近日，计算科学与人工智能学院杨洋教授团队的研究成果“MKG-GC: A multi-task learning-based knowledge graph construction framework with personalized application to gastric cancer”发表于SCI一区期刊Computational and Structural Biotechnology Journal（CSBJ）。杨洋为该论文的第一作者，苏州医学院基础医学与生物科学学院严文颖副教授为通讯作者。

胃癌具有极高的致死率和恶性程度，是医学界研究的热点。全球范围内的科研投入和相关研究工作呈现显著增长的态势，然而如何更好地融合并使用这些已发表的多源异构医学知识数据成为一个问题。

MKG-GC在药物发现中的知识表示和应用

针对上述关键科学问题，杨洋团队提出以计算方法构建知识图谱来存储和融合多源的医学信息，以更加直观的方式展示多种医学实体间的关系，并以此作为基础进一步实现药物再发现。为此，他们设计了一种基于硬参数共享的多任务学习框架，从文献中自动提取与胃癌相关的生物医学知识。其构成的关于胃癌的知识图谱（MKG-GC）包含有8种实体和五种关系类别，总共9129个实体和88482个三元组。为验证其知识图谱的有效性，使用基于CNN-BiLSTM的药物判别模型来预测潜在的胃癌药物，前十种预测药物中有九种此前已被报道对胃癌治疗有效。

（计算科学与人工智能学院）