澳門理工大學人工智能藥物設計中心研究成果獲國際權威期刊《自然通訊》刊登
澳門理工大學人工智能藥物設計中心研究成果獲國際權威期刊《自然通訊》刊登
澳門理工大學人工智能藥物發現中心劉煥香教授、姚小軍教授、唐海誼教授及其研究團隊在藥物發現領域的創新研究獲國際頂尖學術期刊《Nature Communications》（《自然通訊》）發表，第一作者為澳門理工大學博士研究生田亞楠。該研究創新地提出了一個基於注意力一致性的多模態、多尺度對比學習框架--MMCLKin，能有效捕捉激酶與藥物之間的複雜關係，為高親和力、高選擇性激酶抑製劑的發現提供新的技術路徑。
蛋白激酶作為細胞訊號傳導的核心調控分子，是21世紀最重要的藥物標靶之一。然而，激酶結構的高度進化保守性以及激酶組分析的高成本，使高選擇性激酶抑制劑的開發極具挑戰。因此，建立高精度的激酶抑制劑活性和選擇性的評估方法至關重要。針對上述難題，研究團隊提出了一個注意力一致性導向的對比學習框架，MMCLKin。此方法結合幾何圖網絡與序列網絡，透過多頭注意力與多模態、多尺度對比學習，實現對激酶-抑製劑活性與選擇性預測。 MMCLKin 在兩個三維激酶-藥物數據集上優於現有方法，並在十個蛋白-藥物及一個突變感知數據集上展現良好泛化能力，同時也可快速實現結構已知與未知激酶的高通量藥物發現。注意力分析顯示其能辨識關鍵殘基與分子功能基團。此外，ADP-Glo 實驗驗證了 MMCLKin 標識的 20 個化合物中有 5 個可抑制致病 LRRK2 G2019S 突變體，其中 4 個具有納摩爾級活性。
相關研究成果以“Enhancing Kinase-Inhibitor Activity and Selectivity Prediction Through Contrastive Learning”（透過對比學習增強激酶抑制劑活性與選擇性預測）為題，於國際頂尖學術期刊《Nature Communications》刊登。研究由澳門科學技術發展基金(0043/2023/AFJ)及澳門理工大學（No. RP/ FCA-02/2023）等項目資助，研究內容全文可瀏覽：https://www.nature.com/articles/s41467-025-65869-8(doi: https://doi.org/10.1038/s41467-025-65869-8)。
Nature Communications 由英國 Nature Portfolio出版，旨在展示生命科學、健康、物理、化學、地球及社會科學等領域的重要突破。2024年影響因子為 15.7，5 年影響因子為 17.2。 Nature Communications在交叉學科、生物化學, 遺傳學、物理和天文學等多個學科分區均位列 Q1，並在多學科科學領域位居領域內期刊前 5%，同時也是中科院一區TOP 期刊。
澳門理工大學研究團隊開發創新性激酶－藥物親和力與選擇性預測方法
澳門理工大學人工智能藥物設計中心科研成果獲國際權威期刊《自然通訊》刊登