MedAI课题组发表文章 Journal of Molecular Structure.

2025年7月3日，由南通大学智能信息研究中心MedAI实验室负责人王理教授组织撰写，陈星为第一作者的题为MCST-AFN:A Multichannel Spatiotemporal Feature Adaptive Fusion Network Framework Basedona Low-Fidelity Molecular Dynamics Model的文章发表在ACS Omega上.

这项研究提出了多通道时空特征自适应融合网络框架（MCST-AFN），该框架基于低保真分子动力学模型，整合深度学习与分子动力学模拟，旨在提升分子表征能力并降低计算成本。 框架先训练低保真分子动力学模拟模型（N-ProtMD），相比 Amber 等工具，能以更低成本更新原子坐标，输出多通道原子级嵌入。随后构建基于注意力的网络实现多通道时空特征自适应融合，并设计原子掩蔽预测自监督学习任务进一步增强分子表征。 在 13 个分子性质预测基准数据集上的测试显示，该框架在 12 个数据集平均性能提升 2.10%，ESOL 数据集提升达 19.70%。消融研究证实了预训练步骤和各组件的必要性，案例研究表明 N-ProtMD 虽牺牲一定坐标更新精度，但输出的原子级嵌入特征仍具时间特异性和分子种类多样性，为药物研发等领域的分子性质预测提供了有效方案.