我中心提出了面向藥物發(fā)現(xiàn)的生物網(wǎng)絡(luò)自監(jiān)督表征學(xué)習(xí)的多任務(wù)聯(lián)合框架MSSL2drug，相關(guān)研究成果已被Nature子刊接收，Nature Machine Intelligence。該研究基于生物醫(yī)學(xué)異構(gòu)網(wǎng)絡(luò)的結(jié)構(gòu)、語義和屬性等多模態(tài)特征，設(shè)計(jì)了6個(gè)單任務(wù)和15種多任務(wù)組合，通過基于圖注意力機(jī)制的統(tǒng)一對(duì)抗多任務(wù)學(xué)習(xí)框架，系統(tǒng)地研究藥物深度表征，并在藥物發(fā)現(xiàn)應(yīng)用任務(wù)中得到顯著性能提升。該成果完善了多任務(wù)驅(qū)動(dòng)的自監(jiān)督模型以及在藥物發(fā)現(xiàn)應(yīng)用領(lǐng)域中的技術(shù)體系，解釋了如何有效地組合多個(gè)自監(jiān)督模型這一人工智能領(lǐng)域的挑戰(zhàn)性問題。審稿人認(rèn)為該項(xiàng)工作彌補(bǔ)了相關(guān)領(lǐng)域空白，是非常新穎，有趣、實(shí)用的框架，對(duì)人工智能在藥物發(fā)現(xiàn)領(lǐng)域的應(yīng)用具有指導(dǎo)意義，其多自監(jiān)督模型方法可被廣泛應(yīng)用于其他生命科學(xué)領(lǐng)域。 

　　該研究成果作為面向藥物發(fā)現(xiàn)的人工智能系列研究之一，另兩項(xiàng)研究工作于2021年發(fā)表在Briefings in Bioinformatics，以及Bioinformatics。上述系列研究均由共同通信作者李非副研究員指導(dǎo)完成。 

　　該成果得到國家自然科學(xué)基金面上項(xiàng)目“面向藥物重定位的深度學(xué)習(xí)計(jì)算關(guān)鍵技術(shù)研究”（81973244）和中科院戰(zhàn)略先導(dǎo)(B)課題“面向生命健康大數(shù)據(jù)分析的新計(jì)算架構(gòu)與人工智能方法”（XDB38040100）的支持。

基于圖注意力機(jī)制的對(duì)抗多任務(wù)學(xué)習(xí)框架 

　　　相關(guān)成果： 

　　　Multi-task Joint Strategies of Self-supervised Representation Learning on Biomedical Networks for Drug Discovery. Nature Machine Intelligence. 2022 (已錄用)