近日，厦门大学信息学院姚俊峰教授团队一篇论文被人工智能领域著名期刊《IEEE Transactions on Neural Networks and Learning Systems》（TNNLS，CCF B，中科院1区， SCI IF=10.451）录用， IEEE TNNLS创办于1990年，属机器学习、信息科学、人工智能的交叉学科领域，是神经网络和学习系统方面的国际顶级杂志，也是中科院分区1区Top期刊。录用论文标题为《Geometry-based Molecular Generation with Deep Constrained Variational Autoencoder》，该论文是利用分子的几何特征进行分子生成的最新研究成果，是由厦门大学、德睿智药和湖南大学联合发表于IEEE TNNLS的文章。
该论文第一作者为厦门大学信息学院2018级博士生李春艳。论文致力于研究分子3D表征学习问题，创新之处是提出了药物分子空间结构可视化表征方法（图1）和基于蛋白质表面的几何图表征方法（图2），并提出基于曲率的二次误差度量算法，最终提出一种基于几何表示的约束变分自编码器GEOM-CVAE（图3），用于蛋白质上下文相关的分子生成。所提出的模型达到了具有竞争力的性能，意味着其潜在有效性使药物发现的广阔化学空间的探索成为可能。
图1. 药物分子空间结构可视化表征
本研究工作得到了国家自然科学基金项目（No.62072388）、福厦泉自创区协同专项(No.3502ZCQXT202001)、福建省科技计划工业引导性项目（No.2020H0047）、福建省自然科学基金项目（No.2019J01601）、2019年福建省科技计划创新资金项目(No.2019C0021)、福建省阳光慈善公益基金会的资助。
图2. 基于几何的蛋白质图表征
图3. GEOM-CVAE 架构图
李春艳同学是厦门大学信息学院2018级博士生，导师为姚俊峰教授。在读期间，该同学对基于神经网络的图表示学习、生成模型和自监督学习等进行了深入研究，并应用于生物信息学领域，以第一作者发表论文5篇，主持科学研究项目2项，参与国家自然科学基金等项目3项。
