根據Essential Science Indicators（簡稱ESI）最新數據顯示，我校數學與統計學院江健教授團隊2025年6月發表在國際學術頂級期刊《Journal of Pharmaceutical Analysis》(中科院一區Top)的學術論文“A review of transformer models in drug discovery and beyond”（J. Pharm. Anal. 15, 6, 101081, 2025，文章鍊接https://doi.org/10.1016/j.jpha.2024.101081）成功入選藥理學與毒理學領域ESI全球前0.1%熱點論文。論文第一作者為江健教授，美國密歇根州立大學Guo-Wei Wei教授為通訊作者，77779193永利官网為第一通訊單位。

Transformer 模型已成為藥物發現領域的關鍵工具，以其獨特的架構特點和在管理複雜數據環境中的卓越性能而著稱。利用 Transformer 架構的固有能力來理解序列數據中固有的複雜層次依賴關系，這些模型在各種任務中都表現出顯著的效果，包括新藥設計和藥物靶标識别。預先訓練的基于 Transformer 模型的适應性使其成為推動藥物發現、化學和生物學以數據為中心的進步的不可或缺的資産，提供了一個強大的框架，可加速這些領域的創新和發現。

該論文全面概述了基于 Transformer 模型在藥物發現以及化學和生物學中的應用。具體來說，我們讨論了主要領域，例如蛋白質設計和蛋白質工程、分子動力學、藥物靶标識别、Transformer 支持的藥物虛拟篩選、藥物先導優化、藥物成瘾、小數據集挑戰、化學和生物圖像分析、化學語言理解和單細胞數據。随着 Transformers 繼續重塑藥物發現的格局，大型語言模型、多功能Transformers 和定制 Transformer 模型的整合預示着我們對藥物發現的理解不僅深刻，而且不斷發展和靈活。

江健教授一直從事藥物設計、複雜網絡建模等交叉學科方面的研究。2021年通過結合幾何拓撲和機器學習算法，構建的梯度提升多任務深度學習模型在藥物分子脂溶性和溶解度等屬性預測上取得領先；2022年結合幾何圖論和機器學習算法構建多尺度着色圖模型在藥物分子毒性上取得更好的預測準确度；2023年結合同調論和深度學習構建拓撲推斷下的藥物緻瘾性學習模型，對緻瘾性藥物分子進行預測，尋找最優的先導化合物分子。相關成果發表在Chemical Reviews, Chemical Science, AR.Biochemistry, Pain, J. Pharm. Anal, JCIM等國内外知名期刊上。

江健教授所在的計算系統生物學團隊負責人為張本龔教授，主要從事數學與大數據技術、計算系統生物學、機器學習、藥物設計等領域交叉科學研究。近5年來，研究團隊在單細胞測序數據分析、藥物設計及發現、蛋白質結構預測和高光譜圖像處理等研究領域取得了豐富研究的成果。團隊教授2人，副教授4人，講師2人，承擔國家自然科學基金9項（其中面上4項），省部級項目5項，發表SCI論文60餘篇。