基于图同构网络的多模态表示学习在毒性预测中的创新应用

生物、医药及医疗机械

技术成熟度：技术突破

本创新成果提出了一种基于图同构网络的多模态表示学习方法，用于解决多任务毒性预测这一关键科技难题。该方法创新性地融合了分子结构、生物活性等多源异构数据，通过图神经网络捕捉分子的结构特征，并设计了多任务学习框架实现多种毒性端点的同步预测。本成果在药物安全性评估、环境毒理学研究等领域具有重要应用价值，可显著提高毒性预测的准确性和效率，为新药研发和化学品安全评估提供有力支持。