黄淮学院

本发明涉及人工智能与生物医药交叉技术领域，公开了机器学习驱动的肿瘤药物活性成分高通量筛选方法，包括以下步骤：S1、构建多源异构训练数据集：整合来自不同数据源的已知活性成分的化学结构信息、肿瘤细胞系的分子特征信息以及对应的生物活性测度信息，经过标准化与关联对齐处理，形成用于模型训练的结构化数据集合。通过图神经网络与一维卷积网络分别深度编码化合物结构与细胞系分子特征，并利用注意力机制实现两种异构特征的动态交互与加权融合，这种架构使模型能够学习药物活性依赖于特定细胞背景的复杂规律，从而在面对大规模虚拟库及多样肿瘤细胞系时，展现出显著优于传统单模态或简单拼接模型的预测准确性和泛化性能。