澳門理工大學應用科學學院計算機應用技術課程博士研究生蔡建秀、副教授王雅鵬與人工智能藥物發現中心副教授蕭詠然展開跨學科研究，開發創新性的抗微生物肽活性人工智能預測模型“BERT-AmPEP60”，預測抗微生物肽對大腸桿菌與金黃色葡萄球菌的最小抑制濃度（MIC），有助下一代抗菌藥物的開發，對全球公共衛生領域應對抗生素耐藥性問題發揮關鍵作用。

抗菌肽（AMPs）作為一類天然或人工合成的短肽分子，受到學術界與醫藥專業的關注，被視為對抗“超級細菌”的替代方案之一。研究團隊開發出的“BERT-AmPEP60”模型，將自然語言處理（NLP）中的雙向編碼器表示法（Bidirectional Encoder Representations from Transformers, BERT）引入抗菌肽研究領域。透過訓練語言模型的強大表徵能力，“BERT-AmPEP60”能從肽序列中提取豐富的上下文嵌入特徵，捕捉肽分子的潛在結構與功能訊號，在實際藥物研發場景中具有卓越的應用潛力。

研究成果以“BERT-AmPEP60: A BERT-Based Transfer Learning Approach to Predict the Minimum Inhibitory Concentrations of Antimicrobial Peptides for Escherichia coli and Staphylococcus aureus”(BERT-AmPEP60：一種基於BERT的轉移學習方法，用於預測大腸桿菌和金黃色葡萄球菌的抗微生物肽最小抑制濃度)為題，在國際知名期刊《Journal of Chemical Information and Modeling》（《化學信息與建模雜誌》）發表，標誌著人工智能與生物醫藥交叉領域研究的成果。

《化學信息與建模雜誌》專注於發表化學資訊學與分子建模領域的前沿研究成果。期刊收錄於SCIE及Scopus等國際數據庫，在SCIE“藥物化學”、“計算機：信息系統”及 “計算機：跨學科應用”領域內屬Q1分區。研究內容全文可瀏覽：https://pubs.acs.org/doi/10.1021/acs.jcim.4c01749。