近日，太阳集团app首页以第一完成單位在計算機領域的國際頂級期刊《Pattern Recognition》（簡稱PR）以“Molecular Substructure Graph Attention Network for Molecular Property Identification in Drug Discovery”為題發表最新研究成果。Pattern Recognition是中科院SCI（計算機科學）一區TOP期刊，最新影響因子為7.740。

       該成果面向人工智能和藥學交叉學科前沿領域，由太阳集团app首页太阳集团1088vip研究團隊完成，2019級碩士研究生葉賢斌和導師官全龍教授為共同第一作者，羅偉其教授、方良達副教授為合作作者，數學系副教授賴兆榮為通訊作者。

       藥物分子性質預測是藥物研發中的關鍵環節，基于傳統圖神經網絡的方法隻考慮原子之間的交互信息，忽略了分子的層次結構信息。根據化學和藥學的知識，分子的子結構與其理化性質和結合親和力密切相關。由于傳統模型很少考慮分子的子結構，分子的子結構信息沒有得到充分利用，特别是對于含有多環結構的藥物分子，導緻它們的預測精度有限。

       在本論文中，官全龍課題組針對分子子結構信息缺失的問題，提出了三種子結構特征提取的策略，并針對分子多層次的特征設計了層次化的結構信息融合模型，與傳統的圖網絡模型相比，強化了子結構間相互作用信息的融合。在13個來自公開數據庫的有關藥物性質預測的基準數據集上，大量的實驗表明了該模型在多個藥物性質預測評價指标上均取得先進的水平，特别對含有多環結構的藥物分子，具有較高的預測精度。另外，通過注意力機制對分子進行可視化，發現模型在預測過程中能夠重點關注對性質影響較大的子結構或官能團，在一定程度上為藥物研發提供了新的思路。

       該研究成果得到了國家自然科學基金面上項目、國家自然科學基金青年項目、中央高校基本科研業務費專項資金、廣東省基礎與應用基礎研究基金、廣州市科技計劃等項目的資助。該工作可以促進人工智能和藥學交叉科學前沿研究發展，也可以為藥物研發的相關應用提供新的研究思路。

       論文鍊接如下:https://doi.org/10.1016/j.patcog.2022.108659