在线精品课程：深度学习蛋白质设计【10月份上课，5天课程】

一、课程内容

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

同源建模

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RG,RMSD,RMSF,二级结构变化，PCA分析

MM-GB/PBSA方法计算结合自由能

实践范例: 蛋白和小分子配体的分子动力学模拟

第二天

机器学习与深度学习基本知识

a）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

机器学习药物筛选分类案例实操

b）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

深度学习常用的loss介绍

模型评估与优化方法

评估指标：准确率、召回率、F1分数等

优化方法：正则化、Dropout等

超参数调优

超参数对于模型的影响

网格搜索、随机搜索

基于蛋白和分子图结构的深度学习案例实操

c）前沿架构原理及实操

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）Rosettafold和alphafold

AF和AF2的差异与创新

AF3的差异与创新

Alphafold使用详解

AlphaFold 3和AlphaFold 2的区别（包含实践示范：如何使用AlphaFold 3大模型开源服务器进行蛋白质结构预测以及相互作用预测）

Rosettafold详解

c）基于Alphafold的下游应用

基于AF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

蛋白质的从头生成模型

a）扩散模型

b）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

RoseTTAFold All-Atom大模型的介绍

c）Chroma的基本构架与实现

蛋白构象空间全空间采样

d）ProteinGenerator蛋白质骨架与序列设计

与rfdiffusion的异同

e）蛋白设计案例实操

第五天

lecture5 蛋白大语言模型的应用

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

ESMFold大模型的实操

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

d）多肽设计概览

基于RFdiffusion实现多肽设计

基于AF2的环肽设计

e）妙用ChatGPT

GPT直接用于生物体系的探索

二、学习目标

这一课程旨在为学生提供深度学习与蛋白质设计领域的全面知识。通过讲授深度学习的基本概念和前沿技术，学生将理解深度学习在生物信息学特别是蛋白质设计中的具体应用。学生将了解如何使用主流深度学习框架PyTorch进行模型构建与优化，并通过实践操作掌握蛋白质结构预测、蛋白质功能预测和分子对接等关键技术。课程将介绍AlphaFold等先进模型，并探讨其在药物发现中的重要性。同时通过多肽设计、逆向中心法则等专题，学生将全面了解从功能推导结构和从零开始设计蛋白质的策略。

三、讲师介绍

授课老师来自清华大学，科研上致力于计算生物学及生物信息学研究，主要关注深度学习方法（特别是大模型）在生物医学中的应用。除了在清华大学的科研工作外曾在斯坦福大学进行过深度学习预测蛋白质-DNA结合的工作，也曾参与微软研究院蛋白质-小分子大模型相关研究。以第一作者/共同一作在SCI期刊发表研究论文数篇，还曾担任Plos Computational Biology等国际知名期刊的审稿人。

四、授课时间

2024.10.12-2024.10.13

全天课程（上午9：00-11：30下午13：30-17：00）

2024.10.15-2024.10.16

晚上授课（晚19：00—晚22：00）

2024.10.19-2024.10.20

全天课程（上午9：00-11：30下午13：30-17：00）

五、报名费用及福利

公费价：6380元      自费价：5880元