SSE-DDI：以键为中心的选择性子结构编码用于药物相互作用预测
核心概要
该工作提出SSE-DDI框架，在分子线图中以化学键为基本表示单元进行选择性子结构编码，并通过边融合图变换器与经精炼的SMILES来源Morgan指纹相似性剖面加以补充，在DrugBank与Twosides数据集的转导与归纳设置下于多项指标上优于代表性基线，消融与可视化分析支持选择性编码的有效性并凸显与药物相互作用相关的分子子结构。
深度剖析
提出以化学键为基本表示单元的选择性子结构编码器，在分子线图中对相邻键状态进行选择性信息路由，把与相互作用相关的局部模式压缩为紧凑的分子表示。 相对依赖原子中心传播与全局图聚合的既有分子图学习方法，该设计把建模重心前移到键级局部结构，以强调相互作用相关的局部模式。 摘要报告在DrugBank与Twosides的转导与归纳设置下多项指标优于代表性基线，并有消融与可视化分析支持选择性编码的有效性；具体数值未在文本中给出。
在局部结构建模之外，对SMILES来源的Morgan指纹相似性剖面进行精炼，以抑制噪声性的全局结构信号。 该精炼过程不依赖外部生物医学注释，为局部结构表示提供互补的全局信号处理路径。 作为框架组成部分在摘要中陈述，其独立贡献由消融分析间接支持，文本未提供单独量化结果。
整体框架SSE-DDI面向关系特定的药物相互作用预测，并在转导与归纳两种评估设置下报告结果。 同时覆盖转导与归纳设置，使评估不局限于已知药物组合的情形。 基于DrugBank与Twosides两个数据集的实验，摘要称在多项指标上优于代表性基线；具体指标与效应量未在文本中列出。
启示与展望
该工作面向以分子结构为输入的关系特定药物相互作用预测，适用于DrugBank与Twosides所代表的转导与归纳评估场景，并明确不依赖外部生物医学注释，因此适合在仅有分子结构信息的早期筛选与用药安全初筛环节使用；其设计目标是为关注局部子结构信号的建模者提供一条以键为中心的表示路径。
文本为摘要级信息，未列出具体指标数值、数据集规模、基线清单与消融细节，因此难以判断性能提升的幅度与稳定性；键级选择性编码在不同化学空间、不同相互作用类型以及真实临床多药联用人群中的表现，以及精炼后的指纹相似性剖面在何种条件下最有益，仍是值得后续观察的问题。