澳门理工大学应用科学学院人工智能药物发现中心教授刘焕香团队的论文《Predicting molecular properties based on the interpretable graph neural network with multistep focus mechanism》获国际顶尖生信期刊BRIEFINGS IN BIOINFORMATICS（2023, 24(1), 1-9, bbac534.）刊登，该论文的第一作者为澳门理工大学一年级博士生田亚楠。该期刊是数学与计算生物学领域中排名第一的期刊，其影响因子 (Impact factor) 为13.994。

药物发现的过程实质上就是逐步优化化合物的各项性质进而获得安全有效的药物的过程。因而，精确预测化合物的各项属性对于新药的设计和优化至关重要。近年来，深度学习技术由于其强大的学习能力已经被广泛应用到分子属性预测以及分子生成领域。然而，目前基于深度学习的分子属性预测方法中，大多数模型都是黑箱子，无法给药物设计和分子优化提供明确的指导。针对这一问题，本研究提出了一种新型的可解释的图神经网络模型用于分子属性预测。该模型以分子图作为输入表征，以消息传递神经网络作为基本架构，通过嵌入多步focus机制提高模型的预测性能和模型的可解释性。8个基准集上的大量实验结果表明IFGN模型在分类任务和回归任务两个方面都具有优越的预测性能，并且可视化结果也证明了IFGN可以成功地识别出分子中与预测属性密切相关的关键节点，从而增加模型的可解释性。此外，为方便药物研发人员的使用，科研团队也创建了相关的网站。该期刊文章的全文可浏览：https://academic.oup.com/bib/article-abstract/24/1/bbac534/6918752?redirectedFrom=fulltext。

作为澳门第一个人工智能药物发现博士课程，澳门理工大学人工智能药物发现中心以国家与澳门生物医药战略需求为导向，以应用科学学院和健康科学及体育学院坚实的学科优势为依托，致力于应用人工智能技术发展新药研发的跨学科复合型人才的培养以及人工智能技术与药物筛选、药物设计以及药物优化等方向的交叉融合，并深入与生物医药企业交流合作，积极推动科研成果的转化。