的整合，开发了一个大型语言模型驱动的HTI建模框架。该框架通过多层图卷积捕捉草药和靶标之间的高等拓扑依赖性，并通过参数自适应更新策略动态选择关键参数子集，从而进一步提高训练稳定性和优化效率，而不改变模型架构。

结论
我们提出了LLM-HTI，这是一种由LLM和中西医结合知识图共同驱动的HTI预测框架，实现了中医药知识、现代生物医学关系和图表示学习的统一建模。通过结合语义增强、多层图聚合和参数自适应更新，该框架实现了强大的性能、稳定性和可解释性。实验和案例研究结果表明，LLM-HTI有效...

CRediT作者贡献声明
袁思思：撰写——原始草稿、方法论、数据整理。
吴慧慧：方法论、数据整理。
姚家鹏：撰写——审稿与编辑、监督、方法论。
连新泽：方法论、数据整理。
卓琳琳：方法论。
李克琴：撰写——审稿与编辑、监督。
曹东生：撰写——审稿与编辑、监督。
卢爱萍：撰写——审稿与编辑、监督、方法论。
夏建国：撰写——审稿与编辑、监督、方法论。

利益冲突声明
我们声明没有利益冲突。

致谢
作者感谢温州市中心医院普通外科的夏森哲医生在胃肠道疾病候选靶标临床评估方面的帮助。作者还感谢齐明明在图表制作方面的协助。本研究部分得到了温州市重大科学技术创新项目（项目编号ZG2024013）和部委联合建设的重点项目的支持。

贡献者列表
袁思思|吴慧慧|姚家鹏|连新泽|卓琳琳|李克琴|曹东生|卢爱萍|夏建国