基于多模态Transformer的代谢物-药物细粒度相互作用预测方法

基于多模态Transformer的代谢物‑药物细粒度相互作用预测方法，利用元路径引导的Transformer级联模型，挖掘多模态网络中的高阶特征以实现代谢物‑药物关联的精细化预测。首先，构建包含上调、下调和无关联关系的细粒度代谢物‑药物相互作用图谱，并融入疾病和基因信息，形成更贴近真实生物系统的多模态网络。在此基础上，设计了多跳邻居聚合Transformer模型以捕获不同元路径中的长距离依赖关系，并通过元路径级联模块实现模态间交互特征的精细化聚合。最后，利用多层感知机解码重构关联概率。实验结果表明，该方法优于九种最新的基线方法。此外，对舍曲林药物的案例研究进一步验证了其在预测潜在细粒度代谢物‑药物关联方面的有效性，对于加速药物研发进程、优化临床治疗效果具有实际应用价值。