用于药物发现的知识图谱

我在GitHub上搜索了一下，发现有一些项目涉及到知识图谱在药物发现领域的应用。

一个项目是 **KDD2023_KaGML_DrugDiscovery_Tutorial**，它是一个关于药物发现的教程，介绍了如何使用知识增强的图机器学习（KaGML）来进行药物发现¹。

另一个项目是 **integrating_knowledge_data**，它是一个将基因表达和生物知识整合到药物发现和再利用中的项目²。

还有一个名为 **DeepPurpose** 的项目，它是一个深度学习工具包，可用于药物靶点识别、药物属性预测、蛋白质-蛋白质相互作用预测等³。

1.KaGML

图机器学习 (GML) 因其对图结构生物医学数据建模并研究其属性和功能关系的卓越能力而受到广泛关注。 尽管付出了巨大的努力，GML 方法仍然存在一些缺陷，例如处理监督稀疏性以及在学习和推理过程中提供可解释性的能力有限，以及在利用相关领域知识方面的效率低下。 为此，最近的研究提出将外部生物医学知识整合到 GML 管道中，以通过有限的训练实例实现更精确和可解释的药物发现。 本教程全面概述了长期存在的药物发现原理，提供了图结构数据和知识数据库的基本概念和前沿技术，并正式总结了用于药物发现的知识增强图机器学习 (KaGML)。 我们最近完成了一项对 KaGML 作品的调查，按照新颖定义的分类法将优秀的方法分为四个类别。 

2.