专题会相关信息
整合结构生物学、计算化学与AI算法（图神经网络、扩散模型等），构建从理论到应用的完整知识框架。
实战能力系统培养12h ：
通过真实案例演练，掌握蛋白质结构预测、功能设计、动态模拟及实验验证全流程，覆盖工具链。
1月23日：基础奠基
掌握结构生物学核心概念+AI蛋白结构预测与分子对接（含实操）
——中科院+先进生物技术驱动型企业
1月24-25日：工具实战
应用理论+熟练运行工具链（ESM、ProteinMPNN、RFdiffusion等）解决安装与结果解析痛点
——浙江大学
课程详细大纲：
（1月23日）蛋白质结构功能研究
（上午8:00-9:00）
1.蛋白质结构功能研究进展
2.实验结构生物学研究技术
3.蛋白质晶体及电镜结构解析流程
4.蛋白质结构解析案例
AI蛋白结构预测与分子对接
（上午9:00–12:00；下午13:30–17:00）
1.蛋白结构的获取方法（9:00–10:00）
•冷冻电镜/X射线结构 vs. AI预测结构的互补性案例分析
•Alphafold2 本地版本介绍及使用方法介绍
•蛋白结构预测软件的使用方法(在线,VPN, Alphafold server neurosnap.ai)
2. 理论基础与流程概览（10:15–11:00）
•分子对接的定义与应用场景
•药物发现流程中的位置
•受体-配体相互作用基础（氢键、疏水、范德华力等）
•打分函数简介（经验式、基于能量、机器学习类）
3. 软件与数据准备（11:00–12:00）
•常用工具介绍：（AutoDock、AutoDock Vina、Glide、MOE等）
•蛋白结构下载与预处理（PDB → 清洗 → 加氢）
•配体结构准备（2D转3D、能量最小化、格式转换）
•结合位点定义（文献/晶体结构/预测工具）
4. 实操：完整对接流程（13:30–15:30）
•配置对接参数（config.txt 编写）
•命令行运行 AutoDock Vina
•结果解读：打分、构象、相互作用（PyMOL可视化）
•快速筛选最优构象
5. 案例演练与讨论（15:45–17:00）
•案例：某激酶抑制剂对接（真实PDB结构）
•结果分析与问题排查（打分异常、构象不合理）
•结果分析与可视化
•答疑与后续学习建议
（1月24日）计算环境搭建与蛋白质序列设计
（上午：9:00-12:00 下午：13:30-16:30）
上午: 模块一 & 模块二
模块一：Linux基础 — Linux, Conda, VScode & Docker
目标：为后续所有软件安装和运行扫清障碍，建立规范、可复现的科研计算环境管理能力。
模块二：ESM模型探索 — 从安装到基础应用
目标：掌握Meta AI的ESM系列工具，为蛋白质序列分析和结构预测打下基础。
下午: 模块三
模块三：ProteinMPNN深度实践 — 反向折叠与序列设计 (3小时)
目标：精通使用ProteinMPNN，根据给定的蛋白质骨架设计出全新的、高稳定性的氨基酸序列。
（1月25日）蛋白质结构生成与综合项目实战
（上午：9:00-12:00 下午：13:30-16:30）
上午: 模块四
模块四：RFdiffusion核心技术 — 从无到有生成蛋白质骨架 (3小时)
目标：掌握蛋白质结构生成工具RFdiffusion，实现从头设计全新拓扑结构的能力。
下午: 模块五 & 模块六
模块五：RFdiffusion引导的Binder骨架生成
项目背景：设计一个能够特异性结合EGFR（表皮生长因子受体）的全新蛋白binder，用于潜在的癌症治疗应用。EGFR在多种癌症中过表达，是重要的药物靶点。
模块六：序列生成
课程总结与讨论
回顾完整设计流程：靶标分析→ 骨架生成 → 序列设计 → 结构验证。
讨论挑战与改进方向，介绍后续优化策略。
课程总结与Q&A:
回顾两天课程的核心知识点与工作流。
探讨AI蛋白质设计的当前局限与未来发展方向。
提供进一步学习的资源和路径建议。
开放式问答环节，解决学员所有遗留问题。
评论 (0)