药物-基因
从理论上来说，药物-基因 和 基因-药物 这两个矩阵的预测，虽然看起来是矩阵的转置（行列的角色互换），但它们的预测过程并不完全一样。原因如下：
1. 矩阵的角色不同
- 药物-基因矩阵：这里每一行表示一个药物，每一列表示一个基因，矩阵的每个元素代表某个药物和某个基因之间的关系（例如活性、相互作用等）。
- 基因-药物矩阵：每一行表示一个基因，每一列表示一个药物，矩阵中的每个元素也代表基因和药物之间的关系。
虽然两者本质上表示的内容是相似的（两种实体之间的关联），但在神经网络模型中，行和列的特征组合方式可能会导致权重学习的不同。尤其是当 药物 embedding 和 基因 embedding 是独立的，输入顺序的变化可能会影响模型的预测行为。
2. 特征组合的顺序影响
在预测过程中，如果你使用一个模型来分别预测 药物-基因 和 基因-药物，因为输入的顺序不同，模型在每种情况下所学习到的特征表示方式可能不一致，尤其是拼接的顺序不同（如你提到的在训练和预测时拼接顺序变化的情况）。因此，即使两者在逻辑上是对称的，模型的预测结果可能会有所差异。
3. 对称性假设
在某些模型中，可能会假设 药物-基因 和 基因-药物 的预测是对称的，即某种关系在两者之间是双向的。然而，实际情况往往是非对称的，尤其是在生物学中，药物与基因的作用机制可能具有不同的方向性。因此，假设两者完全相同可能不合理。
4. 预测的不同应用场景
- 药物-基因预测：通常用于研究某种药物对基因的影响或作用机制。
- 基因-药物预测：更侧重于研究某种基因突变或表达对药物反应的预测。
尽管矩阵在数学上是对称的，应用场景和研究问题的不同可能会影响模型对这两个任务的处理方式。
总结
药物-基因 和 基因-药物 预测在概念上类似，但在模型实现中并不完全一样，特别是在输入特征的顺序和模型权重的学习方式上。为了确保模型预测一致，建议保持相同的特征拼接方式，或者设计针对不同输入顺序的模型结构，以避免不必要的误差。
