iCAM-Net.

研究问题

中药包含多种成分，疾病也涉及多种蛋白与生物过程。如何利用这些分子层面的关系，学习中药与疾病之间的关联，并为预测结果提供可分析的线索？

iCAM-Net 将中药—成分与疾病—蛋白关系组织为两个通道，通过超图表示学习与跨通道注意力整合分子信息，连接分子关系与中药—疾病关联预测任务。

我的工作

我主导问题与方法设计、研究实施和论文原稿，围绕数据构建、模型训练与评价、案例分析、计算验证和图表开展工作，并完成投稿与返修。在数据、资源与验证环节与合作者共同推进研究。

• 数据与建模：整理关联数据与分子表征，实现模型及训练流程。
• 分析与验证：开展对比实验、消融、预测案例与结构计算分析。
• 研究表达：组织方法图与结果图，完成论文写作和返修。

研究产出

论文发表于 Phytomedicine（2025），本人为第一作者，模型代码已开源。相关发明专利 CN120877842A 已公开、审查中，本人为第二发明人。

模型也被用于复方筛选等应用尝试，为后续研究积累了实践经验。

正在延续的工作

在 iCAM-Net 基础上，我正在探索中药—疾病语境建模：围绕疾病语境组织分子关系，继续推进模型分析与验证。这项升级工作仍在进行中。

结构计算案例图。模型注意力与计算案例提供分析线索，其证据强度与实验验证分别理解。