我院交叉学科研究所在首届“兴智杯”

全国人工智能创新应用大赛专题赛中获得一等奖

近日，我院交叉学科研究所 “智能分子团队”在首届“兴智杯”全国人工智能创新应用大赛中的行业赋能-药物分子蛋白结合能力预测专题赛中获得一等奖，并在行业赋能专题赛颁奖典礼暨人工智能行业高峰论坛中作为获奖团队代表作专题报告。我院2022级博士生王泽琛为第一完成人，指导老师为李伟峰教授。

“兴智杯”全国人工智能创新应用大赛是由国家工业和信息部、科学技术部、深圳市人民政府共同主办，旨在进一步激发创新活力，促进人工智能核心技术突破和产业生态建设，推动人工智能与实体经济深度融合。本次行业赋能-药物分子蛋白结合能力预测专题赛旨在推动人工智能在药物筛选中的应用。

山东大学物理学院团队（“智能分子团队”，编号2304）提出了DeepRMSD的深度学习模型。该方法从基本的范德华势和静电作用力的形式出发，构建了蛋白质与药物配体结合的机器学习模型。通过计算蛋白质与配体原子两两之间的距离，并对这些距离值分别作-1和-6次幂处理，根据特定的蛋白质-配体原子组合方式和距离处理方式分别进行求和，进而得到所有原子组合的特征值。将所有的原子类型特征值对接在一起构成该蛋白质-配体最终的特征向量，使用神经网络来拟合特征向量与RMSD、蛋白质口袋侧链Chi角之间的关系。该模型的特征维度仅为1470，与先前报道的模型相比更简单。计算结果表明，DeepRMSD在保持高准确性的同时，具备快速的运算速度。有力表明基于物理相互作用的机器学习模型在药物研发中具有重要的应用价值。

该算法近期发表在计算和生物信息学权威期刊Briefings in Bioinformatics[1]。我院博士生王泽琛为第一作者，李伟峰教授为通讯作者，山东大学物理学院为第一通讯单位。以上研究得到了国家自然科学基金面上项目、山东省自然科学基金杰青项目、山东大学青年交叉创新群体（生物物理医学）等项目的资助。

原始文献：

[1] Wang, Z., Zheng, L., Wang, S., Lin, M., Wang, Z., Kong, A.W.K., Mu, Y., Wei, Y. and Li, W. A fully differentiable ligand pose optimization framework guided by deep learning and traditional scoring functions. Briefings in bioinformatics, bbac520 (2022). doi: https://doi.org/10.1093/bib/bbac520