专栏名称: 智药邦

人工智能在药物研发领域的进展、探索与实践。

15位行业知名专家讲授！蛋白质的AI设计在线学习课程上新！

智药邦 · 公众号 · · 2025-01-23 17:38

正文

蛋白质是生命活动的主要承担者，在生物体内行使广泛的功能。作为蛋白质研究的一个重要领域，蛋白质设计具有广阔的应用前景。功能蛋白质设计对于靶点预测、药物研发（治疗蛋白、抗体、疫苗、多肽等）、药物递送、靶向治疗、酶工程、医学诊断、生物材料开发等都具有重要意义。

AI的进步彻底改变了蛋白质设计领域，新方法新应用正在迅速出现和蓬勃发展。按需设计蛋白质的时代已然开启。

2024年10月9日， 2024年诺贝尔化学奖的一半被授予了David Baker，以表彰他在计算蛋白质设计方面的贡献 ；一半被授予了Demis Hassabis和John M. Jumper，以表彰他们在蛋白质结构预测方面的贡献。

在此，智药邦邀请多位知名学术界和产业界专家，以线上教学的形式，推出蛋白质的AI设计专家课程，集中介绍最新的蛋白质AI设计技术，充分展示当前该领域的技术路线、前沿进展、关键问题、应用案例，促进技术交流，推动应用落地和产业发展。

课程简介

课程名称

蛋白质的AI设计--线上专家课程

组织单位

智药邦

课程目标

全面、充分地介绍基于AI的蛋白质设计技术的前沿进展，促进学术交流、产业发展

课程内容范围

蛋白质AI设计的方法学原理、技术路线、关键科学问题、应用领域和相关案例，当前研究的最新进展、技术优势和未来提升空间等内容

授课形式

本套课程为录播。感兴趣的学员可购买课程，在线观看和学习

PC端访问： 搜索智药邦学院网站 www.edu.phaimus.com

移动端访问1： 微信关注"智药邦"公众号，点击底部菜单栏" 学院 "登陆

移动端访问2： 扫码进入课程界面

扫描二维码即可购买课程

授课导师团

内容概览

第1节

杨建益 ｜AI赋能蛋白质结构预测

第2节

王晟｜准确的从头蛋白质结构预测：从RaptorX, tFold到AlphaFold2

第3节

周耀旗 ｜基于能量函数和接触图神经网络的蛋白质设计

第4节

马剑鹏 ｜从算法到应用：全链条AI-赋能新药研发

第5节

陈海峰 ｜基于人工智能的全新蛋白质药物设计

第6节

李喆｜AI-empowered Design of Protein Self-assembly

第7节

原发杰 ｜基于结构的蛋白质语言模型

第8节

王宇光 ｜生成式AI的分子设计

第9节

戚逸飞 ｜人工智能蛋白质设计

第10节

刘思睿 ｜整合实验信息的AI蛋白质预测与解析

第11节

周晓根 ｜高精度蛋白质结构和功能预测方法

第12节

段宏亮 ｜HighFold：基于人工智能的环肽结构预测

第13节

高欣｜人工智能在多肽药物研发中的应用

第14节

王俊卿 ｜基于AI的蛋白质Binder设计：策略与应用前沿

第15节

刘磊峰 ｜蛋白结构解析技术及其在药物研发中的应用

课程亮点

内容丰富！

本套课程覆盖了蛋白质AI设计领域的大多数重要问题。既包括了对蛋白质结构预测原理的深入解读，对AlphaFold模型架构的深度解析，也包括了对蛋白质AI设计方法的剖析和总结，对蛋白质语言模型详细回顾等内容。

此外，本套课程还介绍了大量国内外蛋白质AI设计方法案例。

详见后文课程大纲。

大咖主讲！

蛋白质的AI设计为生命科学新兴探索领域。在本套课程中，多位业内知名的蛋白质结构预测和蛋白质设计的专家倾情奉献，详细介绍了各自工作的最新进展，以及对研究思路的总结，和对技术细节的理解和阐释。

本套课程后期还将陆续增加新的专家和新的内容，敬请期待！

一站式学习！

对于学员来说，通过本套课程，可以一站式了解蛋白质AI设计相关技术方法。

本套课程总时长约12小时，平均每位专家授课45分钟左右。对于关注蛋白质AI设计的业内人员来说，课程信息量极其丰富，值得反复学习和观看！

本套课程的学习不受限于场地和时间，可登录网站在线观看，不限次数学习。

兼顾学术研究与产业转化

本套课程中，多位专家不同程度的介绍了蛋白质AI设计的多个应用方向和应用进展（如蛋白质药物、抗体、环肽、酶的设计等），因此既可作为学术研究的参考资料，也可作为工业界了解蛋白质AI设计的应用前景的窗口。

适用人群及用途

高校、科研院所研究人员

蛋白质结构预测与蛋白质设计互为逆操作。随着AlphaFold等方法带来的蛋白质结构预测技术水平的大幅度提高，蛋白质的AI设计已成为最前沿的学术方向和学术热点之一，许多研究工作已发表于Nature、Cell、Science等顶级学术杂志。

本套课程包含了大量国内外蛋白质AI设计的方法案例，可以作为相关领域高校、科研院所研究人员的学习资料，也可作为课题组项目开题、 自然科学基金标书撰写 等工作的参考。

生物医药企业研发团队

蛋白质的AI设计方法如何应用于蛋白质、抗体、环肽等药物的设计和开发？目前都有哪些进展、技术优势，挑战和未来发展空间？本套课程将帮助生物医药企业研发团队一探究竟！也可作为企业研发项目立项参考！

其他相关人群

本套课程是蛋白质AI设计方法的整体介绍和应用总结，也可作为行业分析师、投资机构的学习材料，用于技术调研、技术评估等用途。

欢迎走进蛋白质的AI设计世界！

报名及咨询

课程价格

1500元/位

报名咨询

请联系漆老师

电话：15618864572（手机微信同号）

邮箱：[email protected]

扫码添加漆老师

购买说明

1.报名成功后，可不限次数学习课程内容

2.本课程为虚拟商品，一经售出不可退款

常见问题

1. 购买课程后能否开票

答：可以开具电子发票（普通发票或专用发票）。购买课程后，添加工作人员微信，将开票信息发送给工作人员获取发票。请确保开票信息正确

2. 能否提供报销材料

答：可以提供课程相关报销材料，请联系工作人员获取

3. 如何报名

答：扫描识别推文中报名二维码，点击"立即订阅"报名。或登录智药邦学院网站www.edu.phaimus.com选择相关课程报名。或微信关注"智药邦"公众号，点击底部菜单栏"学院"报名

4. 如何学习课程，能否下载

答：本套课程为录播课程，共15节，购买后可以随时登陆在线观看，不限次数，不限时间，PC端和移动端均可。课程内容不提供下载

5. 是否有答疑，是否有交流群

答：本套课程不提供答疑。购买课程后可添加工作人员微信，加入学员交流群交流

6. 课程内容与线下大会内容的区别

答：本套课程力求充分介绍蛋白质AI设计的技术细节，专家授课时长平均45分钟左右，与线下大会的专家报告相比，内容安排更加聚焦，对于研究思路和方法的介绍更加具体，对于技术细节的解读和阐释更加到位

课程大纲

第1节 杨建益｜AI赋能蛋白质结构预测

1 引言

蛋白质结构预测原理

蛋白质结构预测中的人工智能

具有代表性的两步走方法

具有代表性的端到端方法

后AlphaFold2时代的进展

2 工作介绍：trRosetta的开发及发展

trRosetta的开发

trRosettaX和trRosettaX2

trRosettaX-Single

Yang-server与AlphaFold2的比较

3 未来发展方向

孤儿蛋白的结构预测

有意识体现生物学功能的结构预测

RNA的结构预测

Q-BioLip：生物分子相互作用数据库

第2节王晟｜准确的从头蛋白质结构预测：从RaptorX, tFold到AlphaFold2

1 背景介绍

为何要做蛋白质结构预测

蛋白质结构预测的关键挑战

蛋白质结构预测的关键点

工作介绍：RaptorX（2016-2018）

2 tFold的进展

以往工作中待改进的问题

工作介绍：tFold接触预测进展 (2019-2020)

3 解密AlphaFold2

RaptorX-Contact和AlphaFold2的关键区别

AlphaFold2的模型架构解析：MSA, Evoformer, Structural Module

4 FastAF2介绍

FastAF2：Further speedup of AF2

FastAF2的关键算法

FastAF2的应用

第3节周耀旗｜基于能量函数和接触图神经网络的蛋白质设计

1 生物分子蛋白质

万能的蛋白靠千变的结构

探索蛋白质的可能结构空间

探索蛋白质的可能功能空间

2 蛋白质设计

蛋白质设计的原理

蛋白质从头设计简史

蛋白质设计的问题

3 基于能量的蛋白质设计

能量函数：级数展开优化

工作介绍：OSCAR-Design

Protein Design用于醛缩酶设计

4 基于AI的从头蛋白质设计

用AI避开能量函数

基于AI的蛋白质从头设计简史

AI大模型引发蛋白质从头设计领域的大爆发

工作介绍：SPIN-CGNN

5 讨论

第4节马剑鹏｜从算法到应用：全链条AI-赋能新药研发

1 复杂生物体系结构研究中的两大瓶颈

实验：复杂体系多重构象的多尺度精密成像和动态分析

计算：复杂体系结构与功能的多尺度智能算法和模型构建

2 计算生物学的重要性

3 AI-赋能新药设计总架构

3.1 目标蛋白选取

3.2 静态蛋白结构建模

工作介绍：OPUS-Fold

AlphaFold2在实际应用中存在的问题

侧链建模的重要性

电镜实验数据图像处理

3.3 动态蛋白结构模拟

专用模拟算法

工作介绍：PCST-SBM

4 总结

第5节陈海峰｜基于人工智能的全新蛋白质药物设计

1 蛋白质骨架设计

蛋白质设计的里程碑事件

蛋白质的从头设计

当前的蛋白质骨架设计方法

工作介绍：GPDL

Argonaute编辑酶的设计改造及方法验证

2 蛋白质序列设计

两类蛋白质序列设计方法

当前主流的设计方法和存在的问题

工作介绍：GPD

CALB酶的设计和验证

3 蛋白质构象生成

动态构象预测重要且尚未解决

开发准确的动态构象预测模型

工作介绍：IDPFold

边界无规蛋白HYPK及突变体的系综预测结果

边界无规蛋白Crk1的系综预测结果

第6节李喆｜AI-empowered Design of Protein Self-assembly

1 引言

蛋白质自组装介绍

蛋白质自组装：从学习到设计

蛋白质自组装的应用

2 基于物理模型的蛋白质自组装设计

蛋白质自组装的设计策略

蛋白质自组装设计的三要素

早期的蛋白质自组装设计

蛋白质多聚体自组装设计

蛋白质纳米笼自组装设计

蛋白质一维纤维自组装设计

蛋白质二维阵列自组装设计

工作介绍：蛋白质三维晶体自组装设计

3 基于深度学习的蛋白质自组装设计

蛋白质设计的深度学习方法介绍

RFdiffusion用于蛋白质自组装设计

深度学习用于蛋白质设计的目前流程

工作介绍：RFdiffusion用于蛋白质晶体设计

4 结论和展望

第7节原发杰｜基于结构的蛋白质语言模型

1 蛋白质背景

蛋白质折叠问题

2 AI背景

BERT vs GPT

大语言模型的发展史

3 蛋白质语言模型回顾

DeepSequence, TAPE, SeqVec (ELMo), ESM-1b, MSA Transformer, ProTrans, ESM-1v, GearNet, ESM-IF1, CARP, MIF, ESM-2, Saprot, ESM-3

4 工作介绍

SaProt：基于结构感知词表的蛋白质语言模型

SaprotHub：让所有生物学家都能进行蛋白质建模

ProTrek：通过三模态对比学习导航蛋白质宇宙

15位行业知名专家讲授！蛋白质的AI设计在线学习课程上新！

正文

请到「今天看啥」查看全文