学习异质图的节点级表示对于欺诈者检测和蛋白质功能预测等应用至关重要。提出了一种新的多视图对比学习方法，通过集成扩散滤波器捕捉异质图中的结构等价性，发现传统节点表示中的关系和相似性。在数据集上优于基准方法，且在近邻任务上表现出卓越性能。

本研究提出了一种新颖的方法Prot2Text，使用图神经网络和大型语言模型在编码器-解码器框架中，以自由文本形式预测蛋白质的功能。该多模态方法综合蛋白质序列、结构和文本注释等多种数据类型，提供了详细准确的描述。通过从SwissProt中提取多模态蛋白质数据集对模型进行评估，结果表明了多模态模型的转变性影响，特别是图神经网络和大型语言模型的融合。