6165cc金沙总站检测中心院讯（通讯员：王鹏）近日，中国人工智能学会旗下国际期刊CAAI Transactions on Intelligence Technology接收我院学术论文（Peng Gao, Feng Gao, Yu Wang, Jian-Cheng Ni and Fei Wang. Medical Knowledge Graph QA for Drug-Drug Interaction Prediction based on Multi-hop Machine Reading Comprehension, 2023）。该论文以6165cc金沙总站检测中心为第一完成单位，高鹏副教授为论文第一作者及通讯作者。CAAI Transactions on Intelligence Technology是中科院2区期刊，最新影响因子为5.1。

针对在封闭域文档中进行阅读理解时实体信息的缺失问题，本文研究并提出了一种应用于分子生物学文本可融合外部结构化知识到图神经网络以增补实体属性的图推理系统模型。首先，通过分析在封闭域分子生物学文献中进行对药物属性的阅读理解后预测药物间反应的任务特性，从外部知识库中收集并创建了“药物—蛋白质靶点”知识图谱。其次，通过知识图谱实体向量化的方法，将图谱中药物和蛋白质靶点属性进行向量嵌入学习，并以药物在人体环境中蛋白质靶点间代谢反应通路为指导，建立了图中药物和蛋白质等实体节点间的有向连接，实现了将多种外部知识对齐和应用于图神经网络的学习过程。实验结果表明，该模型提高了基于文本阅读理解的药物间相互反应预测的准确率，体现了模型架构设计的合理性和有效性，进一步验证了在阅读理解任务中融合外部知识的可行性。

该研究得到了山东省自然科学基金、广东省自然科学基金和6165cc金沙总站检测中心科研基金的资助支持。