基于图注意力的药物生物利用度预测结题报告.docVIP

基于图注意力的药物生物利用度预测结题报告

一、研究背景与问题提出

药物生物利用度（Bioavailability,BA）是指药物经血管外给药后，被吸收进入血液循环的相对量和速度，是评价药物制剂质量的核心指标之一。根据FDA的定义，绝对生物利用度是指试验制剂与静脉注射剂的药-时曲线下面积（AUC）之比，相对生物利用度则是试验制剂与参比制剂的AUC比值。生物利用度直接决定了药物在体内的暴露量，进而影响药物的疗效与安全性。据统计，超过40%的新药研发失败源于药物体内暴露量不足或不可预测，而生物利用度差异是导致这一问题的关键因素之一。

传统的生物利用度预测方法主要依赖于体外实验（如Caco-2细胞模型、大鼠肠道灌注实验）和体内动物实验，但这些方法存在周期长、成本高、通量低等局限性。例如，一项完整的动物体内生物利用度实验通常需要2-4周时间，单组实验成本超过5000美元，且难以覆盖药物分子的多样性。随着计算机辅助药物设计（CADD）技术的发展，基于机器学习的生物利用度预测模型逐渐成为研究热点。早期的机器学习模型（如支持向量机、随机森林）主要基于药物的二维结构描述符（如分子量、脂溶性、氢键供体/受体数量）进行预测，但这些模型忽略了药物分子的三维空间结构和生物系统的复杂性，预测精度难以满足实际需求。

近年来，图神经网络（GraphNeuralNetworks,GNNs）在药物发现领域展现