近日，暨南大学以第一完成单位在计算机领域的国际顶级期刊《Pattern Recognition》（简称PR）以“Molecular Substructure Graph Attention Network for Molecular Property Identification in Drug Discovery”为题发表最新研究成果。Pattern Recognition是中科院SCI（计算机科学）一区TOP期刊，最新影响因子为7.740。

       该成果面向人工智能和药学交叉学科前沿领域，由暨南大学信息科学技术学院研究团队完成，2019级硕士研究生叶贤斌和导师官全龙教授为共同第一作者，罗伟其教授、方良达副教授为合作作者，数学系副教授赖兆荣为通讯作者。

       药物分子性质预测是药物研发中的关键环节，基于传统图神经网络的方法只考虑原子之间的交互信息，忽略了分子的层次结构信息。根据化学和药学的知识，分子的子结构与其理化性质和结合亲和力密切相关。由于传统模型很少考虑分子的子结构，分子的子结构信息没有得到充分利用，特别是对于含有多环结构的药物分子，导致它们的预测精度有限。

       在本论文中，官全龙课题组针对分子子结构信息缺失的问题，提出了三种子结构特征提取的策略，并针对分子多层次的特征设计了层次化的结构信息融合模型，与传统的图网络模型相比，强化了子结构间相互作用信息的融合。在13个来自公开数据库的有关药物性质预测的基准数据集上，大量的实验表明了该模型在多个药物性质预测评价指标上均取得先进的水平，特别对含有多环结构的药物分子，具有较高的预测精度。另外，通过注意力机制对分子进行可视化，发现模型在预测过程中能够重点关注对性质影响较大的子结构或官能团，在一定程度上为药物研发提供了新的思路。

       该研究成果得到了国家自然科学基金面上项目、国家自然科学基金青年项目、中央高校基本科研业务费专项资金、广东省基础与应用基础研究基金、广州市科技计划等项目的资助。该工作可以促进人工智能和药学交叉科学前沿研究发展，也可以为药物研发的相关应用提供新的研究思路。

       论文链接如下:https://doi.org/10.1016/j.patcog.2022.108659