2018级博士生姜璐同学的论文“Identifying Drug-Target Interactions via Heterogeneous Graph Attention Networks combined with Cross-modal Similarities” 被国际期刊Briefings in Bioinformatics，BIB（CCF B类期刊）接收。

姜璐本科就读于东北师范大学计算机科学与信息技术学院，2015年升入本院计算机系统结构专业，进入殷明浩教授智能信息处理实验室读研，2018年保送到信息科学与技术学院攻读博士学位。本篇论文的通讯作者为殷明浩教授和宁乔老师，合作者包括大连海事大学宁乔老师、王悦同学，东北师范大学信科学院罗娜副教授、孙佳豪同学。

    期刊简介：BIB由牛津大学出版社出版，是一本同行评议的科学期刊，涵盖生物信息学，包括遗传学、分子生物学数据库和分析工具的评论。同时，它发表与新型生物信息学模型和工具的主要研究论文。

    期刊名称：Briefings in Bioinformatics

    期刊类别：中国计算机学会推荐B类期刊

    第一作者：姜璐

    论文题目：Identifying Drug-Target Interactions via Heterogeneous Graph Attention Networks combined with Cross-modal Similarities

    论文概述：

    准确识别药物-靶点相互作用（DTI）在药物发现中起着至关重要的作用。与传统的劳动密集型、耗时的实验方法相比，计算方法近年来受到了学者的广泛关注。传统的计算方法只是简单地查看集成了不同药物相关和靶点相关数据集的异构网络，而不是完全探索药物和靶点的相似性。在本文中，提出了一种新的药物-靶点相互作用识别方法DTIHNC，该方法集成了异构网络和跨模式相似度。首先，通过去噪自动编码器从原始特征中提取药物、蛋白质、疾病和副作用的低维特征。然后，本文构建了一个跨药物、蛋白质、疾病和副作用节点的异构网络。在异构网络中，对于节点的一跳邻居，利用异构图注意力模型进行信息嵌入，对于节点的多跳邻居，利用带重启的随机游走来整合更大的邻居区域信息。接下来，本文计算了药物、蛋白质、疾病和副作用之间的多模态相似性。最后，多层卷积神经网络（CNN）将药物和蛋白质的相似性信息与异构图网络的嵌入特征深度集成。与几个基线算法对比的实验结果证明了它的有效性，表明从异构网络中探索多跳邻居信息和跨模式相似性信息可以提高药物-靶点相互作用预测的准确性。