Um artigo da equipa de Liu Huanxiang, professora do Centro de Descoberta de Fármacos impulsionada por Inteligência Artificial da Faculdade de Ciências Aplicadas da Universidade Politécnica de Macau (FCA-UPM), intitulado Predicting molecular properties based on the interpretable graph neural network with multistep focus mechanism, foi publicado pela revista BRIEFINGS IN BIOINFORMATICS (2023, 24(1), 1-9, bbac534.), revista de referência a nível internacional na área de Bioinformática, sendo o primeiro autor desse artigo a aluna Tian Yanan, doutoranda do 1.º ano da UPM. A revista em causa é a melhor revista na área de Biologia Matemática e Computacional, com um factor de impacto de 13,994.

O processo de descoberta de medicamentos consiste essencialmente na optimização gradual das diversas propriedades dos compostos para a obtenção de medicamentos seguros e eficazes. Por isso, a predição precisa das propriedades dos compostos é essencial para o design e a optimização de novos medicamentos. Nos últimos anos, as técnicas de aprendizagem aprofundada, devido à sua grande capacidade de aprendizagem, têm sido aplicadas amplamente em áreas como a predição de propriedades moleculares e a geração de moléculas. No entanto, nos actuais métodos de previsão de propriedades moleculares baseados na aprendizagem aprofundada, a maioria dos modelos são como caixas pretas, que não podem fornecer orientações claras para o design de medicamentos e a optimização molecular. Para resolver este problema, o artigo em causa propôs uma nova rede neural de gráficos interpretável para a predição de propriedades moleculares. O modelo usa o gráfico molecular como a representação de input e usa a rede neural de passagem de mensagem como a estrutura básica, melhorando a previsão e a interpretabilidade do modelo através da incorporação de um mecanismo de foco em várias etapas. Um grande número de resultados experimentais em 8 conjuntos de benchmarks mostram que o modelo IFGN tem melhor desempenho de previsão em tarefas de classificação e tarefas de regressão. Os resultados da visualização também provam que o modelo IFGN pode identificar com sucesso, em moléculas, os nós-chave que estão intimamente relacionadas com as propriedades previstas, aumentando assim a interpretabilidade do modelo. Além disso, para facilitar o uso por parte dos desenvolvedores de medicamentos, a equipa de investigação científica também criou websites relacionados. O artigo acima referido está disponível para consulta, em:https://academic.oup.com/bib/articleabstract/24/1/bbac534/6918752?redirectedFrom=fulltext

Ministrando o primeiro curso de doutoramento em Descoberta de Fármacos impulsionada por Inteligência Artificial em Macau, o Centro de Descoberta de Fármacos impulsionada por Inteligência Artificial da Universidade Politécnica de Macau é orientado pelas necessidades estratégicas da biomedicina nacional e de Macau, baseando-se nas vantagens sólidas estabelecidas em disciplinas da FCA-UPM e da Faculdade de Ciências de Saúde e Desporto (FCSD-UPM), para se dedicar à formação de talentos complexos e interdisciplinares para o desenvolvimento de novos medicamentos através da aplicação das tecnologias de inteligência artificial, bem como à combinação das tecnologias de inteligência artificial com a selecção, o design e a optimização de medicamentos, aprofundando o intercâmbio e a cooperação com as empresas de biomedicina, promovendo activamente a transformação dos resultados de investigação científica.