2022年6月23日，國際權威期刊 Nature Machine Intelligence （NMI，影響因子25.898）線上刊登了澳科大中藥質量研究國家重點實驗室姚小軍教授團隊與騰訊量子實驗室等機構的研究人員合作開發的「自適應圖學習方法」方面的研究成果，該工作中所發展的研究方法可以用於分子相互作用及分子性質的預測，可用於基於人工智能的藥物發現和設計的多個應用場景，為人工智能賦能創新藥物研發提供了新的計算工具。
2022年6月23日，國際權威期刊 Nature Machine Intelligence （NMI，影響因子25.898）線上刊登了澳科大中藥質量研究國家重點實驗室姚小軍教授團隊與騰訊量子實驗室等機構的研究人員合作開發的「自適應圖學習方法」方面的研究成果，該工作中所發展的研究方法可以用於分子相互作用及分子性質的預測，可用於基於人工智能的藥物發現和設計的多個應用場景，為人工智能賦能創新藥物研發提供了新的計算工具。
姚小軍教授
分子性質及相互作用的合理預測是創新藥物發現和設計中的一個基礎科學問題，吸引了製藥界和學術界的關注。儘管目前國內外的研究者們已經發展了多個基於深度學習的預測模型，取得了一定的進展，但在模型的預測能力、模型的可解釋性和魯棒性等方面仍然需要提高與改善。針對上述問題，姚小軍教授團隊和騰訊量子實驗室等國內多家研究機構合作，成功開發了首個可用於分子性質和分子相互作用預測的自適應圖學習預測模型。
自適應圖學習方法設計的思路
用於分子相互作用和性質預測的自適應圖學習模型實現細節
該論文報導的自動圖學習方法，能夠在人工不參與的情況下，在多種不同任務上取得先進的預測性能，超越過去的多個主流模型，具有很好的應用前景。
有關研究論文，可瀏覽：https://www.nature.com/articles/s42256-022-00501-8
