多模态+GNN，2025这个创新思路必将爆发！

GNN有个很重要的创新思路：结合多模态。加上近两年多模态爆火，GNN+多模态自然也成为了研究和实践的热门方向。

这种结合能够整合多种数据，通过GNN提取信息、捕捉模态关系，提升性能。另外GNN在多模态融合（包括早期、中期和晚期融合）中可以平衡特征交互，动态优化效果，实现模型性能和预测准确性的全面提升。

因此，GNN+多模态的应用场景非常广泛，研究成果颇多，顶会顶刊占比较大，比如上海交大发表在《cell》子刊上的一篇，讲的是一种基于局部到全局多模态融合GNN的方法，用于抑郁症的诊断。再比如Neurips上的MuSe-GNN、AAAI上DDI预测新方法MKG-FENN...还有一些《Nature》子刊成果。

本文从中挑选了12篇GNN+多模态新成果，方便感兴趣的同学了解这方向的研究进度，代码开源的都附上了，有问题欢迎友好交流。

全部论文+开源代码需要的同学看文末

MuSe-GNN: Learning Unified Gene Representation From Multimodal Biological Graph Data

方法：作者利用多模态相似性学习图神经网络（MuSe-GNN）结合深度图神经网络和多模态机器学习，以解决基因表示学习中的数据异质性问题，通过单细胞测序和空间转录组数据创建信息丰富的图结构，显著提升了基因功能预测的准确性，并揭示了疾病相关基因的潜在机制和调控网络。