在药物研发中，科学家需要弄清楚“药分子”和“靶标蛋白”之间能否紧密结合、结合得多牢。这件事就像要预测两个人的握手是否稳固——其中的力来自各种看不见的“化学握力”，例如氢键、疏水作用和电性吸引。过去的图神经网络模型多是从单个原子的角度去理解这些复杂关系，但这有点像聚焦人的手指而非握手的过程。而本研究提出的新方法 PHESA（Physics-informed Hierarchical Edge-Set Attention，物理信息驱动的多层级边集合注意力 ） 选择了另一条路——让AI直接学习“分子之间的互动”本身，也就是这些“化学握力”的网络。

论文提出PHESA网络

PHESA不仅考虑单个原子间的作用，还能在更高层次上把这些细节整合成化学基团（motif、残基）之间的整体关系，同时通过物理规律让注意力计算时考虑真实的自然法则。这样的设计让PHESA在蛋白质-小分子亲和力预测、蛋白质-蛋白质自由结合能预测等任务上表现卓越。

左起：第一作者关越、通讯作者陈佳星博士、第二作者王心祥、第三作者李欣泽

关越表示，这篇文章的成稿过程历经多轮修改，直到截止日期前一周才走上正轨，这期间离不开陈佳星老师的举旗定向。非常感谢陈老师在暑假牺牲了休息时间，帮助他不断地完善论文的实验设计和写作。此次这篇文章能被接收令他备受鼓舞，期待未来在陈老师的指导下能够持续深耕，产出更多的科研成果。

IEEE International Conference on Bioinformatics and Biomedicine (BIBM 2025) 是生物医学与计算机科学交叉领域的旗舰会议之一，被中国计算机学会（CCF）推荐会议列表中列为B类会议。会议投稿周期共收到2083篇论文，最终接收411篇Short Paper，接收率为19.8%。BIBM 2025 将于今年12月15日至18日在中国武汉举行，届时将汇聚全球该领域专家学者，展示最新的跨学科研究成果，具有广泛的学术影响力。

来源 | 计算机科学系