武科大網(wǎng)訊（通訊員曾憲森 張炎）近日，計(jì)算機(jī)科學(xué)與技術(shù)學(xué)院林曉麗博士團(tuán)隊(duì)的研究成果PAMol: Pocket-Aware Drug Design Method with Hypergraph Representation of Protein Pocket Structure and Feature Fusion被第34屆國際人工智能聯(lián)合會(huì)議（IJCAI2025）錄用，林曉麗博士為文章第一作者，碩士研究生廖雄威為第二作者。

該論文利用AI技術(shù)有效地生成靶向藥物分子在藥物發(fā)現(xiàn)領(lǐng)域具有重要意義，它通過智能算法和大數(shù)據(jù)分析加速了分子設(shè)計(jì)流程，顯著提高了藥物研發(fā)的效率與精準(zhǔn)性，為解決復(fù)雜疾病治療難題提供了新路徑。該論文提出一種基于蛋白質(zhì)口袋超圖表示以及多模態(tài)特征融合的靶向藥物分子生成方法（PAMol），其充分利用蛋白質(zhì)口袋的高階結(jié)構(gòu)信息，融合蛋白質(zhì)的序列、結(jié)構(gòu)，以及分子的序列、理化信息，設(shè)計(jì)一種口袋約束的分子生成器，從而生成高質(zhì)量的靶向藥物分子。

在胰腺癌的兩個(gè)重要治療靶點(diǎn)KRAS (UniProt ID: P01116, PDB ID: 8onv) 和 EGFR (UniProt ID: P00533, PDB ID: 8a27)上進(jìn)行了案例研究，結(jié)果表明，生成的分子與靶點(diǎn)有較高的結(jié)合親和力，且在關(guān)鍵指標(biāo)上表現(xiàn)優(yōu)異。

據(jù)悉，IJCAI會(huì)議內(nèi)容主要圍繞人工智能相關(guān)理論及應(yīng)用，是人工智能領(lǐng)域中最主要的學(xué)術(shù)會(huì)議之一，也是全球?qū)W術(shù)界以及企業(yè)界人工智能研究人員和實(shí)踐者的頂級國際聚會(huì)。中國計(jì)算機(jī)學(xué)會(huì)（CCF）推薦國際學(xué)術(shù)會(huì)議目錄將IJCAI列為人工智能領(lǐng)域A類會(huì)議。本屆IJCAI會(huì)議共有5404篇投稿（主會(huì)），經(jīng)過全面而嚴(yán)格的審查程序，僅有1042篇論文脫穎而出，錄取率19.3%。