基于图神经网络的药物转运体预测结题报告.docVIP

基于图神经网络的药物转运体预测结题报告

一、研究背景与问题提出

药物转运体是一类广泛存在于生物体内膜结构上的蛋白质分子，其核心功能是介导药物及内源性物质在细胞内外的跨膜转运。这一过程直接影响药物的吸收、分布、代谢和排泄（ADME）过程，进而决定药物的疗效与安全性。例如，P-糖蛋白（P-gp）作为典型的ABC转运体家族成员，能够将多种化疗药物泵出肿瘤细胞，是导致肿瘤多药耐药性的关键机制之一；而有机阴离子转运多肽（OATP）则主要负责肝脏对他汀类、降压药等药物的摄取，其表达水平的个体差异可能引发药物不良反应或治疗失败。

传统药物研发流程中，候选药物的转运体相互作用评估主要依赖体外细胞实验与动物模型，存在周期长、成本高、通量低等局限性。据统计，约30%的药物研发失败源于ADME性质不佳，其中转运体介导的药物相互作用是重要诱因之一。随着精准医疗与人工智能技术的快速发展，利用计算模型预测药物-转运体相互作用已成为创新药物研发的关键环节。

然而，现有预测方法仍存在诸多瓶颈：一是传统机器学习模型（如支持向量机、随机森林）难以有效捕捉药物分子与转运体蛋白之间的非线性结构关系；二是基于深度学习的序列模型（如CNN、RNN）在处理药物分子图结构信息时存在天然缺陷，无法充分利用分子的三维拓扑特征；三是大多数模型依赖单一数据源，缺乏对多组学数据的整合能力，导致预测泛化性不足。因此，开发一种能够精准、高效预