药物节点分类问题概述

好，我们直接进入正题。节点分类，说白了就是给你一个图，让你猜每个节点的身份。你手里有一张巨大的网络，里面每个点代表一个实体，有的点已经标好了类别，大部分还没标。你的任务就是利用图的结构和已有标签，把剩下那些点的类别给推断出来。

在药物领域，这事可太常见了。我个人习惯把这类问题叫做“半监督学习在图上的落地”。你想想看，药物研发是个多烧钱的事，能手动验证的药物-靶点相互作用只是冰山一角。

什么是节点分类？

你有一张图 G = (V, E)，V 是节点集合，E 是边集合。每个节点 v 有一个特征向量 x_v，还有它自己的标签 y_v。训练集里只有一小部分节点有标签，比如 10%。目标就是学一个映射函数 f：V → Y，让剩下的 90% 节点也能被正确分类。

公式很简单：

y_v_hat = f(x_v, neighborhood_structure)

这里的 neighborhood_structure 是关键。它不是简单的特征拼接，邻居信息会通过消息传递机制汇聚到中心节点。我这个项目的经验是：光靠节点自身的特征，准确率撑死 60%；一旦把图结构用上，很容易就冲到 85% 以上。

我再举个接地气的例子。在社交网络里，你想预测某个人是不是篮球爱好者。如果单看他的发帖内容，可能不准。但你看他的好友列表：10 个朋友里有 8 个是篮球迷，那基本稳了。药物节点分类就是一个道理——药物 A 和药物 B 有相似的靶点谱，那它们大概率属于同一类。

药物领域的应用场景

节点分类在药物领域不止是“分类”两个字。我遇到过至少四类典型场景，每个都跟钱和命直接挂钩。

场景	图类型	分类目标	实际意义
药物重定位	药物-靶点二部图	预测药物是否对某靶点有效	省钱、省时间、减少临床失败率
药物副作用预测	药物-副作用二部图	预测哪些药物会导致特定副作用	降低上市后安全风险
药物-药物交互	药物-药物图	预测两药联用是否有交互作用	避免不良联用，提升疗效
靶点发现	蛋白-蛋白相互作用图	预测某个蛋白是否是药物靶点	指导药物设计方向

你看，每个场景背后都是真金白银。我记得有一次做药物重定位项目，我们就是靠节点分类模型，从 2000 多种现有药物里筛出了 17 个跟 Alzheimer 相关的候选药。后来体外实验验证了 6 个有活性。

药物领域的特殊挑战

为什么说这事不简单？不是拿个 GCN 跑一下就完事的。我踩过不少坑，跟你聊聊最头疼的几个。

挑战二：标签不均衡 —— 正样本通常特别少。已知的药物-靶点有效相互作用可能不到 0.1%。如果直接用准确率评估，你全预测成“无效”都能有 99.9% 的准确率。这完全没意义。所以，AUC 和 F1 才是我们必须盯的指标，而不是准确率。

挑战三：异构图捣乱 —— 药物节点和靶点节点是两类实体，特征空间完全不同。单一的同构图模型会搞混。你要不然就做多模态融合，要不然就分节点类型各自学嵌入。

挑战四：冷启动问题 —— 新药物入网，叫“冷启动节点”，它没有历史交互信息，也没有邻居。怎么给它分类？我曾经在这个问题上卡了整整两周，后来是靠药物结构指纹补充特征才解决的。

核心知识体系

要真正吃透药物节点分类，你需要理解下面这个逻辑链条。我把它画成了一张图，方便你直观把握。

这张图把整个逻辑串起来了。从左边的图数据输入，到中间的核心挑战，再到右边的模型方法，然后是下面的评估指标和应用。注意看，从挑战到方法再到评估，这三个层次是逐层递进的。很多时候人们只关心模型本身，忽略了输入问题和评估方式——这是最容易翻车的地方。

为什么非要用 AUC 和 F1？

这是本章最后要强调的一点。药物节点分类场景里，正负样本极度不平衡。你拿准确率去评估，基本就是自欺欺人。AUC 能告诉你模型区分正负样本的整体能力，不受阈值设定影响。F1 则能告诉你模型在特定阈值下召回率和精确率之间的平衡。

我个人的经验是：AUC 用于模型选择，F1 用于业务决策。你挑模型架构、调超参的时候，盯着 AUC 看。真要上线了、要挑候选药物去验证了，那就得看 F1 了——因为你得容忍多少假阳性、多少假阴性，阈值怎么定，业务上是有交代的。