一、背景介绍
生物医药知识图谱能够对复杂生物系统与病理过程进行结构化表示，是解析分子机制、挖掘药物‑基因‑疾病关联关系的重要工具，在计算生物学、药物重定位、靶点预测等领域具备重要应用价值，是当前生物信息学的重点研究方向。 现有生物医药知识图谱在实际挖掘与落地应用中仍面临多重技术瓶颈：数据集稀疏、样本噪声高、实体歧义难以消除；建模算法难以兼顾网络拓扑与生物领域异构特征；不同研究采用的评价指标不统一，模型之间难以横向公平对比，制约了生物医药知识图谱算法的迭代与发展。 2021 年 1 月 6 日，中山大学杨跃东教授团队在《Briefings in Bioinformatics》发表题为 “PharmKG: a dedicated knowledge graph benchmark for biomedical datamining” 的研究成果。该工作构建高质量多关系生物医药知识图谱 PharmKG，集成基因表达、分子化学结构、疾病语义等多源异构领域特征，同时配套标准化基准测试套件，为生物医药知识图谱算法开发、数据挖掘任务提供全新数据集与评测平台，推动生物医药知识图谱领域规范化发展。
二、实验方法和材料
1.PharmKG 知识图谱数据集构建 本研究搭建多关系带属性生物医药知识图谱 PharmKG，整合基因、药物、疾病三大类核心实体，包含约 8000 个消歧实体、29 种关系类型，实体间关联关系总数量超 50 万条。图谱在保存实体间语义关联的基础上，为每一类实体挂载领域异构特征：基因实体接入基因表达谱数据；药物实体引入分子化学结构信息；疾病实体嵌入疾病描述文本生成的词嵌入特征，实现拓扑网络信息与实体生物属性信息的联合存储。 图1 PharmKG 构建、模型、应用框架示意图 图 2 PharmKG 与其他知识图谱性能对比图 2.基准测试基线模型与新型图神经网络方法构建 3.原子结构与分子网络双尺度建模 研究对 PharmKG 数据集完成训练集、验证集、测试集划分，采用多类通用知识图谱评测指标，对基线模型与自研图神经网络方法开展大规模对比实验，实现不同算法的公平横向评估。
研究在 PharmKG 数据集之上搭建完整基准测试体系。一共引入 9 种当前主流知识图谱嵌入基线算法，同时开发一款融合生物学先验的图神经网络新方法。该模型兼顾全局网络拓扑结构与实体异构域特征，打通图结构学习与生物实体属性特征学习两条通路，实现对知识图谱多维度信息的联合建模。
三、实验结果分析
1.PharmKG 有效弥补传统生物医药知识图谱固有缺陷 2.基准测试实现多模型标准化横向对比 依托 PharmKG 基准，9 种主流知识图谱嵌入算法与自研图神经网络模型得到统一条件下的性能评估。实验结果证明，结合全局网络拓扑与异构生物域特征的图神经网络方法，相比传统仅依赖拓扑结构的嵌入模型具备更优表现，验证了实体异构生物特征对于生物医药知识挖掘任务的增益效果。
四、讨论和展望
本研究构建的 PharmKG 专用生物医药知识图谱基准数据集，解决了该领域数据集质量参差不齐、评测标准不统一的行业痛点，为药物‑基因‑疾病关联挖掘、药物重定位、靶点预测等下游任务提供高质量数据资源与标准化测试平台，对生物医药知识图谱算法迭代具有重要推动价值。 当前 PharmKG 仍存在拓展空间，数据集实体类型仍以基因、药物、疾病为主，后续可补充蛋白、通路、临床表型等更多实体类别，进一步丰富关系类型。未来可依托 PharmKG，结合大模型、可解释 AI 技术，拓展至药物发现、疾病机制解析等更多生物医药场景，为生命科学研究提供数据支撑。
