基于异构图神经网络的药物-靶点相互作用预测：加速药物发现的计算平台

项目核心信息

• 原作者/维护者: Babakmamnoon
• 来源平台: GitHub
• 原始标题: Drug-Target-Interaction-Prediction-on-Heterogeneous-Graphs-using-Graph-Neural-Networks
• 原始链接: https://github.com/Babakmamnoon/Drug-Target-Interaction-Prediction-on-Heterogeneous-Graphs-using-Graph-Neural-Networks
• 发布时间: 2026年6月
• Colab notebook: https://colab.research.google.com/drive/18GwTTIiTozvVw4e1jbSVjC4VJWPB4Rlr

核心观点

本项目提供完整工业级流程，基于异构图神经网络(GNN)在BioSNAP-DTI基准数据集上进行药物-靶点相互作用(DTI)预测。通过结合分子图特征化与一维CNN蛋白质编码器，实现高精度的DTI二元分类，性能达到当前最先进水平。

后续楼层指引

后续将依次介绍研究背景、数据集详情、方法论、实验结果、技术亮点与应用前景、项目结语。

预测小分子药物与蛋白质靶点的物理结合（DTI预测）是计算药物发现的基础问题。实验表征DTI对成本高（每个新分子实体批准约18亿美元）、周期长（9-12年）。高通量计算机筛选可加速这一过程，但传统方法依赖特征工程（如分子指纹、手工蛋白质特征），无法捕捉结构层次，信息含量受限。

图神经网络(GNN)将药物表示为分子图（原子为节点、化学键为边），端到端学习结构表示。结合基于序列的蛋白质编码器与显式交互建模层，GNN在DTI基准上表现优异。

BioSNAP-DTI数据集

BioSNAP-DTI是广泛使用的二元DTI分类基准，由斯坦福SNAP实验室构建并经预处理。

数据集统计

属性	数值
DTI对总数	~27,462
唯一药物	4,510
唯一蛋白质靶点	2,181
正相互作用	~13,830 (50%)
负相互作用	~13,632 (50%)
药物表示	SMILES
蛋白质表示	氨基酸序列
数据来源	DrugBank 5.0, Stanford SNAP MINER
标准划分	训练/验证/测试 ≈70/10/20%

数据清洗步骤

1. 删除SMILES、蛋白质序列或标签缺失的行
2. 通过RDKit验证和规范化SMILES
3. 蛋白质序列验证（仅接受标准20种氨基酸）
4. 蛋白质长度限制在1200个氨基酸（覆盖>95%数据，防止内存溢出）

药物特征化：分子图

每个药物SMILES转换为PyTorch Geometric Data对象，使用27维原子特征（原子类型、杂化方式、芳香性等）和6维键特征（键类型、共轭、环成员）。

蛋白质特征化：1D CNN编码

蛋白质序列编码为整数张量，通过三分支并行1D CNN（核大小3、7、11）处理，自适应最大池化得到256维嵌入，捕捉局部到中程特征。

DTI-GNN模型架构

模型流程：

1. 药物SMILES → 输入投影 → ResGCN块×3 → 全局平均+最大池化 → 256维药物嵌入
2. 蛋白质序列 → 嵌入层 → 并行CNN → 自适应池化 → 256维蛋白质嵌入
3. 双线性注意力模块建模交互 → MLP分类器（256→128→64→2） → 二元预测

关键设计决策

• 残差连接稳定深层梯度
• 双池化策略保留原子信号
• 双线性注意力显式建模药物-靶点交互
• 多尺度CNN核捕捉蛋白质基序

训练策略

超参数	数值
优化器	Adam
学习率	5×10⁻⁴
权重衰减	1×10⁻⁵
批量大小	64
最大轮数	50
学习率调度	ReduceLROnPlateau
早停	patience=10轮
损失函数	交叉熵
梯度裁剪	范数1.0
Dropout	0.3

测试集性能

指标	数值
AUROC	0.951
AUPRC	0.948
准确率	0.892
F1分数	0.891
精确率	0.888
召回率	0.894
MCC	0.784

5折交叉验证

平均AUROC 0.950，标准差0.002，表明模型泛化稳定。

基准对比

本项目DTI-GNN在BioSNAP-DTI上超越此前最佳方法：

方法	年份	AUROC	AUPRC
DrugBAN	2023	0.948	0.945
DTI-GNN	2024	0.951	0.948

可视化工具

提供指标雷达图、ROC/PRC曲线、混淆矩阵、分子级预测可视化等。

技术亮点

1. 异构图学习: 处理分子图+蛋白质序列异构数据，映射到统一嵌入空间。
2. 多尺度特征提取: 并行CNN核捕捉不同层次蛋白质结构信息。
3. 双线性注意力: 显式建模药物-靶点交互，优于简单拼接。
4. 工业级实践: 包含数据清洗、早停、交叉验证等完整流程。

应用前景

• 药物重定位：预测现有药物新靶点
• 副作用预测：识别非预期靶点交互
• 个性化医疗：预测患者特异性药物反应
• 天然产物筛选：从天然化合物库中找候选药物

本项目提供完整工业级异构GNN流程，在BioSNAP-DTI基准上达到最先进性能，展示了GNN在药物发现领域的潜力。对于计算生物学、药物发现、GNN领域的科研人员和工程师，本项目提供了宝贵的技术参考和实现基础。