［本站讯］近日，软件学院魏乐义教授团队的最新研究成果“A self-conformation-aware pre-training framework for molecular property prediction with substructure interpretability”在国际学术期刊Nature Communications发表，山东大学为第一完成单位。软件学院博士研究生乔剑博，本科生金俊儒、王丁为共同第一作者；魏乐义教授和天津大学教授苏苒为论文通讯作者；共同作者包括软件学院教授崔立真等。

药物开发中的主要挑战源于频繁的结构活性悬崖和未知的药物特性，这些特性估计成本高昂且耗时，导致临床阶段的高失败率和大量不可避免的成本。为攻克这一难题，魏乐义教授团队创新性地提出自我构象感知图Transformer（self-conformation-aware graph transformer , SCAGE），使用大约500万种药物化合物进行预训练，通过构建一个多任务学习预训练框架，充分学习分子的结构与功能语义，从而提升分子性质预测精度，并增强其在各种分子特性任务中的泛化能力。SCAGE在9种分子特性和30种结构活性悬崖基准方面实现了显著的性能改进。案例研究表明，SCAGE在原子水平上准确捕获了与分子活性密切相关的关键官能团，为定量构效关系提供了有价值的见解。

魏乐义教授长期深耕AI for Science领域，其研究团队近年来专注于面向新药设计与研发的可解释人工智能算法研究。团队此前发表于Nature Communications（2023年）的研究成果 “基于自组装任务和可解释深度学习方法的药物逆合成分析”（Retrosynthesis prediction with an interpretable deep-learning framework based on molecular assembly tasks），聚焦药物合成路径规划中的人工智能求解问题，为药物研发开辟了新方向。此次SCAGE的提出，是团队在药物研发人工智能解决方案上的又一次重大突破，与前期研究成果相互呼应，共同构成了一套独特且高效的人工智能解决方案，持续推动药物设计与研发领域的创新发展。此次研究成果的发表将为药物研发事业提供全新思路与技术方案，有望加速新药研发进程。该项工作得到国家科技重大专项、国家优秀青年基金项目等的支持。