澳門理工大學人工智能藥物發現中心教授魏樂義及研究團隊，在分子性質預測與藥物研發領域的創新研究，獲國際頂尖學術期刊《Nature Communications》（《自然通訊》）發表。該研究聚焦於解決藥物研發中分子結構與功能之間的複雜關係，提出人工智能預訓練模型“自我構象感知圖Transformer”（Self-Conformation-Aware Graph Transformer, SCAGE），能有效捕捉分子內部的三維構象與子結構語義，提升分子性質預測的精度與可解釋性。研究成果有助深化對藥物分子結構與功能的理解，降低藥物研發的風險與成本。

在藥物研發過程中，有著眾多挑戰，尤其是藥物特性難以預測等因素，使藥物研發成本提高，亦增加臨床試驗的失敗風險。為破解此難題，研究團隊運用人工智能預訓練技術，創新性地研發SCAGE模型。該模型以約500萬種藥物化合物為基礎進行預訓練，並結合多任務學習框架，深入學習分子的結構與功能語義，有效提升分子性質預測的準確性與模型的泛化能力。SCAGE模型在9種分子性質預測任務及30個結構活性懸崖基準測試中均展現出顯著優勢，為推動藥物設計研發提供了創新性的人工智能解決方案。

相關研究成果以“A self-conformation-aware pre-training framework for molecular property prediction with substructure interpretability”（具有子結構可解釋性的分子性質預測的自我構象感知預訓練框架）為題，於國際頂尖學術期刊《Nature Communications》上刊登。研究由澳門科學技術發展基金(0133/2024/RIB2)及國家優秀青年科學基金等項目資助，研究內容全文可瀏覽：http://mpu.mo/pkfc。

《自然通訊》隸屬Nature出版集團，是涵蓋多學科領域的權威開放獲取學術期刊，重點發表生物、物理、化學和醫學等跨學科領域的重要研究成果。期刊在SCIE“多學科科學”領域期刊排名第十(前93%)，同時為中科院一區和JCR一區期刊，2024年的影響因子為15.7。