本研究使用多种方法，包括图卷积网络、图同构网络、多头注意力、大规模对抗增强和少样本学习，准确地捕捉了毒性分子的结构数据和毒理学特性。实验结果显示，该方法在多个毒理学数据集上取得了显著进展，AUC-ROC值达到0.816，超过基线模型11.4%。这突显了所提出方法和少样本学习在毒性分子分类中的重要性，有望提高药物发现和环境风险评估流程。