#药物筛选

多模态图注意力网络加速葡萄膜炎药物筛选

葡萄膜炎是一种复杂的免疫介导性眼内炎症疾病，其药物发现面临巨大挑战。为解决现有模型在整合异质分子特征和疾病特异性机制方面的不足，研究团队提出了一种基于GATv2的新型多模态图注意力网络MLGT。该模型通过动态注意力机制捕捉非局部原子相互作用，并结合双流融合模块将图嵌入与分子描述符相结合。为了缓解数据不平衡和过拟合问题，研究采用了标签平滑、类别平衡采样和SMILES随机化等方法。在ChEMBL数据库中严格筛选的葡萄膜炎相关化合物数据集上，MLGT表现出色，准确率达到97.7%，F1分数为97.2%，召回率为96.1%，AUC-ROC为0.9156，显著优于现有的图学习和经典机器学习基准。消融研究表明，多模态融合和注意力机制在模型性能中起着关键作用。这项研究提供了一种高效的计算工具，用于靶向葡萄膜炎药物筛选，并为复杂疾病的精准药物发现建立了可扩展的AI驱动范式。