本研究提出了一种新型图神经网络架构GraphPINE，优化节点重要性，克服了可解释性方法的局限性。GraphPINE在癌症药物反应预测中表现出色，具有广泛的应用潜力。

本文提出了一种基于自适应差分隐私的节点重要性粒度隐私保护图神经网络算法NAP-GNN。该算法通过拓扑学方法估计未知节点重要性，并通过自适应私有聚合方法对邻域聚合进行扰动，实现了在多层卷积中进行节点级任务的图学习算法的隐私保障。