黎育权，贵州大学特聘教授，硕士生导师。长期从事人工智能及科学智能领域的研究工作，相关工作已以第一作者身份发表在自然子刊《Nature Machine Intelligence》等期刊。截至目前共发表SCI论文10篇，H-index为8，累计引用次数326。担任《Exploration》期刊青年编委。

主要研究方向包括:

• AI基础研究：大语言模型、图学习、自动机器学习
• AI for Science研究：AI分子设计、AI材料设计

招生ing：依托团队每年有较多硕士名额和1个博士名额，可推荐至浙大和港中文读博或腾讯实习！本团队以论文发表为重，充分深入的科研培训、具体课题选优和指导，丰富计算资源和额外奖金支持，确保每位硕士能毕业前发表一篇一作一区/CCF A论文，优秀者将全力支持配合发一作CNS子刊。

🎓 教育经历

2019.9 - 2024.6  硕博 - 兰州大学，化学化工学院(专业：化学信息学，导师：姚小军教授)
2015.9 - 2019.6  本科 - 青海大学，计算机学院(专业：计算机科学与技术)

🧑‍💻 工作经历

2024.10 - 今    贵州大学，公共大数据国家重点实验室 特聘教授,硕导
2024.10 - 今    贵州大学，计算机科学与技术学院 硕导
2022.7 - 2023.4  智源人工智能研究院，付杰团队 研究实习
2020.8 - 2022.6  腾讯公司，量子实验室 联合培养(合作导师：谢昌谕博士)

📑 科研项目

[1]贵州大学人才引进特岗项目，基于人工智能的多约束小分子化合物生成设计新方法研究, 2024.10-2028.10，40万，主持。

👥 团队成员

张晓， 21级博士，研究方向：AI核酸农药设计。
董新宇，24级博士，研究方向：分子生成设计。
黄广义，24级博士，研究方向：酶活性位点预测。
龚道宏，22级硕士，研究方向：分子生成设计。
谢朝阳，23级硕士，研究方向：分子性质预测。
周军， 24级硕士，研究方向：蛋白质功能预测。
张军， 24级硕士，研究方向：蛋白质互作预测。
张艺伦，24级硕士，研究方向：酶功能及活性位点预测。
吴南宛，24级硕士，研究方向：AI抗体-药物偶联设计。
罗希璇，24级硕士，研究方向：AI药物-药物协同效应预测。
张龙彪，24级硕士，研究方向：AI药物递送材料设计。
洪晖阳，22级本科，研究方向：小分子性质预测(BIB论文投稿中)。
*合作导师为贵州大学郝格非教授、王崎教授

王世航，25级博士，研究方向：自动化分子图学习、AI+XDC药物设计，个人主页。
何牧天，25级博士，研究方向：自动化分子图学习。
*合作导师为澳门理工大学姚小军教授

深度合作伙伴：
王晓瑞，浙江大学侯廷军教授课题组博士后，研究方向：AI合成规划

📝 学术论文

代表性论文

[1] Li et al. An adaptive graph learning method for automated molecular interactions and properties predictions. Nature Machine Intelligence IF=23.8^◆ [HTML] [PDF]

[2]Li et al. Introducing block design in graph neural networks for molecular properties prediction. Chemical Engineering Journal IF=16.7^◆ [HTML] [PDF]

[3] Li†, Li†. et al. TrimNet: learning molecular representation from triplet messages for biomedicine. Briefings in Bioinformatics IF=13.9^◆ [HTML] [PDF]

[4] Wang†, Li†, et al. RetroPrime: A Diverse, plausible and Transformer-based method for Single-Step retrosynthesis predictions. Chemical Engineering Journal IF=16.7^◆ [HTML] [PDF]

†Equal contribution
*Corresponding authors

^◆发表当年IF，一定程度代表该刊当年认可度及发表难度

所有论文

2024年度

• [2024c] Xiaorui Wang, Xiaodan Yin, Dejun Jiang, Huifeng Zhao, Zhenxing Wu, Odin Zhang, Jike Wang, Yuquan Li, Yafeng Deng, Huanxiang Liu, Pei Luo, Yuqiang Han, Tingjun Hou*, Xiaojun Yao*, Chang-Yu Hsieh*. Multi-modal deep learning enables efficient and accurate annotation of enzymatic active sites[J]. Nature Communications, 2024, 15(1): 7348. [HTML]
• [2024b] Shuo Liu, Jialiang Yu, Ningxi Ni, Zidong Wang, Mengyun Chen, Yuquan Li, Chen Xu, Yahao Ding, Jun Zhang*, Xiaojun Yao*, Huanxiang Liu*. Versatile Framework for Drug–Target Interaction Prediction by Considering Domain-Specific Features[J]. Journal of Chemical Information and Modeling, 2024, 64(14): 5646-5656. [HTML] [PDF]
• [2024a] Jianmin Wang, Jiashun Mao, Chunyan Li, Hongxin Xiang, Xun Wang, Shuang Wang, Zixu Wang, Yangyang Chen, Yuquan Li, Heqi Sun, Kyoung Tai No*, Tao Song*, Xiangxiang Zeng*. Interface-aware molecular generative framework for protein–protein interaction modulators[J]. Journal of Cheminformatics, 2024, 16(1): 142.[HTML] [PDF]

2023年度

• [2023c] Xiaodan Yin†, Xiaorui Wang†, Yuquan Li, Jike Wang, Yuwei Wang, Yafeng Deng, Tingjun Hou, Huanxiang Liu, Pei Luo, and Xiaojun Yao*. CODD-Pred: A Web Server for Efficient Target Identification and Bioactivity Prediction of Small Molecules[J]. Journal of Chemical Information and Modeling, 2023, 63(20): 6169-6176. [HTML] [PDF]
• [2023b] Ruiqiang Lu, Jun Wang, Pengyong Li, Yuquan Li, Shuoyan Tan, Yiting Pan, Huanxiang Liu, Peng Gao, Guotong Xie*, Xiaojun Yao*. Improving drug-target affinity prediction via feature fusion and knowledge distillation[J]. Briefings in Bioinformatics, 2023, 24(3): bbad145. [HTML]
• [2023a] Xiaorui Wang†, Chang-Yu Hsieh†, Xiaodan Yin, Jike Wang, Yuquan Li, Yafeng Deng, Dejun Jiang, Zhenxing Wu, Hongyan Du, Hongming Chen, Yun Li, Huanxiang Liu, Yuwei Wang, Pei Luo, Tingjun Hou*, Xiaojun Yao*. Generic Interpretable Reaction Condition Predictions with Open Reaction Condition Datasets and Unsupervised Learning of Reaction Center[J]. Research, 2023, 6: 0231. [HTML] [PDF]

2022年度

• [2022b] Dejun Jiang†, Huiyong Sun†, Jike Wang†, Chang-Yu Hsieh, Yuquan Li, Zhenxing Wu, Dongsheng Cao*, Jian Wu*, Tingjun Hou*. Out-of-the-box deep learning prediction of quantum-mechanical partial charges by graph representation and transfer learning[J]. Briefings in Bioinformatics, 2022, 23(2): bbab597. [HTML] [PDF]
• [2022a] Yuquan Li†, Chang-Yu Hsieh†, Ruiqiang Lu, Xiaoqing Gong, Xiaorui Wang, Pengyong Li, Shuo Liu, Yanan Tian, Dejun Jiang, Jiaxian Yan, Qifeng Bai, Huanxiang Liu, Shengyu Zhang & Xiaojun Yao*. An adaptive graph learning method for automated molecular interactions and properties predictions[J]. Nature Machine Intelligence, 2022, 4(7):645-651. [HTML] [PDF]

2021年度

• [2021c] Pengyong Li†, Yuquan Li†, Chang-Yu Hsieh, Shengyu Zhang, Xianggen Liu, Huanxiang Liu, Sen Song*, Xiaojun Yao*. TrimNet: learning molecular representation from triplet messages for biomedicine[J]. Briefings in Bioinformatics, 2021, 22(4): bbaa266.[HTML] [PDF]
• [2021b] Xiaorui Wang†, Yuquan Li†, Jiezhong Qiu, Guangyong Chen, Huanxiang Liu, Benben Liao*, Chang-Yu Hsieh*, Xiaojun Yao*. RetroPrime: A Diverse, plausible and Transformer-based method for Single-Step retrosynthesis predictions[J]. Chemical Engineering Journal, 2021, 420: 129845. [HTML] [PDF]
• [2021a] Yuquan Li, Pengyong Li, Xing Yang, Chang-Yu Hsieh, Shengyu Zhang, Xiaorui Wang, Ruiqiang Lu, Huanxiang Liu, Xiaojun Yao*. Introducing block design in graph neural networks for molecular properties prediction[J]. Chemical Engineering Journal, 2021, 414: 128817. [HTML] [PDF]

🏛️ 学术兼职

• 期刊
  • 青年编委：《Exploration》
  • 审稿人：《Briefings in Bioinfomatics》
• 学会
  • 中国人工智能学会、中国计算机学会、中国化学会 专业会员
• Talk
  • 2023.3 兰州大学第十五届研究生学术年会
    • 报告题目：化学×AI，现在与未来

🙌 其他

• 大乱斗，War3 RPG/RTS，DNF
• 传世烧火棍*5 拥有者
• 我清楚的知道，人与人之间的道路是不可复制的，我躺在我自己的床上。