基于图因果学习的抗菌肽功能可解释预测方法及系统

本申请实施例提供了基于图因果学习的抗菌肽功能可解释预测方法及系统，在预测方法中，采用图神经网络GNN对图结构的残基节点进行编码，并基于注意力引导的特征筛选机制，对每个节点及节点边关系赋予任务相关性权重，动态压缩与弱化冗余区域，形成图表示；将图表示映射至多层对比空间，并引入多任务分类器，依据图表示预测抗菌肽的功能类别标签，使用交叉熵损失与对比损失联合优化整体目标函数，得到不变图表示；基于不变图表示中节点注意力权重与边重要性得分，对预测抗菌功能起决定性作用的区域进行定位与标注，形成具有因果依据的因果子图。本申请显著提升了模型的可解释性，并增强了模型在分类任务中的准确性与泛化能力。