澳门理工大学应用科学学院计算机应用技术课程博士研究生蔡建秀、副教授王雅鹏与人工智能药物发现中心副教授萧咏然展开跨学科研究，开发创新性的抗微生物肽活性人工智能预测模型“BERT-AmPEP60”，预测抗微生物肽对大肠杆菌与金黄色葡萄球菌的最小抑制浓度（MIC），有助下一代抗菌药物的开发，对全球公共卫生领域应对抗生素耐药性问题发挥关键作用。

抗菌肽（AMPs）作为一类天然或人工合成的短肽分子，受到学术界与医药专业的关注，被视为对抗“超级细菌”的替代方案之一。研究团队开发出的“BERT-AmPEP60”模型，将自然语言处理（NLP）中的双向编码器表示法（Bidirectional Encoder Representations from Transformers, BERT）引入抗菌肽研究领域。透过训练语言模型的强大表征能力，“BERT-AmPEP60”能从肽序列中提取丰富的上下文嵌入特征，捕捉肽分子的潜在结构与功能讯号，在实际药物研发场景中具有卓越的应用潜力。

研究成果以“BERT-AmPEP60: A BERT-Based Transfer Learning Approach to Predict the Minimum Inhibitory Concentrations of Antimicrobial Peptides for Escherichia coli and Staphylococcus aureus”(BERT-AmPEP60：一种基于BERT的转移学习方法，用于预测大肠杆菌和金黄色葡萄球菌的抗微生物肽最小抑制浓度)为题，在国际知名期刊《Journal of Chemical Information and Modeling》（《化学信息与建模杂志》）发表，标志着人工智能与生物医药交叉领域研究的成果。

《化学信息与建模杂志》专注于发表化学资讯学与分子建模领域的前沿研究成果。期刊收录于SCIE及Scopus等国际数据库，在SCIE“药物化学”、“计算机：信息系统”及 “计算机：跨学科应用”领域内属Q1分区。研究内容全文可浏览：https://pubs.acs.org/doi/10.1021/acs.jcim.4c01749。