一个AI没有见过的新抗生素，是图神经网络找到的——为什么GNN进入了生物信息学

2019年，MIT的Collins实验室做了一件后来被认为是里程碑的事：用深度学习从已有的药物分子库里筛出了一个全新的抗生素，他们给它取名halicin。

halicin的结构和所有已知抗生素都不一样。它杀细菌的方式也不是阻断细胞壁合成或干扰DNA复制——这是过去几十年新药研发几乎唯一的思路。halicin干扰的是细菌的质子动力，一种完全不同的机制。

在实验中，halicin杀死了多种耐药菌株，包括对已知所有抗生素都耐药的超级细菌。在感染了耐甲氧西林金黄色葡萄球菌（MRSA）的小鼠身上，halicin的清除效果优于现有的最后一道防线万古霉素。

而找到halicin的那个模型，用的不是Transformer，也不是CNN，是图神经网络（Graph Neural Network, GNN）。

这个模型的输入不是序列，不是图像，而是分子图——原子是节点，化学键是边。它遍历了一个包含6000多个分子的数据库，最终挑出了halicin，以及另外几个有潜力的候选分子。

这是图神经网络在生物信息学中最有名的成功案例之一。但它之所以能成功，不只是因为算法好——而是因为分子天然就是图，图是它的本征表达形式。

图是什么，为什么要用它

一个图由节点和边组成。

在分子图里，节点是原子（碳、氮、氧……），边是化学键（单键、双键、芳香键）。每个原子有自己的属性（原子类型、杂化方式、电荷），每条边也有属性（键类型、键长）。

这种表示方式看起来简单，但它有一个CNN和RNN都做不到的事：直接表达分子中任意两个原子之间的关系。CNN要求输入是规则的网格（像素阵列），RNN要求输入是序列（从头读到尾）。但分子不是网格也不是序列——一个苯环上的六个碳原子彼此之间是平等的，没有谁先谁后的顺序。

图神经网络的核心操作叫消息传递。每一轮，每个节点做三件事：

  1. 收集邻居节点发来的信息
  2. 聚合这些信息（求和、取平均或取最大值）
  3. 用聚合结果更新自己的表示

一轮之后，每个节点”看到”了直接邻居的信息。两轮之后，看到了邻居的邻居。N轮之后，每个节点融合了N步范围内所有节点的信息。

这个过程和卷积核在图像上局部滑动提取特征的思路类似，但不需要规则网格——图可以是不规则的、稀疏的、动态的。

生物里的图数据有多普遍

分子图只是开始。生物系统中到处都是图：

蛋白互作网络是系统生物学的经典数据。酵母双杂交、亲和纯化质谱等实验产出大量蛋白-蛋白互作数据，天然构成图。节点是蛋白质，边是它们之间的物理相互作用。预测未知互作、识别功能模块、推断疾病相关基因，都是在图上做预测。

基因调控网络描述转录因子和靶基因之间的调控关系。这种图通常是有向的——A激活或抑制B。Zitnik等人2018年在Bioinformatics上发表的工作，用图卷积网络预测了药物组合的副作用，就是建立在药物-靶点-疾病的多层图上。

蛋白质结构图把三维坐标转成图：氨基酸残基是节点，空间距离小于某个阈值的残基之间连边。AlphaFold2的后处理步骤中就用了图结构推理来精修侧链和评估模型置信度。

单细胞数据的原始输出虽然是矩阵（细胞×基因），但越来越多方法把它转成图——用K近邻图连接转录组相似的细胞，然后在图上做聚类、轨迹推断、细胞类型标注。scGNN、GraphSC等工具走的就是这条路。

这些数据有一个共同特征：实体之间的关系才是关键信息，而不是实体自身的属性。蛋白A是什么并不重要，重要的是它和谁互作、调控了谁、在哪个通路里。图是这种关系信息的天然载体。

GNN在生物信息学中做了什么

分子性质预测是GNN最早也最成熟的应用方向。从D-MPNN到SchNet、PaiNN、Equiformer，GNN在MoleculeNet等benchmark上持续刷新记录。核心思路：把分子建模为图，用消息传递学习原子和键的表示，然后聚合整个图的表示来预测溶解度、毒性、血脑屏障透过性等性质。

药物-靶点互作预测同时建模药物（小图）和蛋白质（序列或结构图）。Graph-in-Graph等方法把两边各自建模为图，再在更高层连接做联合预测，判断某个药物是否能和某个靶点蛋白结合。

蛋白质功能预测利用互作网络的结构信息。同一网络中距离较近的蛋白质往往功能相关——这被称为”功能模块”假说。GNN从已知功能标注的蛋白质出发，沿网络传播标签信息，预测未标注蛋白质的功能。

单细胞图分析用GNN学习细胞的低维表示，用于聚类和注释。这个方向和RNN批次聊的轨迹推断有交叉——RNN擅长沿伪时间建模时序变化，GNN擅长在细胞相似性图上传播空间信息。

GNN的局限

过度平滑是最常见的问题。消息传递轮数太多，所有节点的表示趋向相同，失去了自己的特征。这限制了GNN的感受野——通常只能做2-4轮。

图结构的不确定性在生物学中很常见。蛋白互作网络的实验数据有假阳性和假阴性，基因调控网络的边大多是计算预测而非实验验证。错误会沿着边传播和放大。

动态图建模能力不足。细胞信号传导是动态的——同一个蛋白在不同条件下可能和不同的伙伴互作。标准GNN处理静态图，对动态变化的图结构缺乏有效方法。

和Transformer的竞争。Transformer的自注意力本质上可以在任意节点对之间建立连接，不需要显式的图结构。在分子性质预测上，Transformer已能达到甚至超过GNN的效果。但GNN的归纳偏置——只沿边传递信息——在小数据场景下仍有优势：它不需要从数据中学习图结构。

为什么GNN对生物信息学重要

不是因为它是最新的架构。而是因为生物系统本身就是网络。

从分子到细胞到组织到种群，每一层都是网络：分子网络、细胞互作网络、组织结构网络、生态网络。理解这些网络的结构和功能，是现代生物学的核心任务。

前面的几个批次聊了Transformer、CNN、RNN、GAN和扩散模型。它们各自擅长处理特定形态的数据——序列、网格、时序。GNN补上了最后一块拼图：关系型数据。你不需要先把网络展平成序列，再交给一个只认序列的模型。你可以直接在图上计算，让信息沿着真实的生物学连接流动。

每种架构都在回答同一个问题的不同侧面：面对不同形态的生物数据，最自然的计算方式是什么？

参考文献

  • Stokes, J. M. et al. (2020). A deep learning approach to antibiotic discovery. Cell, 180(4), 688-702. https://doi.org/10.1016/j.cell.2020.01.021

  • Gilmer, J., Schoenholz, S. S., Riley, P. F., Vinyals, O., & Dahl, G. E. (2017). Neural message passing for quantum chemistry. ICML 2017. arXiv:1704.01212

  • Zitnik, M., Agrawal, M., & Leskovec, J. (2018). Modeling polypharmacy side effects with graph convolutional networks. Bioinformatics, 34(13), i457-i466. https://doi.org/10.1093/bioinformatics/bty294

  • Zhang, O. et al. (2025). Graph Neural Networks in Modern AI-aided Drug Discovery. arXiv:2506.05568