第1章 课程导论：药物知识图谱概述，靶点特征学习的意义与研究背景

说实话，我刚接触药物研发那会儿，面对海量的文献、数据库、临床试验数据，整个人都是懵的。基因、蛋白、化合物、疾病……光是把这些概念理清楚就够呛，更别说找出哪个靶点能成药了。

后来我开始做知识图谱，才慢慢找到点感觉。说白了，药物知识图谱就是把这些散落的数据“串起来”——就像在地图上标出城市和路线一样，帮你一眼看清药物和靶点之间的内在联系。

嗯，这节课我们先聊聊基础。为什么要搞靶点特征学习？它到底能解决什么实际问题？我建议你带着这些疑问往下看。

什么是药物知识图谱

知识图谱（Knowledge Graph, KG）本质上是一种语义网络。实体是节点，关系是边。比如“阿司匹林”和“COX-1”之间有一条“作用于”的边。

在药物领域，常见的实体类型包括：

• 药物（drug）
• 靶点（target）
• 疾病（disease）
• 基因（gene）
• 副作用（adverse event）

关系类型更多：“抑制”、“激活”、“结合”、“治疗”、“引起”……这么多信息，单靠表格和关系数据库很难高效查询。而KG天然适合多跳推理——比如“O药作用于PD-1，PD-1在肺癌中高表达，O药可能对肺癌有效”。

你想想看，如果在传统数据库里做这种推理，得写多少JOIN？

为什么需要靶点特征学习

知识图谱建好了，下一个问题：怎么用？

最简单的做法是写规则或模板查询。但现实很残酷——规则覆盖不全，而且新增数据又要改规则。我记得有一次项目中，光“作用于”关系就有20多种细分类别，手写规则简直要命。

后来我转向了特征学习。说白了，就是让模型自动从KG中学习每个节点的向量表示（embedding），把这些嵌入作为“特征”喂给下游任务（比如药物重定位、靶点预测）。

传统方法（比如TransE、DistMult）只能处理静态三元组，但靶点有复杂的网络上下文——比如某个靶点在多个疾病通路中都出现、或者它和多个药物有结合位点变化。这些信息只靠三元组损失是不够的。

所以，我们才要用图神经网络（GNN）、知识图谱嵌入（KGE）等方法来捕获更丰富的结构特征。这也是本课程的核心。

本课程的核心逻辑

我们整个课程会围绕一条主线展开：从原始异构数据 → 构建药物KG → 学习靶点嵌入 → 应用到药物发现任务。

下面这个图是我画的一个整体框架，你看了就知道我们接下来要往哪走。

一个随手可试的小例子

我们先不急着上代码，我拿一个最简单的三元组举个例子。假设我们有这三个事实：

伊马替尼  靶向  BCR-ABL
BCR-ABL   关联  慢性粒细胞白血病
慢性粒细胞白血病  属于  血液系统恶性肿瘤

用知识图谱的视角看，这就是三个节点、两条边。如果我们要预测“伊马替尼是否可用于治疗X疾病”，传统规则需要手动定义“通过靶点间接治疗”的链式推理。

但在靶点特征学习的思路里，我们把这些三元组喂给模型，模型会自动学会：药物→靶点→通路→疾病的传播模式。你甚至不需要显式写出规则。

靶点特征学习的研究背景

为什么这几年靶点特征学习突然火起来了？

我归纳了三个关键驱动力：

1. 数据爆发：公开的KG数据集（如DrugBank、ChEMBL、PubChem）规模逐年膨胀，人工规则早已跟不上。
2. 图神经网络理论成熟：2017年之后，GCN、GAT、RGCN等模型为处理异构关系图提供了稳定框架。
3. 实际落地需求：制药公司迫切需要在早期筛选阶段减少湿实验成本，知识图谱加特征学习成了最热的方向之一。

这里有个常见的误区——很多人以为特征学习就是“黑盒”，不需要理解领域知识。我在项目中遇到过这样的团队：他们用通用图模型跑KG，结果预测的靶点全是高表达基因，完全忽略了靶点的可成药性（druggability）。说白了，特征学习是工具，但你对药物机制的理解决定了最终效果。

表格对比：传统方法 vs KG+特征学习

维度	传统规则/模板方法	知识图谱+特征学习
人工工作	需要大量领域专家编写规则	只需构建KG，特征由模型自动学习
可扩展性	新增关系时，规则几乎重写	重新训练/微调即可，迁移性好
推理深度	通常限1~2跳路径	可捕获多跳复杂拓扑模式
对噪声的鲁棒性	规则越细越脆弱	嵌入层有正则化，抗噪性强

好了，这一章我们就铺到这里。希望你记住：KG是骨架，特征学习是肌肉，两者配合才能跑出真正的生物信息价值。