HANAMI 用异构图对比学习预测药物-基因-疾病模体，在基准数据上较现有最优方法最高提升约 6%，零样本场景下保持约 18% 优势
作者提出 HANAMI（Heterogeneous grAph coNtrastive leArning for drug-gene-disease Motif predIction），一个整合化学结构、基因组序列与临床表型等多源异质生物医学知识的多视图深度图学习框架，通过关系感知拓扑编码、结构感知聚合与对比学习来预测药物-基因-疾病模体；在基准数据集上的系统评估显示，其在模体预测上较现有最优方法最高提升约 6%，在涉及未见实体的零样本设置中保持约 18% 的性能优势，并能优先排序已进入 II 期或 III 期试验的药物-疾病关系、识别提示合理机制联系的候选基因。