澳門大學中華醫藥研究院／中藥質量研究國家重點實驗室、健康科學學院公共衛生及醫藥管理學系歐陽德方博士的研究團隊，在有機化合物晶體結構的機器學習框架中取得重要進展，提出預測有機化合物晶體結構的機器學習框架DeepCSP，通過生成對抗網絡和圖卷積網絡，實現分鐘級的晶體結構預測。該研究成果以“通過耦合生成對抗網絡和圖卷積網絡實現有機晶體結構預測”(Organic Crystal Structure Prediction via Coupled Generative Adversarial Networks and Graph Convolutional Networks) 爲題，發表于國際學術期刊The Innovation。
有機晶體結構一直以來被視爲化合物的關鍵特徵，描述了微觀層面上分子的堆積方式。這種關鍵特徵直接或間接地影響著物質的物化性質和生物效應，例如密度、溶解度、熔點、生物利用度等。在藥物研發中，藥物的晶型對固態性質、穩定性和生物利用度産生顯著影響，直接關系到藥物的安全性、療效和可製造性。然而，傳統的晶體結構實驗篩選一直面臨著諸多挑戰，包括反復的試錯過程、巨大的人力和時間成本，以及晶體篩選終點的不確定性。爲瞭解决這些問題，晶體結構預測(CSP)技術應運而生。CSP的目標是以二維分子結構爲起點探索所有穩定的晶體結構。然而，傳統的CSP方法依賴於昂貴的量子力學理論，其計算周期較長且容易遺漏實驗空間。
研究團隊開發了一個名為DeepCSP的機器學習框架，通過兩個關鍵模塊實現了晶體結構的生成和排名。使用有機晶體結構條件生成對抗網絡和帶有注意力機制的分子圖卷積網絡，DeepCSP快速預測有機化合物晶體結構。特別地，通過使用上市藥物的晶體結構數據集，DeepCSP的預測能力得到了驗證，此外案例研究也再次展示了其功能和性能。這一創新爲有機晶體研究注入了新活力，爲藥物研發等領域帶來了潜在益處。
該研究的通訊作者為歐陽德方博士，第一作者為澳大中華醫藥研究院博士畢業生葉祝一帆（現爲澳門理工大學講師）；澳大智慧城市物聯網國家重點實驗室、科技學院教授周建濤以及澳大中華醫藥研究院博士研究生王南男亦對研究作出重要貢獻。澳大智慧城市物聯網國家重點實驗室的智能超算中心爲研究提供了優質服務，澳門理工大學提供了劍橋晶體結構數據庫的支持。該研究得到澳門大學（檔案編號：MYRG-CRG2022-00008-ICMS)、深圳市科技創新委員會C類深港澳科技計劃項目(檔案編號：SGDX20210823103802016)和珠海市科技創新局珠港澳産學研合作項目(檔案編號：ZH22017002210010PWC)的資助。全文鏈接：https://doi.org/10.1016/j.xinn.2023.100562
