惊爆学界！天才博士靠 Nature 上演 “帽子戏法”，一脚踹翻生物学传统认知

随着生物信息学和人工智能的不断进步，越来越多的创新工具进入了科研人员的视野，推动了科学研究的快速发展。在这些工具中，AlphaFold 3无疑是近年来最为引人注目的一个。作为DeepMind团队推出的最新版本，AlphaFold 3不仅在蛋白质结构预测方面展现了突破性的进展，还通过开源的形式让全球的科研人员能够利用这个强大的工具。

随着大数据技术和人工智能（AI）的飞速发展，生物信息学领域也迎来了前所未有的机遇。人工智能，尤其是机器学习和深度学习，正在逐步改变生物学研究的各个方面。无论是在蛋白质结构预测、药物发现，还是疾病分类等领域，AI都提供了强大的计算能力和分析方法，使得许多传统方法难以完成的任务变得可行。

十大热门

以下为内容介绍

01 AI蛋白质设计

                           内容可向下滑动

第一天

蛋白质结构及分子动力学基础

a）蛋白质设计概述

b）蛋白质结构基础 

pdb文件格式详解

数据库详解

c）分子动力学基础

分子-蛋白对接

蛋白-蛋白对接

可视化软件pymol使用

AMBER分子动力学模拟

高斯加速分子动力学模拟

模拟轨迹分析

MM-GB/PBSA方法计算结合自由能

分子动力学模拟在酶改造中的应用

第二天

a）Python、Numpy基础

b）经典模型

线性及非线性映射：线性回归、逻辑回归

聚类：K-近邻聚类

核方法：支持向量机

树方法：决策树、随机森林

神经网络：多层感知机

scikit-learn 基本调用实操

c）深度学习

深度神经网络DNN

卷积神经网络CNN

循环神经网络RNN

d）前沿架构及复现

Transformer

BERT

GPT

ViT

第三天

蛋白结构预测及其下游应用

a）蛋白结构预测背景介绍

b）Alphafold

AF和AF2的差异与创新

AF3的差异与创新

Alphafold使用详解

c）基于Alphafold的下游应用

基于AF2的蛋白-蛋白对接/蛋白-多肽对接

利用AF2做多构象预测和功能发现

基于AF2的环肽设计

d）trrosetta幻想设计

e）基于ProteinMPNN的蛋白质设计

MPNN模型简介

设计流程

方法比较

第四天

蛋白质的AI生成模型

扩散模型

a）RFdiffusion实现蛋白结构设计

蛋白Binder生成

蛋白骨架设计

单体蛋白从头生成

多聚体蛋白从头生成

RFdiffusion在酶改造中的应用

b）Chroma的基本构架与实现

蛋白构象空间全空间采样

c）ProteinGenerator蛋白质骨架与序列设计

与rfdiffusion的异同

蛋白语言模型

a）ProGEN与ProGEN2

模型构架讲解

与基于结构方法的比较

性能与改进 

b）ESM-fold

ESM-fold的基本架构

ESMfold网络讲解

与alphafold方法的对比

ESM-fold的性能评估

c） 基于大语言模型的下游应用

孤儿蛋白结构的预测

大型蛋白复合物结构预测

基于蛋白语言模型的酶设计

第五天

基于深度学习的蛋白质挖掘与改造

a)基于alphafold的酶挖掘

b)通过预测蛋白复合物发现生命过程新机制

c)基于大语言模型的新酶挖掘

d)深度学习从基因组挖掘全新蛋白

e)综合：结合多种深度学习与计算工具的蛋白改造流程

02 合成生物与基因电路设计

                           内容可向下滑动

第一天

合成生物学基础概念与应用领域剖析

1.深度解读合成生物学精准定义，系统阐述其涵盖研究内容，沿着发展历程脉络回溯，展望未来趋势，全方位扫描应用领域。

2.通过详实案例分析，将合成生物学在医药、农业、工业等实际场景的应用具象化，让学员感知其变革力量。

生物元件功能精讲与标准化设计准则

1.聚焦生物元件，如启动子精准调控转录起始、终止子界定转录终点、RBS 驱动核糖体结合开启翻译。

2.结合 BioBrick 元件设计范式与应用实例，传授生物元件模块化设计黄金法则，助力学员掌握构建标准化生物模块的精髓。

第二天

基因线路逻辑架构搭建与实例演练<