11月19日下午，东莞创新研究院高层次人才沙龙（第四期）——“精准药物设计的前沿与进展”讲座在广东医科大学东莞校区科技大楼A611举行，多名领域专家进行主题分享，探讨药物设计领域的发展前沿与人工智能结合的前景。

随着科学技术的不断进步和人工智能的快速发展，人工智能在各个领域都发挥着重要的作用，如在药物设计领域的应用，可能会是医工交叉融合领域的一个新方向。本次交流活动旨在提供药物设计领域的多方位设计构思，携人工智能之优势，助推药物设计的研究工作稳步进行。活动现场，中山大学教授、药物分子设计研究中心主任、英国皇家化学会会士徐峻教授，广东医科大学三级教授、东莞市计算机辅助药物设计重点实验室主任黄遵楠教授，广东药科大学教授李占潮教授等专家分别以不同角度讲解药物设计与人工智能领域相结合的见解。

徐峻教授作《药物发现方法学——从QSAR到人工智能》主题分享，从人工智能的终极目标与深度神经网络的基本架构、药物发现范式面临的挑战与解决方案、药物发现领域面临的重大问题与解决方案、药物创新的终点问题与AI的发展趋势的四个模块进行讲述。其中提到深度神经网络的四个架构（GNN、RNN、GAN等），以及TDD范式认定基因产物(蛋白质)的“活性”与“表型”之间有“直接因果关系”。此类因果关系，首先是根据已有知识选出可能与“因果关系”相关的变量对，然后通过实验确定“因”(自变量)和“果”(应变量)。传统的因果链条短而简单，QSAR等传统方法虽不理想，仍然是探索简单因果链条的有效工具。

随后，李占潮教授作《Identifying Disease-Protein Associations from a Heterogeneous Network Using Graph Embedding and Sample Screening》主题分享，在本研究中，利用疾病相似性、疾病-蛋白质关联和蛋白质-蛋白质相互作用信息构建异构网络。然后，利用图嵌入算法DeepWalk获得用于表征疾病-蛋白质关系的网络节点表示。采用支持向量数据描述算法对可靠的负样本进行筛选。最后，采用随机森林算法构建了一个识别潜在疾病蛋白关联的模型。在非冗余数据集和独立测试集上的实验结果表明，目前的方法可以准确识别疾病相关蛋白、蛋白相关疾病和潜在的疾病-蛋白关联。

听取专家分享后，现场进行了热烈的讨论。讲座结束后，在场的老师与学生认真听取专家们的讲解后纷纷表示受益匪浅。（文图/周郁斌 初审/丁喜生 复核/周圆 终审/冯锦山)