澳門理工大學應用科學學院人工智能藥物發現中心在藥物設計領域取得突破性的研究進展，由博士研究生田亞楠、教授劉煥香、姚小軍、唐海誼，以及團隊提出的創新多模態、多尺度對比學習框架“MMCLKin＂，為高親和力與高選擇性的激酶抑制劑研發提供了新技術路徑。相關研究成果獲國際頂尖學術期刊《Nature Communications》（《自然通訊》）刊登。

蛋白激酶作為細胞訊號傳導的關鍵調控分子，是當代最具潛力的藥物靶標之一。由於激酶結構的高度保守性及實驗成本高昂，開發具高選擇性的激酶抑制劑一直面臨挑戰。研究團隊針對此難題，開發出“MMCLKin”框架，透過結合幾何圖網絡與序列網絡，輔以多頭注意力機制與多模態、多尺度對比學習，顯著提升對激酶—藥物間活性與選擇性的預測能力。

“MMCLKin”在兩個三維激酶—藥物數據集上均超越現有方法，並展現在十個蛋白—藥物數據集及一個突變感知數據集上的優異泛化能力，可廣泛應用於結構已知與未知激酶的高通量藥物篩選。在實驗層面，研究團隊透過 ADP - Glo 活性測試進行驗證，結果顯示模型推薦的 20 種化合物中，有 5 種可有效抑制致病突變體 LRRK2 G2019S，其中 4 種具備納摩爾級活性，突顯其潛在的臨床應用價值。

相關研究成果以“Enhancing Kinase-Inhibitor Activity and Selectivity Prediction Through Contrastive Learning”（透過對比學習增強激酶抑制劑活性與選擇性預測）為題，於國際頂尖學術期刊《Nature Communications》刊登。研究由澳門科學技術發展基金與國家自然科學基金委員會聯合科研資助項目（0043/2023/AFJ）及澳門理工大學（No. RP/FCA-02/2023）等項目資助，研究內容全文可瀏覽： https://doi.org/10.1038/s41467-025-65869-8。

《Nature Communications》由英國 Nature Portfolio出版，旨在展示生命科學、健康、物理、化學、地球及社會科學等領域的重要突破。2024年影響因子為 15.7，5 年影響因子為 17.2。該學術期刊在交叉學科、生物化學、遺傳學、物理和天文學等多個學科分區均位列 Q1，並在多學科科學領域位居領域內期刊前 5%，同時也是中科院一區TOP 期刊。