近日，我院王伟教授团队在著名期刊《IEEE Transactions on Neural Networks and Learning Systems》发表草药—症状相互作用预测研究成果。

传统中药的疗效源于多成分、多靶点的协同作用，如何从复杂生物网络层面揭示草药与症状之间的系统性关联，是实现数据驱动精准中药研究的重要课题。现有基于图神经网络的计算方法主要关注成对低阶关系，难以有效捕捉草药通过多靶点、多通路产生的间接调控效应；同时，受限于生物医学标注的不完整性，常规随机负采样策略易从未知关系中引入假阴性样本，影响模型训练的准确性与可靠性。

针对上述问题，王伟教授团队联合四川大学、电子科技大学等单位，提出了一种名为MHGNN的多重超图神经网络学习框架。将草药-症状相互作用建模为融合蛋白质互作网络与高阶调控关系的多重超图结构，通过层级式消息传递机制同步学习低阶蛋白质关联与高阶草药-症状超边特征，从而更全面地刻画草药的多靶点系统效应。此外，研究设计了一种基于蛋白质互作网络邻近距离的负采样策略，优先选取网络距离较远的草药-症状对作为负样本，以降低假阴性干扰，提升训练样本质量。

研究团队在HIT和TCMIO两个公开中医数据集上对MHGNN进行了系统性评估，与13种现有主流基线方法相比，MHGNN在准确率、F1分数、AUC及AUPR等关键指标上均取得了最优性能。消融实验进一步证实，超图学习模块与蛋白质互作信息整合对模型性能提升具有显著贡献；案例分析显示，MHGNN预测的高置信度草药-症状关联在蛋白质互作网络中呈现出更紧密的功能聚类与通路连接，与已有药理实验结论相符。

研究展示了超图神经网络在解析中药整体观机制中的应用潜力，为从分子网络视角理解草药与症状之间的复杂调控关系提供了可解释的计算分析工具。

王伟教授是该论文的主要通讯作者，本项目获得了重庆市人才项目、重庆医科大学未来医学创新团队等项目的资助。

全文链接：https://ieeexplore.ieee.org/document/11458618/authors#authors