생물학적 시스템에서 화학적 섭동이 어떻게 전파되는지 이해하는 것은 강력한 분자 특성 예측에 필수적입니다. 기존 방법론은 화학 구조에만 초점을 맞추지만, 최근 연구는 약물 효과를 형성하는 데 있어 세포 형태 및 유전자 발현과 같은 세포 반응의 중요한 역할을 강조합니다. 본 논문은 세포 인식 접근 방식의 두 가지 주요 한계점(외부 생물학적 데이터의 불완전성, 분자, 세포, 유전자 수준 간 계층적 종속성의 불충분한 모델링)을 해결하기 위해 CHMR (Cell-aware Hierarchical Multi-modal Representations)을 제안합니다. CHMR은 분자와 세포 반응 간의 국소-전역 종속성을 공동으로 모델링하고, 새로운 트리 구조 벡터 양자화 모듈을 통해 잠재적 생물학적 계층 구조를 캡처하는 프레임워크입니다. 728개의 작업에 걸쳐 9개의 공개 벤치마크에서 평가한 결과, CHMR은 최첨단 기준선을 능가하여 분류 작업에서 평균 3.6%, 회귀 작업에서 17.2%의 개선을 보였습니다.
