研究方向

使用GNN进行化合物-蛋白质相互作用预测 在生物信息学中，基于机器学习的预测化合物-蛋白质相互作用（CPI）的方法在药物发现的虚拟筛选中发挥着重要作用。最近，使用深度神经网络对离散符号数据（例如自然语言处理中的单词）进行端到端表示学习在各种困难问题上表现出优异的性能。对于 CPI 问题，数据以离散符号数据的形式来表示，即化合物表示为图，其中顶点是原子，边是化学键。在这项研究中，我们研究了化合物和蛋白质的端到端表示的学习，并通过将化合物的图神经网络（GNN）和卷积神经网络（CNN）相结合来开发一种新的 CPI 预测方法。

 

相关学科

计算机科学技术

 

科研导师

J. Y

• 双一流高校人工智能助理教授，南洋理工大学博士，本硕毕业于西安交通大学；
• 主要研究方向：图神经网络，贝叶斯网络，统计机器学习，图数据处理，语音处理等；
• 以第一作者身份在业内顶尖学术期刊和会议发表论文十余篇，有丰富的学术论文指导经验；
• 参与国家科技支撑计划项目和新加坡 A*star合作科研项目。

科研成果

成果一：在英文期刊中发表学术论文

有方学者项目能够为学员在正规的英文学术期刊中发表论文。正规的学术期刊均要求由独立审稿人决定论文的录用与否。因此，论文的成功发表标志着这篇文章已达到学界公认的学术标准。有方学者最优秀的学生，不但可以冲击EI、SCI等高级别期刊，而且有机会参与全球顶级的学术会议。

成果二：第一作者身份

有方学者项目坚持帮助学生以第一作者身份发表论文。在申请过程中，招生官最看重的是学生在科研项目中的参与程度，而第一作者顺位恰恰是这一点的最佳证明。近年来，有大量的中国学生在教授署名的论文中挂名，这使得第一作者身份的含金量更为突出。

成果三：独一无二的课题

有方学者项目的导师会为每个学生提供独一无二的课题，连接最前沿的科研方法和学生感兴趣的学术方向，每个学生的研究内容具有差异性。

成果四：顶尖院校导师的推荐信

有方学者项目将为学生提供项目导师撰写的推荐信。导师作为推荐人，来自于美国顶尖学府的科研团队，影响着推荐信的可信度；而导师所提供的丰富的细节和生动的描述能更好展现学生的过人之处，从而大大提高了推荐信的价值。

成果五：高效备战具有高影响力、高含金量的科研竞赛

学生可以直接使用有方学者项目的成果论文冲击多项全球顶级的科研赛事，其中包括：被誉为“中国青年的诺贝尔奖”的丘成桐科学奖、ISEF 国际科学与工程奖、全国青少年科技创新大赛等。

 

 

了解更多详情

请扫描二维码

关注「有方背景提升」