p53-MDM2 (AstraZeneca)

七大顶尖专题课程 01 AI蛋白质设计最新前沿实站应用 02 AI驱动合成生物学 03 AI智能体驱动生物医学实战应用 04 AI+抗体设计实战应用 05 AI构建虚拟细胞实战应用 06 人工智能驱动的计算免疫学实战应用 07  AI+多肽设计实战应用 重磅优惠: ①提前报名可优惠300元（仅限前15名） ②报二送一（同时报名两个直播课免费赠送一个学习名额赠送课任选） ③报名学习课程可赠送往期课程回放（报多少赠双倍） （可点击跳转详情链接）： 回放一：本课程为视频课！机器学习生物医学培训！ 回放二：本课程为视频课！单细胞空间转录组培训！ 回放三：本课程为视频课！比较基因组学培训！ 回放四：本课程为视频课！机器学习蛋白质组学培训 回放五：本课程为视频课！机器学习微生物组学培训 回放六：本课程为视频课！蛋白质晶体结构解析培训 回放七：本课程为视频课！CRISPR-Cas9基因编辑培训 回放八：本课程为视频课！机器学习代谢组学培训！ 回放九：本课程为视频课！深度学习基因组学培训！ 回放十：本课程为视频课！CADD计算机辅助药物设计培训！ 回放十一：本课程为视频课！AIDD人工智能药物设计培训！ 01 AI蛋白质设计（最新前沿） *涉及使用代码/计算工具的操作 第一天：熟悉超算环境与蛋白质从头设计实践 1.环境搭建：Linux，VScode，Jupyter notebook* a)超算的登录 b)Linux系统的常用shell命令：vim, ls, cd, less, rm等； c)一些package安装的常用命令：pip, conda, source等。 d)Jupyter notebook的安装和使用。 e)VScode的基本配置：连接服务器；选择不同python版本的Interpreter；debug模式的使用等。 2.基础知识讲解 a)三类方法在不同程度上探索蛋白质序列空间： i.        蛋白质定向进化（directed evolution） ii.       固定蛋白质主链的序列设计（Fix-backbone protein design） iii.      蛋白质的从头设计（De novo protein design） b)关键数据库：RCSB PDB， SCOPe， CATH， UniRef， BFD等 c)常见概念和名词： rotamer，scaffold， motif，domain，backbone，side-chain，apo和holo结构， d)使用的不同模型的原理，transformer，diffusion模型，Flow Matching等。 3.Rfdiffusion3+ProteinMPNN生成序列 a)Rfdiffusion3生成蛋白质骨架结构，ProteinMPNN精细的生成氨基酸序列。 b)Rfdiffusion3的安装实操 c)Rfdiffusion3的使用实操 d)ProteinMPNN的安装实操 e)ProteinMPNN的使用实操 f)Rfdiffusion+ProteinMPNN生成序列，AphaFold2筛选序列。整体实操流程： i.          计算SAP（Spatial Aggregation Propensity）的值，选择3-6个氨基酸作为hotspot，即结合位点；这里需要使用Rosetta进行计算，首先将安装rosetta，准备蛋白，再计算每一个氨基酸的SAP值，将SAP数值映射到结构上。选择hotspot位点。 ii.          Rfdiffusion结构设计，生成~10000个蛋白质主链结构； 根据上面挑选得到的hotspot位点，更改相应的hotspot参数，生成新的结构 iii.          ProteinMPNN-FastRelax进行序列设计，每一个主链结构两个对应的序列，共设计~20000个序列； iv.          筛选:使用AlphaFold2预测设计结构，预测的置信度pAE<10，预测结构与设计结构的RMSD<1A，从中挑选95个进行实验验证。 4.其它的蛋白质设计方法的实操* a)BindCraft——序列生成和筛选的自动化实现 BindCraft相比于Rfdiffusion+ProteinMPNN更加用户友好，一站式设计流程，序列的生成和筛选自动化实现。将讲解其中参数的设计和选择，如过滤序列条件、生成氨基酸的偏好性等。使用包括置信度评分（如AlphaFold2预测得到的pLDDT、ipTM）、物理指标（如Rosetta界面能量）和序列特征（如疏水性比例）进行筛选。  b)MIT开发的Bolzgen方法原理、安装使用讲解。     安装和使用boltzgen讲解，将详细讲解yaml配置文件的写法，以一个靶点为例，从头生成VHH与该靶点结合。 c)PPIFlow：基于flow-matching的生成方法，原理，安装和使用方法。 第二天：蛋白质结构预测和分析 1.蛋白质结构预测方法 1)从CASP比赛结果来简述蛋白质结构预测方法的发展。基于能量函数 -> 接触图的应用 -> 端到端的预测结构（AlphaFold2）。 2)AlphaFold2的模型相比于以前的方法有什么改进      a)将基于MSA和基于模板的方法整合，使用注意力机制进行MSA信息和模板信息的相互交流。      b)以前提取MSA信息为计算协方差矩阵，AlphaFold2创造性的直接将MSA信息作为输入，将图像识别的算法转变成了自然语言处理算法，减少了中间处理过程中的信息损失。 3)AlphaFold3相比于AlphaFold2改进了什么，还有什么不足。     a)扩展到了多种生物分子的复合物结构预测，包括蛋白质-DNA、蛋白质-RNA、蛋白质-小分子，并使用扩散模型。     b)复合物组装与动态预测缺陷，抗体-抗原复合物结构准确度有待提高。 4)运行网页server上的AlphaFold3预测结构，https://alphafoldserver.com* 5)如何使用AlphaFold3预测蛋白质的糖基化，不同糖基化的类型的输入方法。 6)AlphaFold3输出结果分析，各项置信度指标的含义，以及如何判断预测的准确度，如pLDDT，ipTM，PTM，PAE。2.ESMFold2的安装和使用。 3.蛋白质结构分析和可视化 1)pdb文件的解读，每一行中的内容代表什么含义。 2)用 pymol 可视化蛋白质结构* a)pymol的基础操作讲解 b)如何将实验值投影到结构图的颜色上，如何画出发表文章中好看的图 3)计算蛋白质结构中两个氨基酸的距离*   a)使用python的文本文件操作实现   b)使用python中biopython包实现 4.蛋白质结构相关物理性质的计算*   1)二级结构的分类和计算   2)溶剂可及表面积（SASA）的讲解及计算 第三天：蛋白质序列分析，数据挖掘和训练数据准备 讲解和实操： 1. 获得同源序列 1)了解不同蛋白质序列库，如UniRef90，UniClust30，Pfam等 2)了解不同工具原理并使用：NCBI BLAST，Jackhmmer，HHblits 3)给定一条蛋白质序列，比对序列库，生成多序列比对（MSA）* 从AlphaFold2的经典代码仓库中找到它的生成MSA的代码并学习（alphafold/alphafold/data/tools/jackhmmer.py）。 运行示例：jackhmmer --cpu 8 -N 2 -E 1e-7 query.fasta uniprot_sprot.fasta -o output.sto 2. 对MSA进行频率分析* 1)使用python的文本文件操作实现 2)使用python中biopython包实现 3)绘制序列Logo，可视化的展示每个位点的氨基酸频率和保守性 3. 序列的同源性计算和进化树的绘制* 1)不同同源性的计算方法及应用情景，氨基酸序列的identity和Similarity，BLOSUM62的介绍。 2)进化树的绘制 4. 基于序列相似性阈值划分训练集和测试集* 1)为什么要做？避免数据泄露 2)选择相似性度量方法 3)相似性矩阵的计算 4)划分数据集 5. 大规模蛋白质序列的聚类分析和去冗余* 1)为什么要做？防止过度学习某一类序列特征，消除序列偏差；也能防止训练过程中数据泄露。 2)聚类方法的选择，CD-HIT、MMseq2和Linclust 3)选择代表序列，去冗余 4)实际复现S2ALM这一模型文章中的聚类方法。mmseqs easy-cluster examples/DB.fasta clusterRes tmp --min-seq-id 0.7 -c 0.8 --cov-mode 1 第四天：蛋白质的大语言模型及其应用 1.基础知识讲解       1)介绍蛋白质的语言模型（26字母语言模型->20氨基酸字母表，上下文依赖->氨基酸的共进化）      2)为什么要开发蛋白质大语言模型？1. 相比于结构或功能信息，序列信息更加海量；2. 蛋白质序列通过进化而来，可以学习蛋白质基本规律，折叠，共进化等      3)模型架构和基础理论：transformer，多头注意力机制，Bert，GPT，T5等 2.基于Bert架构的蛋白质语言模型    1)ESM系列（ESM-1b、ESM-1v、ESM2、ESM C）2)ESMFold：无需MSA信息的结构预测 3)使用抗体序列库训练的语言模型：Ablang，AntiBERTy 3.类似GPT的生成模型ProGen 1)36层Transformer解码器架构，包含12亿参数 2)引入“控制标签”（如蛋白质家族ID、功能属性）作为输入，生成蛋白质序列空间以外的新的蛋白质序列 3)成功生成新的溶菌酶 4.多模态的蛋白质语言模型ESM3 1)模型架构融合序列，结构和功能信息 2)相比于ESMFold，单体结构预测精度更好 3)基于多模态提示（序列、结构、功能关键词）设计新的蛋白质序列 4)ESM3的安装，生成序列，快速结构预测。*5.蛋白质语言模型的应用和实战演练* 1)获得序列embedding以构建下游模型（Cell systmes文章举例），从文章github仓库中提炼序列embedding的代码并学习使用。https://github.com/fhalab/MLDE?tab=readme-ov-file#generating-encodings-with-generate_encoding.py，看懂代码中EncodingGenerator的类，将这个类方法用在我们自己的代码上，实现蛋白质序列的不同方式encoding，包括"onehot", "georgiev", “esm”系列模型。2)使用不同的蛋白质语言模型，零样本的预测蛋白质突变效应。3)给定少量的突变效应数据作为训练数据，训练模型，预测新的突变效应值。 第五天：深度学习辅助酶设计 1.基础知识讲解 酶的过渡态理论，theozyme，fitness landscape，epistasis 2.酶学性质预测 1.DLKcat与GotEnzyme数据库介绍 2.UniKP:利用预训练模型挖掘、改造Kcat 3.CLEAN:基于对比学习的EC号预测挖掘稀有脱卤酶 3.蛋白质热稳定性改造 1.MutCompute介绍 2.利用MutCompute改造PETase(Nature) 3.ThermoMPNN介绍与使用* 4.Pythia介绍与使用* 4.从Frances H. Arnold（2018年因在酶的定向进化领域的贡献获得诺贝尔化学奖）的工作看酶的定向进化方法的发展 1. 传统定向进化实验流程 2. MLDE（Mechine Learning Directed Evolution），学习序列与酶性能之间的映射关系，推荐新的突变组合（PNAS文章） 3.ftMLDE（focused training MLDE），主动学习流程，构建informative的训练数据（Cell Systems文章）。零样本突变效应预测挑选数据集，再通过小样本数据训练的策略微调。5.酶的从头设计 1.从头设计Diels-Alder催化酶 a)基于Rosetta的Inside-out策略（Science文章） b)通过Foldit蛋白质折叠游戏改善结构问题（Nat. Biotechnol.文章）；c)Foldit蛋白质折叠游戏的实践*2.从头设计荧光素酶，Family-wide hallucination，基于该酶家族的结构幻化出新的结构（Nature文章） 3.RFdiffusion+PLACER从头设计丝氨酸水解酶（Science文章） 6.利用预测结构的相似性，挖掘序列的新酶功能（复现顶刊cell文章）* 1. InterPro数据库中下载数据 2. TM-score计算结构距离 3. UPGMA结构聚类，画出进化树 4. 挑选序列 第六天： 蛋白质功能与互作预测；实验验证与”设计-构建-测试“闭环  1. 蛋白质功能预测：   1) 基础知识：   a) 基因本体论（Gene Ontology, GO），   b) MF/BP/CC，MF Molecular Function    分子功能；BP Biological Process     生物过程；CC    Cellular Component 细胞组分。   c) GAF (GO Annotation File) 文件。   d) 本体文件来理解GO术语之间的层次关系。   e) 解析GAF，提取蛋白质ID和GO ID。 2)ProteinKG65构建蛋白质知识图谱，将基因本体论的知识带入蛋白质功能和结构预测 3)DeepGO-SE，结构感知的GO预测模型 4)DEEPTRANS ，初级主动运输蛋白（PAT）分类 RAG（检索增强生成）+ ProtT5嵌入 + 多尺度CNN，从TCDB数据库检索上下文知识 94.78%和93.06%的平均准确率；对新PDB蛋白90%准确率。 2.实验验证与“设计-构建-测试”闭环 以Genetech的lab-in-the-loop为例，讲解产业界AI工作，结合了实验和计算方法的迭代优化策略的工作。完整闭环遵循Design（AI 计算设计）→Build（自动化合成构建）→Test（高通量实验测试）→Learn（数据回流重训模型），循环往复迭代优化，每一轮循环都压缩候选范围、提升模型预测精度。 a)Design 计算端：AI 模型生成候选方案，精准缩小实验范围：主动学习采样策略：AI 不只挑 “当前最优分子”，还会主动选取边界样本、预测不确定样本安排实验，刻意补齐数据集盲区，避免模型过拟合。 b)Build 构建端：自动化实验平台完成合成 / 表达（实验硬件闭环） c)Test 测试端：湿实验高通量测评，产出真实量化结果 d)Learn 学习端：实验数据回流，全量更新 AI 模型，本轮实测数据加入训练集，重新微调深度学习模型。开启下一轮循环。 培训目标： 培训全程理论结合实操，免费提供超算服务器使用！通过手把手教学Linux超算环境搭建、PyMOL可视化、序列分析、数据集处理和模型构建，让学员快速掌握蛋白研究必备技能！通过详细讲解实操AlphaFold2、AlphaFold3、ColabFold等工具，精通高精度蛋白质结构预测、糖基化预测与结构评估分析！通过系统精讲ESM全系列蛋白质大模型，掌握序列编码嵌入、零样本突变预测与模型训练方法！通过实操Boltzgen、PPIflow、Rfdiffusion3、ProteinMPNN、ThermoMPNN、BindCraft等主流工具，熟练掌握全套AI蛋白质设计流程！课程重点讲解深度学习辅助酶设计、机器学习定向进化等前沿方向，复刻十余篇Science、Nature、Cell顶刊研究思路与实验范式！从结构预测、序列挖掘、大模型应用到蛋白从头设计、酶改造优化，多方向、全流程覆盖当下蛋白质设计核心技术体系！ 上下滑动查看更多 02 AI驱动合成生物学 一、AI合成生物学总览与数据基础 1. 合成生物学的工程化框架 1.1 合成生物学的核心对象：parts、devices、circuits、pathways、genomes、cells。 1.2 从传统“试错式工程”到 AI 驱动的设计闭环。 1.3 DBTL 框架：Design、Build、Test、Learn。 1.4 AI 在 DBTL 中的位置：预测、生成、筛选、推荐、自动化实验、闭环优化。 1.5 为什么合成生物学需要 AI：组合空间巨大、上下文依赖强、实验成本高、数据噪声大。 2. AI 合成生物学的数据类型 2.1 DNA/RNA 序列数据：启动子、增强子、RBS、UTR、终止子、riboswitch、gRNA。 2.2 蛋白序列与结构数据：酶、受体、转录因子、变构开关、传感器结构域。 2.3 表达与表型数据：荧光、转录强度、产量、滴度、速率、动态范围、EC50。 2.4 多组学数据：转录组、蛋白组、代谢组、CRISPRi扰动数据。 2.5 高通量实验数据：MPRA、筛选库、条形码测序、自动化 biofoundry 数据。 3. AI 方法基础 3.1 监督学习：从序列或组学特征预测功能和表型。 3.2 生成模型：从目标功能反向生成 DNA、RNA、蛋白或线路方案。 3.3 主动学习与贝叶斯优化：决定下一轮最值得做的实验。 3.4 基础模型：蛋白语言模型、基因组语言模型、多模态生物模型。 3.5 AI agent：从单个预测工具到自动化实验设计助手。 3.6 模型评估：准确率、R2、MAE、外推能力、不确定性、实验验证成功率。 二、人工智能生物元件设计 1. 生物元件的基本类型 1.1 启动子：表达强度、细胞类型特异性、条件响应。 1.2 增强子与顺式调控元件：调控语法、motif组合、位置效应。 1.3 RBS、5'UTR 和翻译调控元件：核糖体结合、翻译效率、mRNA结构。 1.4 终止子与绝缘元件：表达边界、上下文隔离、转录终止效率。 1.5 riboswitch 与 RNA 元件：小分子响应、RNA结构调控、可编程传感。 1.6 蛋白元件：转录因子、结合结构域、酶、传感器受体、降解标签。 2. 传统元件设计与 AI 元件设计 2.1 传统方法：经验突变、motif拼接、文库筛选、理性设计。 2.2 AI 预测：从序列预测表达强度、特异性、响应曲线和上下文适配性。 2.3 AI 生成：按目标表达模式或细胞类型生成新调控序列。 2.4 AI 优化：在表达强度、特异性、稳定性和宿主负担之间做权衡。 2.5 关键难点：数据规模、实验噪声、宿主差异、序列上下文、模型可解释性。 3. 启动子与调控元件设计前沿 3.1 MPRA 数据如何训练调控元件模型。 3.2 深度学习如何学习调控语法：motif、位置、方向、组合关系。 3.3 细胞类型特异调控元件的机器引导设计。 3.4 PARM：从 DNA 序列预测 promoter activity。 3.5 DNA-Diffusion：扩散模型生成细胞类型特异调控序列。 3.6 微生物启动子生成与代谢工程中的表达调节。 实操：启动子、RBS 与调控元件快速判读* 使用 JASPAR 或 MEME Suite 对一段启动子/增强子序列做 motif 扫描或 motif discovery，观察模型如何把 DNA 序列转换成“转录因子结合位点/调控语法”线索；使用 Salis Lab Genetic Systems Calculator / RBS Calculator 输入 CDS 与目标翻译起始率，比较不同 RBS 设计对表达强度的影响。课堂产出为 motif 命中结果、RBS 设计结果截图和“哪些结果可以进入下一轮实验验证”的简短判断。 4. 本章重点 本章让学员理解：AI 元件设计的本质，是从“查已有元件”转向“按目标表达行为设计新元件”。元件设计是后续基因线路、代谢工程和传感器构建的基础。 三、AI基因线路设计 1. 基因线路基础 1.1 基因线路的概念：用 DNA 编写细胞行为。 1.2 基础逻辑门：NOT、AND、OR、NAND、NOR。 1.3 经典线路：toggle switch、repressilator、feed-forward loop、feedback control。 1.4 输入、处理与输出：诱导物、传感器、调控模块、报告基因。 1.5 线路性能指标：动态范围、响应速度、泄漏表达、鲁棒性、负载效应。 2. 为什么基因线路难设计 2.1 非线性动力学：Hill函数、反馈、双稳态、振荡。 2.2 宿主负载：转录翻译资源竞争、代谢压力、生长耦合。 2.3 上下文效应：元件连接后功能变化。 2.4 噪声与异质性：单细胞差异与群体平均的差别。 2.5 进化稳定性：突变、沉默、选择压力和线路失效。 3. 线路设计中的模型方法 3.1 ODE 机理模型：从参数和方程理解线路动态。 3.2 逻辑综合：从目标真值表到基因门组合。 3.3 Cello 与 Cello v2：把电子设计自动化思想迁移到遗传线路设计。 3.4 机器学习代理模型：快速预测线路行为。 3.5 高通量线路测量：从一个一个调试到大规模设计空间映射。 3.6 生成式线路设计：从目标动态功能反向生成线路结构。 实操：CelloCAD 逻辑线路自动设计演示* 使用 Cello / CelloCAD 输入简单逻辑需求，例如 AND、NOT 或两输入逻辑门，观察工具如何从高层逻辑规格转换为遗传门组合、元件库选择和候选 DNA 设计。课堂重点不做复杂线路调参，而是让学员理解“电子设计自动化思想如何迁移到基因线路设计”。 4. 本章重点 本章让学员理解：AI 基因线路设计并不是简单预测一个元件，而是在元件组合、动态行为、宿主环境和进化稳定性之间做系统设计。AI 的价值在于帮助探索巨大组合空间，并把线路设计从手工调参推向自动化。 四、AI基因组工程 1. 基因组工程基础 1.1 基因组工程的目标：敲除、插入、替换、调控、重写。 1.2 CRISPR-Cas 系统：Cas9、Cas12、Cas13 的基本差异。 1.3 base editing、prime editing、CRISPRa/i、epigenome editing。 1.4 gRNA、PAM、on-target、off-target、编辑窗口和递送方式。 1.5 合成生物学中的基因组工程：通路整合、宿主优化、基因组压缩、基因组重编码。 2. AI 如何辅助 CRISPR 设计 2.1 gRNA 活性预测：序列特征、GC含量、局部结构、染色质状态。 2.2 off-target 预测：相似序列、错配、插入缺失和安全评估。 2.3 编辑结果预测：indel分布、修复偏好、base editing效率。 2.4 多基因编辑与组合扰动设计。 2.5 CRISPRi/a 在代谢工程和线路调控中的应用。 3. AI 设计基因编辑器与基因组基础模型 3.1 从自然 CRISPR 系统挖掘到 AI 生成编辑器。 3.2 OpenCRISPR-1：AI 设计高功能基因编辑器的案例逻辑。 3.3 大规模基因组/宏基因组数据如何训练 CRISPR-Cas 模型。 3.4 Evo 2 等基因组语言模型：从单核苷酸分辨率理解和生成基因组序列。 3.5 基因组语言模型在变异解释、调控序列生成、合成基因组设计中的潜力。 3.6 AI 基因组工程的双重用途风险与安全边界。 实操：CRISPR 靶点与 gRNA 候选筛选* 使用 CHOPCHOP 或 CRISPOR 输入教学用基因名、基因组坐标或示例 DNA 序列，比较候选 gRNA 的 on-target 分数、PAM、GC 含量和 off-target 风险。 4. 本章重点 本章让学员理解：AI 基因组工程包括三个层次，一是优化 gRNA 和编辑实验，二是设计新的编辑器蛋白，三是用基因组基础模型理解和生成更大尺度的 DNA 程序。课程强调科研理解与安全边界，不提供高风险操作性设计五、AI代谢工程与细胞工厂 1. 代谢工程基础 1.1 代谢工程的目标：提高目标产物的产量、滴度、速率和稳定性。 1.2 细胞工厂：E. coli、Saccharomyces cerevisiae、Pseudomonas putida 等常用底盘。 1.3 通路设计：异源通路引入、关键酶优化、辅因子平衡。 1.4 代谢瓶颈：底物流向、能量供应、毒性、副产物、宿主负担。 1.5 传统策略：基因敲除、过表达、启动子调节、酶突变、适应性进化。 2. 代谢工程中的计算模型 2.1 Genome-scale metabolic model。 2.2 FBA、pFBA、FVA、MOMA 等约束模型。 2.3 COBRApy、COBRA Toolbox、cameo、StrainDesign。 2.4 从代谢网络模型到基因干预建议。 2.5 模型局限：参数缺失、调控缺失、动力学缺失、实验上下文差异。 3. AI 驱动的 DBTL 与菌株推荐 3.1 代谢工程为什么适合主动学习。 3.2 从组学数据、产量数据和构建信息训练模型。 3.3 贝叶斯优化与不确定性量化：选择下一轮最有价值的菌株。 3.4 ART：Automated Recommendation Tool 在合成生物学中的应用。 3.5 自动化 biofoundry：机器人实验、自动化测量和机器学习闭环。 3.6 CRISPRi 组合扰动与代谢通量调控。 实操：酶挖掘、通路候选与代谢流预测* 使用 BRENDA 或 Selenzyme 从一个目标反应出发筛选候选酶，关注 EC 编号、底物范围、来源物种和文献证据；使用 KBase Run Flux Balance Analysis 或 Escher-FBA 演示通量平衡分析，观察培养基、反应敲除或目标函数变化如何影响生长和目标产物通量。若课堂时间有限，本章只保留 KBase/Escher-FBA 的代谢流演示。 4. 本章重点 本章让学员理解：代谢工程不是单个基因的优化，而是细胞系统层面的资源重分配。AI 的价值在于把实验数据、组学数据、通路模型和下一轮设计建议连接起来，加速细胞工厂开发。 六、AI生物传感器设计 1. 生物传感器基础 1.1 生物传感器的作用：把不可见分子或细胞状态转化为可测信号。 1.2 传感器输入：小分子、代谢物、离子、蛋白、RNA、环境信号。 1.3 传感器输出：荧光、发光、颜色、电化学信号、抗性、生长优势。 1.4 传感器类型：转录因子传感器、riboswitch、CRISPR诊断、蛋白变构开关、FRET传感器。 1.5 传感器指标：特异性、灵敏度、动态范围、EC50、LOD、响应时间、背景噪声。 2. 生物传感器与合成生物学闭环 2.1 传感器是 DBTL 中 Test 环节的关键入口。 2.2 传感器如何支持高通量筛选。 2.3 传感器如何把代谢物浓度转化为训练数据。 2.4 传感器与代谢工程、酶工程、线路设计的结合。 2.5 传感器失效原因：交叉响应、泄漏表达、动态范围不足、宿主背景干扰。 3. AI 如何设计和优化传感器 3.1 受体设计：为目标小分子或蛋白设计识别结构域。 3.2 转录因子传感器改造：结合口袋、特异性和响应曲线优化。 3.3 变构蛋白开关：受体域和报告域的组合设计。 3.4 机器学习辅助突变库筛选。 3.5 剂量响应曲线建模与传感器变体排序。 3.6 生物传感器在细胞工厂开发中的闭环价值。 实操：酶与传感器蛋白性质预测* 使用 Protein-Sol 或 SoluProt 输入候选酶/传感器蛋白序列，快速预测可溶性表达倾向；使用 DeepSTABp、FireProt 2.0 或 DynaMut2 评估热稳定性或突变对稳定性的影响；如需补充活性/底物层面的判断，可演示 DeepMolecules 对 enzyme-substrate pair、kcat 或 KM 的预测。 4. 本章重点 本章让学员理解：生物传感器不仅是检测工具，更是 AI 合成生物学的“数据接口”。没有高质量传感器，许多代谢工程、酶工程和线路优化问题就无法高通量学习。 七、代码实战：复现成熟 AI-SynBio pipeline 1. 功能代码实战 2.1 生物元件生成主线：DNA-Diffusion 公开 Colab： 训练与序列生成 https://colab.research.google.com/github/pinellolab/DNA-Diffusion/blob/main/notebooks/training_and_sequence_generation.ipynb 使用 Hugging Face checkpoint 直接生成序列 https://colab.research.google.com/github/pinellolab/DNA-Diffusion/blob/main/notebooks/sequence_generation.ipynb 替换自定义数据训练与生成：https://colab.research.google.com/github/pinellolab/DNA-Diffusion/blob/main/notebooks/new_data_training_and_sequence_generation.ipynb 课堂用途：作为第一主线，演示“输入细胞类型/训练数据，输出候选合成调控 DNA 序列”的完整生成式 AI 流程。 2.2 调控效果评估主线：Enformer / AlphaGenome 公开 Colab： DeepMind Enformer 使用示例 https://colab.research.google.com/github/deepmind/deepmind_research/blob/master/enformer/enformer-usage.ipynb Google DeepMind AlphaGenome 可视化示例 https://colab.research.google.com/github/google-deepmind/alphagenome/blob/main/colabs/visualization_modality_tour.ipynb 课堂用途：与 DNA-Diffusion 串联，用生成出的候选 DNA 序列或示例变异片段，查看模型预测的调控效果。 2.3 代谢网络建模主线：COBRApy 公开 Colab： COBRApy 代谢模型教学示例 https://colab.research.google.com/github/GibbonsLab/isb_course_2021/blob/main/models.ipynb 课堂用途：展示 FBA、通量平衡分析、培养基条件调整、基因敲除模拟和生长/产物权衡。 2.4 CRISPR 辅助设计主线：GuideHOM / CRISPR-GEM 公开 Colab： GuideHOM gRNA on-target/off-target 预测 https://colab.research.google.com/drive/1VJkhQeqW1OkMG0VJoxcpML7LtnkvTX9e?usp=sharing CRISPR-GEM 靶基因优先级分析 https://colab.research.google.com/github/jog822/CRISPR-GEM/blob/main/CRISPR_GEM_Github.ipynb 课堂用途：作为基因组工程备选实操，展示“候选靶点/候选基因输入，输出编辑效率、脱靶风险或靶基因优先级”的分析流程。 2.5 生物语言模型展示：Evo / Evo 2 公开 Colab： Evo hello_evo 示例：https://colab.research.google.com/github/evo-design/evo/blob/main/scripts/hello_evo.ipynb 课堂用途：展示 DNA 语言模型如何读取、补全和生成序列。 2.6 GitHub 与顶刊 pipeline 拓展 PARM、ART、Cello v2、JBEI Isoprenol_CRISPRi、CRISPR-GPT 和 Evo 2 仍作为课程重要参考项目。其中 PARM 与 ART 更适合作为课后拓展或本地复现实验，不放在第一版课堂主跑流程中，避免安装依赖和运行环境占用过多授课时间。 2. 实操运用串联 DNA-Diffusion + Enformer： 串联方式： 第1步：打开 DNA-Diffusion 的 sequence_generation Colab，使用公开 checkpoint 生成一批候选调控 DNA 序列。 第2步：将候选序列整理成 FASTA 或 CSV，保留序列 ID、目标细胞类型、生成参数和模型得分。 第3步：打开 Enformer Colab，选取代表性候选序列或使用课程预置片段，查看模型预测的调控信号、基因表达相关轨迹或变异效应。 第4步：根据预测结果筛选候选序列，并回到 DNA-Diffusion 的生成参数或训练数据设计，形成“小型 DBTL 闭环”。 课堂说明：这条链路可以串联讲，但不设计成一键全自动 pipeline。正式授课时应提前准备中间 FASTA/CSV 样例、截图结果和备用输出，确保网络或 GPU 波动时仍能顺利讲解。 COBRApy + ART ： COBRApy 负责稳定演示代谢模型和 FBA，ART 负责讲解机器学习如何推荐下一轮构建设计。该组合适合学员偏代谢工程、菌株设计或细胞工厂开发的班型。 GuideHOM + CRISPR-GEM： GuideHOM 展示 gRNA 效率与脱靶风险评估，CRISPR-GEM 展示靶基因优先级分析。该组合适合学员偏基因组工程、功能基因筛选或 CRISPR 实验设计的班型。 3. 实战讲解流程 4.1 pipeline 背景：对应论文、解决什么问题、在课程主线中的位置。 4.2 代码仓库结构：README、安装文件、数据目录、模型文件、运行入口。 4.3 环境准备：Python/conda/docker/GPU需求、依赖安装、常见报错。 4.4 输入数据：序列、表达表、菌株数据、组学数据或逻辑规格文件。 4.5 运行流程：核心命令、关键参数、运行时间、输出目录。 4.6 输出解释：预测结果、候选排序、图表、模型分数、下一轮实验建议。 4.7 结果复盘：pipeline 的优点、限制、适用场景和迁移方式。 4.8 科研迁移：如何替换成自己的启动子、线路、代谢工程或传感器数据。 主讲与课程定位 本课程面向合成生物学、生物工程、微生物工程、生物信息学、代谢工程、药学、农业生物技术及相关交叉方向学员，围绕“人工智能驱动的合成生物学”展开。课程以生物元件设计、基因线路设计、基因组工程、代谢工程和生物传感器为主线，结合 Nature、Science、Nature Biotechnology、Nature Communications、Cell Systems 等顶级期刊和前沿开源项目，系统讲解 AI 如何进入合成生物学的 Design-Build-Test-Learn 闭环。课程不做单一蛋白质设计课，也不把重点放在零散代码训练上，而是采用“前沿概念讲授 + 顶刊案例图拆解 + 最后一章集中 pipeline 复现”的方式，让学员先建立全局认知，再通过成熟开源流程理解真实项目如何落地。 培训目标 让学员系统掌握人工智能在合成生物学中的技术体系、前沿模型、案例逻辑与工程落地思路。通过本课程，学员应能理解 AI 如何用于生物元件设计、基因线路设计、基因组工程、代谢工程和生物传感器开发，吃透传统合成生物学设计方法与 AI 方法之间的差异、互补关系和适用边界。学员将能够读懂顶刊案例中的模型输入输出、实验验证流程、DBTL 闭环、候选设计筛选逻辑和工程化约束；理解预测模型、生成模型、主动学习、贝叶斯优化、基础模型和 AI agent 在合成生物学中的不同角色；能够判断一个 AI 合成生物学项目需要什么数据、什么模型、什么验证指标，以及如何进入下一轮设计迭代。 上下滑动查看更多 03 AI智能体全流程自动化实战 第一天上午：大语言模型基础与Prompt 工程 理论一、大语言模型（LLM）基础认知  LLM 发展脉络：GPT-1 到 GPT-5 / Claude 4 / DeepSeek 主流大模型能力对比（OpenAI GPT、Anthropic Claude、DeepSeek、Llama 等） 生物领域专用模型（ESM-3、AlphaFold 3、scGPT） Token、Context Window、Temperature 核心概念 模型选择策略：不同科研任务如何选模型 二、Prompt 工程核心技术  基础设计原则：角色、任务、背景、约束、格式、示例 Zero-shot vs. Few-shot Prompting 高级技术：CoT 思维链、Self-Consistency、ToT、ReAct 生物科研场景Prompt 模板设计（基因功能/蛋白质/实验方案/文献） 实操 给定差异表达基因，依次使用基础Prompt、Few-shot Prompt 和 CoT Prompt，逐步推理基因功能与疾病关联基因功能注释结果 实操案例2：实验方案设计 Prompt 优化 设计CRISPR-Cas9 基因敲除方案，对比 Zero-shot、Few-shot、CoT 策略的输出质量结构化实验方案文档 实操案例3：Prompt 模板库构建 设计5 类生物科研模板，使用 Python 封装参数化调用，批量处理多基因/蛋白质prompt_templates.py 第一天下午：结构化输出与生物数据模式 理论一、为什么需要结构化输出 由于LLM 输出具有不确定性，而科研自动化对输出格式有严格要求，因此需要掌握三大技术路线：JSON Mode、Function Calling 和 JSON Schema 二、JSON Schema 与 Pydantic 模型设计 Schema 语法、Pydantic V2 模型、嵌套结构处理、生物数据 Schema 设计模式（基因/蛋白质/药物-靶点） 三、大模型结构化输出最佳实践 OpenAI Structured Outputs、Claude 工具使用、输出验证与容错、分层提取策略 实操 实操案例1：PubMed 文献结构化提取 定义Pydantic 模型，通过 API 批量处理 20 篇文献摘要，验证输出并处理异常结构化文献DataFrame 实操案例2：蛋白质-配体相互作用结构化记录 设计多层级Pydantic 模型，处理嵌套结构与 Optional 字段，实现自动验证与异常标记结构化结合数据 实操案例3：生物数据 ETL 流水线 将非结构化文本转化为结构化JSON 并写入数据库，完成 GenBank、UniProt、临床报告等多源数据处理bio_data_etl.py 第二天上午：AI 编程智能体 — Claude Code + Codex + MCP + Skill 理论 一、AI 编程智能体的崛起 讲解从Copilot、Cursor、Claude Code 到 Codex 的演进历程，分析 Agentic Coding 核心特征及生物科研应用价值 二、Claude Code 深度讲解 核心架构与能力、CLAUDE.md、MCP/Hooks/Memory/Worktree、多平台支持、模型选择策略 三、多模型配置— 接入 DeepSeek 等 成本优化、网络友好、合规要求；Claude Code / Codex CLI 配置方法；常用模型 API 对比；多模型切换策略 四、MCP 服务器配置 MCP 协议架构、生物科研常用 MCP Server、配置方法、自定义生物 MCP Server 开发 五、Skills 技能系统配置 内置Skills 列表、调用方式、创建自定义生物科研 Skill（rnaseq-pipeline / protein-analysis） 六、OpenAI Codex 概览 Codex 多形态产品线、核心特性、Claude Code vs. Codex 对比、互补使用建议 实操 实操案例1：Claude Code 安装配置 + DeepSeek 模型接入 安装Claude Code CLI，配置 DeepSeek 模型接入，创建 CLAUDE.md 项目说明文件，并测试多模型切换功能双模型环境配置 实操案例2：MCP Server 配置与生物工具接入 安装MCP Server 并完成配置，开发生物数据库专用 MCP Server，测试工具调用功bio_database.py 实操案例3：Skills 系统实战 — 生物分析技能包 使用内置Skills，创建自定义 RNA-seq 与蛋白质分析 Skill，并进行测试 实操案例4：OpenAI Codex 快速上手 安装OpenAI Codex CLI，配置 AGENTS.md 文件，执行测试任务，并配置 DeepSeek 作为后端模Codex 环境配置 实操案例5：AI 编程智能体最佳实践总结 高效Prompt 技巧、项目上下文管理、安全与质量、常见陷阱best_practices.md 第二天下午：Function Calling 与生物工具集成 理论 一、Function Calling 原理深度解析 工作流程、工具定义规范（JSON Schema）、单工具/多工具调用、错误处理与 二、生物信息学工具生态 生物数据库API（NCBI/UniProt/PDB/ChEMBL/KEGG）、Python 库（Biopython/RDKit/Scanpy）、工具封装模式 三、工具编排与安全边界 权限控制、成本与延迟优化、多工具协同执行策略 实操 实操案例1：基因查询智能助手 定义基因查询、序列获取、BLAST 比对 3 个工具，通过 Function Calling 实现工具路由，完成多轮对话交互 实操案例2：药物分子性质预测工具链 集成RDKit 与 ChEMBL 数据库，完成 SMILES 解析、分子描述符计算与药效团分析，实现多工具并行调用 实操案例3：多工具协同分析平台 输入疾病名称，依次查询疾病与基因的关联关系、进行通路分析、检索候选药物，最终生成全链路分析报 第三天上午：RAG 原理与生物文献知识库 理论 一、RAG（检索增强生成）原理 详解RAG 架构中从 Query 到检索、注入、生成的完整流程，讲解 Chunking、Embedding、向量数据库与检索策略，并介绍评估指标。 二、生物文献RAG 的特殊挑战 术语消歧、图表处理、长文档切分、基因名称实体识别、跨物种知识区 三、高级RAG 技术 Query 改写（Multi-Query/HyDE）、Re-ranking、Self-RAG、Graph RAG 实操 实操案例1：生物文献知识库搭建 从PubMed 批量下载文献，进行语义切分，使用医学 Embedding 模型生成向量，构建 ChromaDB 向量索引。 实操案例2：精准文献问答系统 构建RAG 查询管线，实现引用标注（标注 PMID 来源），支持多轮对话并完成历史注入与上下文压缩。 实操案例3：RAG 质量评估与优化 构建评估数据集，进行自动化评估，对比不同Chunk 大小、Embedding 模型与 Top-K 参数的效果RAG 评估报告 第三天下午：智能体框架入门—— LangChain 核心实战 理论 一、AI 智能体架构深度解析 Agent = LLM + Planning + Memory + Tools + Reflection；Agent 类型分类；Agent vs. Pipeline— 二、LangChain 框架核心概念 架构概览（langchain-core/community/langgraph）、核心组件、LangGraph 状态图 三、从零设计一个生物科研Agent 从需求分析出发，完成工具设计、状态定义与图构建，讲解Agent 设计原则 实操 实操案例1：生物序列分析 Agent 使用LangGraph 构建状态图，集成 Biopython 工具，实现“分析、反思、重做”的自循环逻辑 实操案例2：文献综述生成 Agent 从PubMed 检索文献并获取全文，采用 Plan-and-Execute 策略，输出结构化文献综述 实操案例3：实验数据处理 Agent 使用ΔΔCt 法处理 qPCR 数据，由 Agent 自动识别数据格式，完成统计检验并生成标准化图表 第四天上午：生物数据分析智能体实战 理论 一、生物信息学数据分析范式 RNA-seq、蛋白质组学、单细胞 RNA-seq、GWAS 流程；Agent 如何融入传统生信流程 二、Agent 在数据分析中的角色 数据质控智能体、分析策略智能体、结果解读智能体、可视化智能体 三、Agent 记忆与上下文管理 短期记忆、长期记忆、工作记忆；生物数据上下文的特殊考虑 实操 实操案例1：RNA-seq 差异表达分析智能体 构建多步骤Agent 状态图，集成 scanpy、pydeseq2、gseapy 等工具，实现自动质控并生成火山图、热图与通路 实操案例2：蛋白质结构分析 Agent 通过PDB API 获取蛋白质数据，进行结构可视化、结构域分析、功能预测，再由 LLM 进行解读并生成分析报告。 实操案例3：单细胞数据分析引导 Agent 构建对话式Agent，引导完成 Scanpy 标准分析流程，实现基于 LLM 与标记基因的细胞类型自动注释 第四天下午：LangGraph 深度实战与生物数据分析 理论 一、LangGraph 高级状态管理 复杂状态定义（TypedDict/Pydantic）、状态聚合与分支、子图（Subgraph）嵌套、状态持久化与断点续传 二、LangGraph 高级控制流 条件路由（conditional_edges）、循环与递归模式、Human-in-the-loop 集成、并行节点执 三、LangGraph 生物数据分析架构设计 多步骤分析流水线设计、工具集成模式、错误处理与重试机制、结果可视化集成 实操 实操案例1：多组学数据整合分析 Agent 使用LangGraph 构建多组学数据整合分析流水线，集成转录组与蛋白质组数据，通过条件路由选择分析策略，输出综合分析报告 实操案例2：实验方案优化循环 Agent 构建LangGraph 自循环优化 Agent，集成文献检索与实验参数推荐，实现“设计、评估、改进”迭代优化，引入 Human-in-the-loop 审核 实操案例3：生物信息分析工作流编排系统 使用LangGraph 子图构建模块化分析工作流，支持 RNA-seq/蛋白质组学/ChIP-seq 多流程切换，实现断点续传与结果缓存 第五天上午：多智能体系统与AutoGen 框架 理论 一、多智能体系统架构 协作模式：层级式/对等式/流水线式/辩论式；生物科研中的多智能体场景 二、AutoGen 框架核心 AssistantAgent/UserProxyAgent/GroupChat 架构；AutoGen vs. LangChain 对比 三、多智能体系统设计原则 Agent 职责划分、通信协议、冲突解决、成本控制 实操 实操案例1：药物发现多智能体讨论系统 设定药物化学家、药理学家、临床医生3 个角色，开展多轮讨论与观点碰撞，最终输出综合评估报告 实操案例2：多 Agent 文献协作阅读系统 设定检索员、阅读者A、阅读者B、综述员 4 个角色，以 Pipeline 模式协作完成文献阅读，并对比多 Agent 与单 Agent 的输出质量 实操案例3：实验设计评审委员会 模拟IACUC/IRB 评审流程，由伦理专家、统计专家、领域专家独立评分，主席汇总各方意见后给出最终评审结论 第五条下午：综合实战、前沿展望与课程总结 理论 一、AI 智能体前沿趋势 AlphaFold 3 + Agent、scGPT/Geneformer 基础模型、AI 药物发现、Self-Driving Labs、多模态智能体、安全与伦理 二、课程核心知识点回顾 LLM 四大范式总结（Prompt/结构化输出/Function Calling/RAG）、智能体框架总结、多智能体挑战总结 实操 Step 1：需求分析与架构设计 明确要解决的具体科研问题，设计Agent 架构，确定所需的工具组合 Step 2：编码实现 推荐方案A（Claude Code + LangGraph）/ B（AutoGen + Codex）/ C（Claude Code + MCP） 培训目标： 本培训面向生物领域科研人员，旨在通过5天系统化学习，使学员系统掌握 AI 智能体的核心技术与实战能力。在知识层面，帮助学员理解大语言模型的工作原理与能力边界，建立 Prompt 工程、结构化输出、Function Calling、RAG 四大应用范式的系统认知，理解智能体架构及多智能体协作模式。在技术层面，使学员熟练使用 Claude Code、Codex 等 AI 编程智能体工具，掌握 MCP 服务器搭建与 Skills 技能系统配置，能够基于 LangChain/LangGraph 框架构建具有状态管理、条件路由、人机协同等高级控制流的生物数据分析智能体，能够搭建生物文献 RAG 知识库实现精准问答与引用溯源，掌握 AutoGen 多智能体框架以设计多角色协作系统。在实战层面，使学员能够独立完成 RNA-seq 差异分析、蛋白质结构分析、单细胞数据注释等生物数据分析智能体的开发，能够将 GenBank、UniProt、临床报告等多源非结构化数据转化为结构化数据并构建 ETL 流水线，能够集成物数据库 API 构建多工具协同分析平台。在综合素养层面，帮助学员了解AI 生物科研前沿趋势，掌握智能体系统的可靠性设计方法，最终具备独立设计并实现个人定制化生物科研智能体项目的完整能力。 上下滑动查看更多 04 AI+抗体设计 *涉及使用代码/计算工具的操作 第一天：代码基础，抗体基础，介绍各大药企在AI辅助抗体药物开发上的布局，复现GSK在抗体亲和力成熟上的工作 1.     代码基础知识讲解，环境搭建：Linux，VS code* a)     超算的登录 b)     Linux系统的常用shell命令：vim, ls, cd, less, rm等； c)     一些package安装的常用命令：pip, conda, source等。 d)    VS code的基本配置：连接服务器；选择不同python版本的Interpreter；debug模式的使用等。 2.       抗体基础知识讲解：      a)       VDJ重排，germline，CDR区域，表位（epitope/paratope），抗体亲和力成熟，抗体的可开发性等概念介绍     b)       不同抗体编号方案（Kabat，Chothia，IMGT）讲解，使用python自动化对抗体序列编号，并识别CDR区域*      c)       抗体药物开发的基本流程 3.       各大药企在AI辅助抗体药物开发上的布局：讲解各大药企公司发表的文献及报告: a)       Genetech的lab-in-the-loop,结合了实验和计算方法的迭代优化策略的工作b)       Genmab手动建立了多样性的抗体可开发性数据集,以进行可开发性数据的训练和预测. c)   GSK、阿斯利康、诺和诺德等在抗体亲和力成熟上做的工作等。 4.     抗体结构预测 1)    通用蛋白结构预测模型：AlphaFold3。 u运行网页server上的AlphaFold3预测结构，https://alphafoldserver.com* uAlphaFold3输出结果分析，各项置信度指标的含义，以及如何判断预测的准确度，如pLDDT，ipTM，PTM，PAE。 uAlphaFold3的安装过程讲解。 a)     抗体专用结构预测模型：ImmuneBuilder，IgFold。实操如何在服务器安装和使用。 5.     复现GSK在抗体亲和力成熟上的工作* 第二天：基于大语言模型的抗体亲和力成熟。 1.    基础知识讲解   1)       介绍蛋白质的语言模型（26字母语言模型->20氨基酸字母表，上下文依赖->氨基酸的共进化）  2)       为什么要开发蛋白质大语言模型？ 1. 相比于结构或功能信息，序列信息更加海量； 2. 蛋白质序列通过进化而来，可以学习蛋白质基本规律，折叠，共进化等 3)       模型架构和基础理论：transformer，多头注意力机制，Bert，GPT，T5等 2.    基于Bert架构的蛋白质语言模型 1)       ESM系列（ESM-1b、ESM-1v、ESM2、ESM C）2)       ESMFold：无需MSA信息的结构预测 3)       多模态的蛋白质语言模型ESM3 4)       使用抗体序列库训练的语言模型：Ablang，AntiBERTy 3.    Adaptyv EGFR Binder比赛——设计靶向EGFR的更高亲和力binder。1)   比赛结果展示 2)     比赛排名靠前的抗体/蛋白是如何设计的 a)       第一轮比赛，排名第一的方法：BindCraft b)       第二轮比赛，排名第一的方法：Cradle，在Cetuximab的基础上，用的LLM，突变了10个FR的氨基酸 c)       第二轮比赛，排名第二的方法：对一个纳米抗体进行人源化改造 d)       第二轮比赛，排名第三的方法：保留与结合重要的氨基酸，生成其它氨基酸RFdiffusion+inverse folding 4.    零样本的抗体亲和力成熟* 1)    Efficient evolution，基于序列的语言模型推荐突变点（Nat. Biotechnol.文章） i.     了解语言模型推荐突变点的原理； ii.    安装package和模型参数。https://github.com/brianhie/efficient-evolution iii.   运行以推荐突变点：python bin/recommend.py [sequence] 2)    Structure evolution，基于结构的语言模型推荐突变点（Science文章） i.           了解inverse folding推荐突变点原理 ii.           安装package和模型参数 1.     git clonehttps://github.com/varun-shanker/structural-evolution.git 2.     conda env create -f environment.yml 3.     conda activate struct-evo 4.     wget -P ~/.cache/torch/hub/checkpoints https://zenodo.org/records/12631662/files/esm_if1_20220410.zip 5.     unzip ~/.cache/torch/hub/checkpoints/esm_if1_20220410.zip iii.           运行以推荐突变点：python bin/recommend.py examples/7mmo_abc_fvar.pdb \ --chain A --seqpath examples/7mmo_chainA_lib.fasta \ --outpath examples/7mmo_chainA_scores.csv \ --upperbound 109 --offset 1 5.    小样本的抗体亲和力成熟*，在已有少量样本的亲和力数据下训练模型。使用MULTI-evolve的方法预测多点的组合突变。 第三天：抗体可开发性预测和优化1 1.    抗体可开发性优化在药物开发过程中的意义， 2.    衡量抗体可开发性要考虑的因素，如免疫原性、自聚集性、结合特异性、稳定性等等3.    以一篇专利文件为例讲解AI辅助抗体改造的案例。Patent No.: US12110324B2。Generate:Biomedicines公司通过AI方法在tezepelumab上改成的一种靶向（TSLP）的长效单克隆抗体GB-0895。 4.    抗体结构简单物理性质的计算：溶剂可及表面积（SASA）的讲解及计算；等电点的计算；蛋白质表面电荷分布的计算。* 5.    讲解Ginkgo举办的抗体可开发性预测比赛的结果。6.    公开的抗体可开发性数据的收集。 7.    抗体性质预测的模型实践，展示在小样本的情景下训练机器学习模型*1)    数据处理，划分数据集  2)    模型构建，基于特征工程的机器学习模型（随机森林，XGboost，ElasticNet等）；学习根据蛋白质序列和结构信息构建常见特征。seq_features = feature_utils.get_all_seq_features(heavy_seq, light_seq, is_fv=True, isotype='igg1', lc_type='lambda')3)    模型训练和评价，GridSearchCV交叉验证调参等4)    模型的可解释性，特征重要性分析 第四天：抗体可开发性预测和优化2和抗体人源化 1.    基于蛋白质语言模型的可开发性预测* 1)    零样本的可开发性预测2)    少样本的可开发性预测。给定抗体序列和相应的性质，构建下游模型预测。 a)     数据处理，划分数据集 b)    获得序列embedding以构建下游模型，实现蛋白质序列的不同方式encoding，包括"onehot", "georgiev", “esm”系列模型。 c)     深度学习模型的构建。上游的大语言模型+下游简单线性层。 d)    模型训练和评价：绘制训练曲线，训练集和测试集的评价指标随epoch的变化，2.    免疫原性预测 1)    免疫系统介绍，MHC-I和MHC-II，Anti-drug Antibody等基础概念 2)    免疫原性预测是MHC结合肽段的预测 3)    预测免疫原性。netMHCpan的原理讲解，安装和使用 3.    抗体人源化 1)       人源化的基础知识和流程。目标：保留亲和力+减小免疫原性+好的稳定性和可开发性。CDR移植到人源框架，回复突变，Vernier Zone， 2)       Germline的搜索，IMGT/V-QUEST数据库搜索得到V 基因和J基因相似的人类germline序列。 3)       人源化的经典方法biophi的原理讲解、安装和使用。 4)       基于AI和基于物理能量（Rosetta）的方法是如何辅助抗体人源化的。 5)       排除抗体序列的PTM。 第五天：抗体（scFv, VHH）的从头设计 1.    从头设计的意义 1)       跨膜蛋白例如GPCR，难以稳定表达为可溶性蛋白 2)       VHH动物免疫羊驼成本高。 3)       更高效快速获得候选分子 2.    基础模型方法概念介绍：Diffusion模型、 flow-matching、全原子（all-atom）建模等 3.    不同公司和方法模型、实验结果讲解 1)    Rfdiffusion3+ProteinMPNN生成序列，AphaFold2筛选序列。将学会各个包的安装，不同参数的选择，结合的hotspot位点选择。 a)     Rfdiffusion3结构设计，生成~10000个蛋白质主链结构；根据hotspot位点，生成新的结构： ./scripts/run_inference.py 'contigmap.contigs=[B1-100/0 100-100]' 'ppi.hotspot_res=[A30,A33,A34]' inference.output_prefix=test_outputs/binder_test inference.num_designs=10000 b)    ProteinMPNN-FastRelax进行序列设计，每一个主链结构两个对应的序列，共设计~20000个序列； c)     筛选:使用AlphaFold2预测设计结构，预测的置信度pAE<10，预测结构与设计结构的RMSD<1A，从中挑选95个进行实验验证。 2)    Nabla Bio开发的JAM（Joint Atomic Modeling）系统3)    Chai2 Discovery开发的Chai-2方法，用以实现抗体的从头生成4)    MIT开发的Bolzgen方法原理、安装使用讲解。   安装和使用boltzgen讲解，将详细讲解yaml配置文件的写法，以一个靶点为例，从头生成VHH与该靶点结合。 5)       PPIFlow：基于flow-matching的生成方法，原理，安装和使用方法。 4.    VHH的生成实践 1)    确定纳米抗体序列框架（Framework区域）序列，生成CDR区域序列。分析整理纳米抗体序列，绘制序列保守性的Logo图，以此确定在生成VHH时，哪些位置的氨基酸需要固定。2)    对生成的序列进行筛选。在亲和力、序列稳定性、可开发性等各个方面进行筛选。 a)       预测结构与设计结构的RMSD，AlphaFold预测设计结构的置信度pAE等 b)       筛选Cys，Met等氨基酸含量 c)       减少电荷patch d)       根据等电点等性质筛选。 培训目标： 培训聚焦深度学习驱动的抗体设计为核心方向，以David Baker实验室核心设计方法、主流抗体大语言模型、AI抗体结构预测模型为教学核心，秉持理论夯实、实操落地、科研进阶、工程应用的培训原则。依托高性能服务器实操环境，循序渐进讲解行业主流软件、开源模型、代码实操、数据处理与模型调优，搭配十篇顶刊经典文献深度解析，全方位覆盖当下抗体设计领域前沿技术、研究热点与工业落地方案。助力零基础及进阶学员快速打通理论原理、代码实操、模型应用、科研创新全流程，熟练掌握AI抗体设计全套技术栈，可独立完成抗体结构预测、抗体亲和力优化、可开发性改造、抗体从头设计等科研实操任务，适配药物研发、生物工程、合成生物学等科研与工业应用场景。 上下滑动查看更多 05 AI构建虚拟细胞  04.AIDD人工智能药物发现与设计详细课表 主讲老师来自天津大学，有十余年的计算机算法研究和程序设计经验。研究方向涉及深度学习药物发现，药物合成路径设计等。发表SCI高水平论文10篇，包括BMC Bioinformatics, Journal of Biomedical Informatics, International Journal of Molecular Sciences等知名期刊！ 01 AI构建虚拟细胞课表 一、环境搭建与深度学习基本知识讲解 1.AIDD概述：从CADD到AIDD 2.软件安装与环境搭建 (1)anaconda (2)vscode (3)环境变量的配置 (4)切换pip和conda镜像源 (5)虚拟环境的创建 3.RDKIT工具包的使用 (1)基于RDKit的分子读写 (2)基于RDKit的分子绘制 (3)基于RDKit的分子指纹与分子描述符 (4)基于RDKit的化合物相似性与子结构 4.药物综合数据库的获取方法 (1)基于requests的基本爬虫操作 (2)小分子数据库PubChem数据获取（pubchempy / requests） (3)蛋白质数据库PDB、UniProt数据获取 5.深度学习辅助药物设计 (1)神经网络基本概念与sklearn工具包介绍 (2)图神经网络与消息传递机制基本知识 (3)Transformer模型基本知识：分词、位置编码、注意力机制、编码器、解码器、预训练-微调框架、huggingface 生态介绍 (4)模型的评估与验证：准确率、精确率、召回率、F1分数、ROC曲线、AUC计算，平均绝对误差、均方差、R2分数、可释方差分数，交叉验证等 二、分子与生化反应的表示学习与性质预测助力药物发现 培训内容1：Nature Machine Intelligence｜基于注意力的神经网络在化学反应空间映射中的应用《Mapping the space of chemical reactions using attention-based neural networks》 1.数据集 1.1.Pistachio数据集：包含260万化学反应，来自专利数据，涵盖792个反应类别。数据经过去重和有效性过滤（使用RDKit）。 1.2.USPTO 1k TPL数据集：基于USPTO专利数据，包含44.5万反应，通过原子映射和模板提取生成1,000个反应模板类别。 1.3.Schneider 50k数据集：公开数据集，包含5万反应，50个类别，用于与传统指纹方法对比。 2.模型。研究对比了两种Transformer架构： 2.1.BERT分类器：基于编码器的模型，通过掩码语言建模预训练后，在分类任务上微调，使用[CLS]标记的嵌入作为反应指纹（rxnfp）。 2.2.Seq2Seq模型：编码器-解码器结构，将分类任务分解为超类、类别和具体反应的层级预测。两者均采用简化版BERT（隐藏层256维），输入为未标注的SMILES序列，无需反应物-试剂区分或原子映射。 3.训练。模型训练分为两步： 3.1.预训练：BERT通过掩码SMILES令牌预测任务进行自监督学习，学习反应通用表示。 3.2.微调：在分类任务上优化模型，使用交叉熵损失，学习率2×10⁻⁵，序列长度512。评估采用混淆熵（CEN）和马修斯相关系数（MCC）以处理数据不平衡。 培训内容2：TOP期刊｜基于深度学习的生化反应产量预测《Prediction of chemical reaction yields using deep learning》  1.数据。研究使用了三类数据：   1.1.Buchwald-Hartwig HTE数据集：包含3955个Pd催化C-N偶联反应，涵盖15种卤化物、4种配体、3种碱和23种添加剂组合，产率通过统一实验测量，数据质量高。   1.2.Suzuki-Miyaura HTE数据集：包含5760个反应，涉及15对亲电/亲核试剂、12种配体、8种碱和4种溶剂的组合，产率分布均匀。   1.3.USPTO专利数据集：从公开专利中提取，包含不同规模（克级与亚克级）的反应产率，数据噪声大且分布不一致，需通过邻近反应产率平滑处理以提升模型表现。 2.模型。核心模型基于预训练的rxnfp（反应指纹）BERT架构，新增回归层构成Yield-BERT。输入为标准化反应SMILES，通过自注意力机制捕捉反应中心及关键试剂的上下文信息。模型无需手工特征（如DFT计算描述符），直接端到端预测产率。实验表明，其性能优于传统方法（如随机森林和分子指纹拼接），尤其在HTE数据上接近化学描述符的预测水平，且参数鲁棒性高（超参数调整影响小）。 3.训练。训练分为两步：   3.1.预训练：BERT通过掩码语言任务学习SMILES的通用表示。   3.2.微调：采用简单Transformers库和PyTorch框架，以MSE损失优化回归层，学习率（2×10⁻⁵）和dropout率（0.1–0.8）为主要调参对象。HTE数据采用随机/时间划分验证，USPTO数据通过邻近反应产率平滑缓解噪声影响。小样本实验（5%训练数据）显示模型能快速筛选高产反应，指导合成优化。 培训内容3: TOP期刊｜基于T5Chem模型的生化反应表示学习与性质预测: 《Unified Deep Learning Model for Multitask Reaction Predictions with Explanation》 1.数据来源和处理。通过自监督预训练与PubChem分子数据集进行训练，以实现对四种不同类型的化学反应预测任务的优异性能。模型处理包括反应类型分类、正向反应预测、单步逆合成和反应产率预测。 2.模型架构和原理。T5Chem模型是基于自然语言处理中的“Text-to-Text Transfer Transformer”(T5)框架开发的统一深度学习模型，该模型通过适应T5框架来处理多种化学反应预测任务。T5Chem模型包含编码器-解码器结构，并根据任务类型引入了任务特定的提示和不同的输出层，如分子生成头、分类头和回归头，以处理序列到序列的任务、反应类型分类和产品产率预测。 3.训练过程和细节。 3.1.T5Chem模型首先在PubChem的97 million分子上进行自监督预训练，使用BERT类似的“masked language modeling”目标。 3.2.在预训练阶段，源序列中的tokens被随机掩蔽，模型的目标是预测被掩蔽的正确的tokens。 3.3.预训练完成后，模型在下游的监督任务中进行微调，使用不同的任务特定提示和输出层。 3.4.模型在测试阶段通过生成分子token by token的方式进行预测，直到生成“句子结束标记”或达到最大预测长度。 三、蛋白质的表示学习与性质预测助力药物发现 培训内容1:  Nature Communication｜体外酶动力学参数深度学习的综合框架《CatPred: a comprehensive framework for deep learning in vitro enzyme kinetic parameters》 CatPred 提出了一种全面的深度学习框架，用于预测体外酶动力学参数（kcat、Km、Ki），以解决实验测定成本高、数据稀疏和泛化能力差的问题。该方法不仅提供了准确的预测，还引入了对预测不确定性的量化，支持对训练集外（out-of-distribution）酶序列的稳健预测。此外，作者还构建了新的标准化数据集（CatPred-DB），并对多种酶表示方法进行了系统比较。 1.数据：CatPred 使用的数据集来自 BRENDA 和 SABIO-RK 数据库，作者构建了 CatPred-DB，包括：23197 条 kcat，41174 条 Km和11929 条 Ki 数据，每条记录都包含酶的氨基酸序列、AlphaFold 或 ESMFold 预测的结构、底物的 SMILES 表达式。数据经过清洗和标准化处理，去除缺失值和重复值，并对参数取对数转换以符合正态分布。 2.模型：CatPred 采用模块化设计，酶和底物分别通过不同的神经网络模块进行表征学习，并采用 概率回归 输出（高斯分布形式的均值和方差），允许进行 不确定性估计（aleatoric + epistemic）。 3.训练 3.1.所有模型采用负对数似然损失函数（NLL）训练，以同时预测参数均值和不确定性。 3.2.使用训练-验证-测试三分法（80%-10%-10%），并设立“训练集外”的测试子集用于泛化能力评估。 3.3.为了评估不确定性，CatPred 使用 10个模型的集成，通过不同初始参数训练，以此量化 epistemic uncertainty。 3.4.模型训练时考虑了不同相似性（序列identity<99%、80%、60%、40%）的测试集，体现其鲁棒性。 培训内容2: Science｜基于对比学习的蛋白质分类属性预测《Enzyme function prediction using contrastive learning》 1.数据来源和处理： CLEAN模型的训练基于UniProt数据库中的高质量数据，该数据库收录了约1.9亿个蛋白质序列。CLEAN模型以氨基酸序列作为输入，输出按可能性排序的酶功能列表（以EC编号为例）。为了验证CLEAN的准确性和鲁棒性，作者进行了广泛的in silico实验，并将CLEAN应用于内部收集的未表征的卤酶数据库（共36个）进行EC编号注释，随后通过案例研究进行体外实验验证。 2.模型架构和原理： CLEAN模型采用了对比学习框架，目标是学习一个酶的嵌入空间，其中欧几里得距离反映了功能相似性。嵌入是指蛋白质序列的数值表示，它由机器可读，同时保留了酶携带的重要特征和信息。在CLEAN的任务中，具有相同EC编号的氨基酸序列具有较小的欧几里得距离，而具有不同EC编号的序列则具有较大的距离。 3.训练过程和细节： 3.1.在训练过程中，CLEAN模型使用对比损失函数进行监督训练，通过优先选择与锚点（anchor）嵌入具有小欧几里得距离的负序列，以提高训练效率。 3.2.模型使用语言模型ESM1b获得的蛋白质表示作为前馈神经网络的输入，输出层产生细化的、功能感知的输入蛋白质嵌入。 3.3.预测时，通过计算查询序列与所有EC编号聚类中心之间的成对距离来预测输入蛋白质的EC编号。 3.4.CLEAN还开发了两种方法来从输出排名中预测自信的EC编号：一种是贪婪方法，另一种是基于P值的方法。 四、基于深度学习的分子生成助力药物发现培训内容1： Nature Communication｜基于端到端的图生成框架的分子生成：《Retrosynthesis prediction using an end-to-end graph generative architecture for molecular graph editing》 1.数据来源和处理：Graph2Edits模型使用了公开可用的基准数据集USPTO-50k，包含50016个反应，这些反应被正确地原子映射并分类为10种不同的反应类型。数据集被分为40k、5k、5k的反应用于训练、验证和测试集。 2.模型架构和原理：Graph2Edits模型是一个端到端的图生成架构，基于图神经网络（GNN）预测产品图的编辑序列，并根据预测的编辑序列顺序生成中间体和最终反应物。该模型将半模板方法的两阶段过程（识别反应中心和完成合成子）合并为一锅学习，提高了在复杂反应中的适用性，并使预测结果更易于解释。模型的核心是图编码器和自回归模型，用于生成编辑序列，并应用这些编辑来推断中间体和反应物。 3.训练过程和细节： 3.1.Graph2Edits模型使用有向消息传递神经网络（D-MPNN）作为图编码器，以获取原子表示和全局图特征，并预测原子/键编辑和终止符号。 3.2.模型训练使用教师强制策略，即使用真实的编辑序列作为模型输入。在每个编辑步骤中，模型会计算所有可能的编辑的概率，并选择最高分的k个编辑，将这些编辑应用于输入图以获得k个中间体。 3.3.在生成过程中，如果达到最大步骤数或图表示指示终止，则生成分支将停止。 3.4.最终，根据可能性对前k个编辑序列和图进行排名，收集为最终预测结果。 培训内容2 Nature Computational Science｜基于等变扩散模型的分子生成网络《Structure-based drug design with equivariant diffusion models》 1.简单介绍。这篇文献提出了一种基于结构的药物设计方法（SBDD），利用SE(3)-等变扩散模型（DiffSBDD）生成与蛋白质结合口条件匹配的新颖小分子配体。该方法通过将SBDD问题建模为三维条件生成任务，能够一次性生成所有原子位置，克服了传统自回归方法因顺序生成而丢失全局上下文的局限性。DiffSBDD不仅支持从头分子设计，还能通过属性优化、负向设计和分子局部修饰（inpainting）等多种任务灵活应用。 2.数据总结。该研究使用了CrossDocked和Binding MOAD两个数据集进行训练和评估。 2.1.CrossDocked数据集包含40,344个训练蛋白-配体对和130个测试对，验证集规模为246个，确保不同集合中的蛋白质来自不同的酶分类主类以避免过拟合。 2.2.Binding MOAD数据集经过筛选后用于测试，分析限于所有方法均能生成样本的78个CrossDocked和119个Binding MOAD目标。此外，数据集处理涉及移除损坏条目，并通过Zenodo公开提供处理后的数据和采样分子，确保研究可重复性。  3.模型总结。DiffSBDD是一个SE(3)-等变扩散模型，以蛋白质结合口为条件生成三维分子结构，采用3D图表示（原子坐标和类型），避免了传统方法中从密度图回推分子结构的复杂后处理。模型设计尊重三维空间的旋转和平 五、结合分子动力学的蛋白质配体复合物相互作用动态预测 培训内容1:  Nature Communication｜交互作用感知的蛋白质-配体对接和亲和力预测模型《Interformer: an interaction-aware model for protein-ligand docking and affinity prediction》 1.简要介绍：本研究提出了一种名为Interformer的基于Graph-Transformer架构的统一模型，用于蛋白-配体对接和亲和力预测。针对现有深度学习模型忽略蛋白与配体原子间非共价相互作用建模的不足，Interformer引入了交互感知混合密度网络（MDN）来明确捕捉氢键和疏水相互作用，并结合负采样策略和伪Huber损失函数，通过对比学习优化相互作用分布，提升对接姿势的准确性和亲和力预测的鲁棒性。 2.数据集：研究使用了PDBBind时间分割测试集（333个样本）评估对接准确性，Posebusters基准测试验证物理合理性，以及内部真实世界数据集测试泛化能力。训练数据来源于PDBBind晶体结构数据库。 3.模型：Interformer基于Graph-Transformer架构，包括：(1) 图表示模块，将原子作为节点、邻近关系作为边；(2) 掩码自注意力（MSA）机制，通过Intra-Blocks和Inter-Blocks分别捕捉配体/蛋白内部及两者间的相互作用；(3) 交互感知MDN，融合四种高斯分布模拟常规力、疏水作用和氢键；(4) 边缘输出层整合节点和边特征预测能量；(5) 姿势评分和亲和力模块基于虚拟节点预测正确姿势和实验亲和力值。 4.训练细节：训练分两阶段：首先基于晶体结构训练能量模型生成负样本，随后联合正负样本训练姿势评分和亲和力模型。采用负对数似然损失优化MDN，二元交叉熵损失优化姿势评分，伪Huber损失（σ=4）优化亲和力预测（单位IC50、Kd、KI，经负对数归一化）。蒙特卡洛采样生成候选姿势， 研究内容2:Nature Communication｜分子动力学驱动的蛋白质-配体复合物结构动态预测《DynamicBind: predicting ligand-specific protein-ligand complex structure with a deep equivariant generative model》 1.简单介绍：本研究提出了一种名为DynamicBind的深度学习方法，用于预测配体特异性的蛋白-配体复合物结构。传统分子对接方法通常将蛋白视为刚性或仅部分柔性，难以处理蛋白的大尺度构象变化，而分子动力学模拟虽然能捕捉动态构象，但计算成本高昂。DynamicBind通过等变几何扩散网络构建平滑的能量景观，高效模拟蛋白从无配体（apo）状态到配体结合（holo）状态的构象转变，无需依赖holo结构或大量采样。 2.数据集：研究基于PDBbind2020数据库（19,443个蛋白-配体复合物晶体结构），按时间划分：2019年前的数据用于训练和验证，2019年的数据用于测试。额外构建了Major Drug Targets (MDT)测试集（599对），聚焦激酶、GPCR等主要药物靶点，要求AlphaFold预测结构与晶体结构的pocket RMSD>2Å，确保测试难度。训练中通过AlphaFold预测结构与晶体结构插值生成蛋白部分的样本。 3.模型：DynamicBind是一个基于图神经网络的等变生成模型，使用粗粒化表示（蛋白以Cα节点和侧链二面角表示，配体以重原子节点表示），输出包括蛋白和配体的平移、旋转、扭转角更新，以及结合亲和力和cLDDT置信度评分。模型通过学习从apo到holo的“morph-like”变换，优化能量景观，包含63.67百万参数。 4.训练细节：训练在8块Nvidia A100 80GB GPU上进行5天，输入为添加morph变换的蛋白decoy构象和加高斯噪声的配体构象，目标是去噪操作。损失函数包括八项（配体和蛋白的平移、旋转、扭转等），通过Kabsch算法对齐apo和holo结构，结合扩散噪声调整构象过渡。推理时迭代20次更新初始结构。 培训目标： • 技术栈回顾：从数据→状态→调控→动态→药物→疾病→孪生→临床• 前沿趋势：大模型、多模态、空间组学、虚拟敲除• 职业发展：计算生物学人才需求与能力路径配套资源 • 课程PPT（理论讲解）• 实操代码包（Jupyter Notebook）• GPU服务器账号（云端实操）• 数据集（公开单细胞/空间数据）• 参考文献（最新顶刊论文，基本是2026、2025新文章+少量经典文章） 上下滑动查看更多 06 AI驱动计算免疫学 第一天、AI 与免疫计算基础 1. 机器学习与深度学习基础 1.1. 机器学习简介：从手写数字识别到大语言模型 1.2. 监督学习、无监督学习、自监督学习、迁移学习与生成式模型 1.3. 分类、回归、排序、表征学习在免疫计算中的对应问题 1.4. 常用评价指标：Accuracy、ROC-AUC、PR-AUC、Top-k recall、校准曲线 1.5. 免疫计算中特别重要的数据划分：随机划分、按抗原划分、按 TCR/BC划分、按 HLA 等位基因划分 1.6. 负样本构造、数据泄漏、类别不平衡与模型泛化问题 2. 代码环境与数据处理 2.1. Linux 基础与常用命令* 2.2. Conda、VS Code、Jupyter Notebook 环境搭建* 2.3. Python 基础：NumPy、Pandas、Matplotlib、Scikit-learn* 2.4. PyTorch 基础：Dataset、DataLoader、训练循环、GPU 使用* 2.5. 生物序列数据格式：FASTA、CSV、TSV、PDB/mmCIF* 2.6. HLA 命名、TCR/BCR 链信息、CDR3 序列、V/D/J 基因片段解析**拓展:vibe coding初讲解 3. 免疫学基础 3.1. 先天免疫与适应性免疫概览 3.2. 抗原、表位、免疫原性、 3.3. MHC-I 与 MHC-II 抗原呈递通路 3.4. pMHC 复合物：肽段、HLA、结合槽与呈递稳定性 3.5. TCR 结构：α/β 链、CDR1/2/3、克隆型与抗原特异性 3.6. BCR/抗体结构：重链、轻链、CDR-H3 3.7. 肿瘤新抗原、病毒抗原、细菌保护性抗原与疫苗靶点 第二天、免疫计算数据、数据库与表征方法 1. 常用免疫数据库 1.1. IEDB：T 细胞/B 细胞表位、MHC 结合、免疫原性数据* 1.2. VDJdb、McPAS-TCR：TCR-抗原配对数据* 1.3. ImmuneCODE、huardb、单细胞 TCR/BCR 数据* 1.4. OAS、SAbDab、CoV-AbDab：抗体序列与结构数据* 1.5. PDB、AlphaFold DB、IMGT、ANARCI 编号体系* 1.6. 数据清洗：去重、标准化、链配对、HLA 统一命名、CDR 区域提取* 2. 免疫分子的 AI 表征 2.1. One-hot、k-mer、BLOSUM、理化性质特征 2.2. 蛋白质语言模型表征：ESM、ProtT5、immune receptor language model 2.3. TCR/BCR 专用表征：CDR3-only、CDR1/2/3、多链联合编码 2.4. HLA 表征：全序列、pseudo-sequence、结合槽残基 2.5. pMHC 表征：肽段-HLA pair、三维结构、接触图、图神经网络输入 2.6. 抗体-抗原表征：paratope、epitope、界面残基、抗体编号与结构坐标 3. 常用结构与可视化工具 3.1. PyMOL 与 Mol* 可视化 pMHC、TCR-pMHC、抗体-抗原复合物* 3.2. Biopython、Biotite 分析序列和结构数据* 3.3. ANARCI 提取TCR/抗体编号和 CDR 区域 3.5. AlphaFold/AlphaFold-Multimer/Alphafold3/tfold/ 用于免疫复合物结构预测* 3.6. 结构质量评估：pLDDT、PAE、界面接触、RMSD、DockQ* 第三天、pMHC 识别：抗原呈递、MHC 结合与免疫原性预测 1. 抗原加工与 pMHC 形成机制 1.1. MHC-I 抗原加工：蛋白酶体切割, HLA 结合 1.2. MHC-II 抗原加工：内吞体加工、HLA-DP/DQ/DR 呈递 1.3. 肽段长度、锚定位点、HLA 等位基因特异性 1.4. pMHC 稳定性、呈递丰度与免疫原性之间的区别 2. 传统与深度学习 pMHC 预测方法 2.1. NetMHCpan、MHCflurry、MixMHCpred、IEDB 工具链介绍* 2.2. 肽段-HLA 结合预测：binding affinity 与 ligand presentation 2.3. CNN/RNN/Transformer 在 peptide-HLA pair 建模中的使用 2.4. HLA 泛化：已知 HLA、低样本 HLA、未见 HLA 的建模策略 2.5. 免疫原性预测：MHC binding 之外还需要考虑什么 3. pMHC 结构建模 3.1. pMHC 结构基础：HLA 结合槽、锚定残基 3.2. pMHC 结构预测与同源建模* 3.3. AlphaFold/AlphaFold-Multimer 用于 pMHC 建模的注意事项* 3.4. 肽段构象、HLA 接触残基与结构特征提取* 3.5. 从序列模型走向结构模型：contact map、distance map、graph 4. pMHC 实战项目 4.1. 构建一个 MHC-I peptide-HLA binding 基线模型* 4.2. 比较传统工具与深度学习模型在不同 HLA 上的表现* 4.3. 对候选肿瘤突变肽进行 pMHC ranking* 4.4. 可视化高分候选肽段在 HLA 结合槽中的结构模式* 第四天、TCR 受体组建模与 DeepTCR 1. TCR 生物学与受体组数据 1.1. V(D)J 重排与 TCR 多样性来源 1.2. α/β 链配对、CDR3 区域与抗原特异性 1.3. 克隆型定义、克隆扩增、公共 TCR 与私有 TCR 1.4. Bulk TCR-seq 与 single-cell TCR-seq 的区别 2. TCR 表征学习 2.1. CDR3 序列编码：字符级、氨基酸级、语言模型 embedding 2.2. V/J gene usage 的整合 2.3. TCR repertoire-level representation 2.4. 无监督聚类、motif 发现、抗原特异性富集分析 2.5. 受体组分类：疾病诊断、感染状态、肿瘤免疫反应 3. DeepTCR 专题 3.1. DeepTCR 框架介绍 3.2. DeepTCR 的无监督学习模块：repertoire structure 与聚类 3.3. DeepTCR 的监督学习模块：抗原特异性与疾病分类 3.4. DeepTCR 如何联合 CDR3 序列与 V/D/J gene usage 建模；该框架设计为可处理复杂 TCR 测序数据的深度学习工具。 3.5. DeepTCR 可解释性：motif、saliency、特异性克隆分析 3.6. DeepTCR 代码复现与结果解释* 4. TCR 受体组实战项目 4.1. 训练一个 repertoire-level 分类模型*， 4.2. 使用 DeepTCR 进行抗原相关 TCR 模式挖掘* 4.3. 可视化 TCR embedding、克隆扩增与抗原相关 motif* 第五天、TCR-pMHC 识别：从序列模型到结构模型 1. TCR-pMHC 识别问题定义 1.1. 输入形式：TCRβ、TCRαβ、peptide、HLA、pMHC 结构 1.2. 输出形式：binding/non-binding、ranking、抗原分类、多抗原检索 1.3. 泛化设定：unseen TCR、unseen peptide、unseen HLA、unseen TCR-peptide pair 1.4. 负样本构造：随机负样本、同 HLA 负样本、hard negative 1.5. 数据泄漏与过拟合：为什么随机划分会高估模型性能 1.6. 2025 年 Nature Methods 对 50 个 TCR-epitope 预测模型进行了系统评测，强调了多数据集、多抗原和严格泛化评估的重要性。 2. 传统与深度学习 TCR-pMHC 方法 2.1. 基于距离和聚类的方法：TCRdist、GLIPH/GLIPH2 2.2. 序列双塔模型：TCR encoder + peptide encoder 2.3. Cross-attention 模型：TCR 与 peptide/HLA 交互建模 2.4. 多模态输入：TCRαβ + peptide + HLA + gene usage 2.5. 可解释性：CDR3 motif、关键氨基酸、注意力热图 2.6. Zero-shot 与 few-shot 抗原特异性预测 3. PanPep 专题 3.1. PanPep 任务设定：TCR-antigen binding recognition 3.2. Meta-learning 在少样本抗原特异性预测中的作用 3.3. Neural Turing Machine 与外部记忆机制 3.4. PanPep 将 meta-learning 与 neural Turing machine 结合，用于更稳健地预测 TCR-抗原结合，尤其强调对未见 peptide 的泛化。 3.5. PanPep 代码结构、输入格式、训练与推理流程* 3.6. PanPep 与普通监督学习模型的对比实验* 4. 原子级 T 细胞抗原识别与图神经网络 4.1. 为什么仅用序列不足以解释 TCR-pMHC 识别 4.2. pMHC/TCR-pMHC 结构图构建：节点、边、距离、原子特征 4.3. GCN/GAT/EGNN/SE(3)-equivariant 网络简介 4.4. “Identifying T cell antigen at the atomic level with graph convolutional network” 专题：deepAntigen 使用图卷积网络在原子层面识别 T 细胞抗原，并同时涉及 antigen-HLA binding 与 antigen-TCR interaction 建模。 4.5. 原子级特征可解释性：界面残基、接触贡献、突变敏感性 4.6. 使用结构数据构建 TCR-pMHC 图输入* 5. Phage display + 机器学习发现癌抗原特异性 TCR 5.1. TCR discovery 的实验-计算闭环 5.2. Phage display 如何扩大 TCR-epitope 数据获取能力 5.3. Giancarlo Croce 等人的 Sci. Adv. 2025 论文专题：该研究展示了 display technologies 与 TCR-epitope interaction predictors 结合，可用于从大规模 TCR repertoire 中发现 TCR。 5.4. 从实验富集数据到监督学习标签 5.5. 模型筛选、候选 TCR 排序与验证策略 5.6. 复现实战：模拟 phage display enrichment 数据并训练 TCR-epitope ranking model* 6. TCR-pMHC 综合实战 6.1. 构建 TCRβ-peptide 识别基线模型* 6.2. 加入 HLA 信息提升 pMHC-aware TCR prediction* 6.3. 使用 PanPep 进行 few-shot antigen-specific TCR prediction* 6.4. 使用结构图模型分析 TCR-pMHC 界面* 6.5. 输出候选 TCR 的 ranking、解释性图* 第六天、BCR/抗体-抗原识别 1. BCR 与抗体基础 1.1. BCR 与分泌型抗体的关系 1.2. 重链、轻链、CDR-H1/H2/H3、CDR-L1/L2/L3 1.3. 抗体-抗原识别：paratope、epitope、构象表位与线性表位 1.4. 中和抗体、保护性抗体与交叉反应性 2. 抗体序列与结构建模 2.1. 抗体编号体系：Kabat、Chothia、IMGT 2.2. ANARCI 提取 CDR 区域* 2.3. OAS/SAbDab 数据清洗与抗体序列标准化* 2.4. tfold、ABodyBuilder、AlphaFold-Multimer 预测抗体结构* 2.5. 抗体-抗原复合物结构可视化与界面分析* 3. BCR/抗体-抗原识别的 AI 方法 3.1. 抗体语言模型：AbLang、AntiBERTy、抗体专用 PLM 3.2. 抗原特异性 BCR 分类 3.3.  epitope prediction 3.4. 抗体-抗原 binding prediction：序列模型、结构模型、图神经网络 3.5. 亲和力预测与 ΔΔG 预测 3.6. 抗体 developability：聚集性、免疫原性、可表达性、稳定性 4. 抗体设计与优化 4.1. CDR grafting 与人源化 4.2. 亲和力成熟的机器学习建模 4.3. 生成式抗体设计：语言模型、扩散模型, 基于序列设计，基于序列结构协同设计 4.4. 抗体-抗原 docking 与候选排序 4.5. 抗体设计中的安全性与交叉反应风险 5. BCR/抗体实战项目 5.1. 从抗体序列中自动提取 CDR 并编号* 5.2. 训练抗原特异性 BCR 分类模型* 5.3. 预测抗体 paratope 并映射到结构上* 5.4. 使用结构特征训练抗体-抗原 binding baseline* 5.5. 对候选抗体突变进行亲和力提升排序* AI 疫苗设计：从抗原筛选到多表位疫苗 1. 疫苗设计基础 1.1. 传统疫苗、亚单位疫苗、多肽疫苗、mRNA 疫苗、病毒载体疫苗 1.2. 保护性抗原、免疫优势表位、保守表位与逃逸突变 1.3. B 细胞表位、CD8 T 细胞表位、CD4 T 细胞表位 1.4. 肿瘤个体化新抗原疫苗设计流程 2. 反向疫苗学与免疫信息学流程 2.1. MHC-I/MHC-II 表位预测 2.2. B 细胞表位预测 2.3. 保守性、变异位点与逃逸风险分析 3. 肿瘤新抗原疫苗 3.1. 体细胞突变、HLA typing 与新抗原生成 3.2. 突变肽-MHC binding prediction 3.3. TCR recognition potential 与免疫原性排序 3.4. 个体化 neoantigen vaccine ranking pipeline* 3.5. 结合 TCR-pMHC 模型筛选更可能被识别的新抗原* 4. PLM + 几何深度学习用于保护性抗原预测 4.1. 蛋白质语言模型在抗原筛选中的作用 4.2. 几何深度学习在抗原结构表征中的作用 4.3. 序列-结构多模态融合 4.4. “Integrating protein language and geometric deep learning models for enhanced vaccine antigen prediction” 专题：该工作提出将蛋白质语言模型与几何深度学习结合，用于保护性疫苗抗原预测。 4.5. PLGDL 模型输入、标签、训练任务与评价指标 4.6. 保护性抗原预测与普通 antigenicity prediction 的区别 4.7. 复现实战：构建简化版 protein language + structure graph antigen predictor* 5. 疫苗设计综合实战 5.1. 从病原体蛋白组中筛选候选保护性抗原* 5.2. 对候选抗原进行 MHC-I/MHC-II 表位预测* 5.3. 设计一套“AI vaccine candidate ranking”报告* 培训目标： 让学员系统掌握人工智能在计算免疫学中的核心热点与优势，能独立完成免疫分子结构可视化：用 PyMOL/Mol* 加载 pMHC、TCR-pMHC、抗体-抗原复合物，识别结合界面、测量相互作用、渲染高清结构图。能使用蛋白质语言模型（ESM、ProtT5）提取序列表征，用 DeepTCR 完成受体组聚类与抗原特异性分类，用 PanPep 实现少样本 TCR-抗原结合预测，并通过 Python（NumPy/Pandas/PyTorch）完成免疫数据清洗、划分、负样本构造与模型训练。能用 AlphaFold‑Multimer / tfold 预测 TCR-pMHC 或抗体-抗原复合物结构，解读 pLDDT / PAE / DockQ 等质量指标，完成界面残基分析与结合模式评估。能用图神经网络（GCN / GAT / EGNN）构建原子级 TCR-pMHC 图，优化抗原识别与亲和力排序。建立 AI 驱动免疫设计的完整思维闭环：抗原筛选 → 表位/MHC结合预测 → TCR/BCR特异性识别 → 结构验证 → 候选排序 → 疫苗/抗体优化方案。具备独立解决实操问题的能力，能合理解读 AI 预测结果、规避数据泄漏与过拟合风险，输出可实验验证的免疫候选分子（新抗原、特异性 TCR、优化抗体）。掌握跨工具联用能力，实现 IEDB/VDJdb 数据库 → ESM/ProtT5 → DeepTCR/PanPep → AlphaFold-Multimer → PyMOL 的流程化配合使用。 上下滑动查看更多 07 AI+多肽设计 Day 1：短肽设计基础、结构数据库与PyMOL可视化一、短肽设计的生物学基础 1.1 短肽分类与生物医学功能：系统讲解结合肽（binder）、功能肽、抑制肽、细胞穿膜肽（CPP）的定义与功能差异；重点阐述8–30个氨基酸线性短肽的优势（易合成、易修饰、适合蛋白-蛋白相互作用界面）与局限（稳定性差、蛋白酶易降解、细胞通透性低）。 1.2 短肽-蛋白结合界面的结构特征：介绍短肽在结合界面上的典型构象：α-螺旋、β-折叠、polyproline II螺旋、无规卷曲。 1.3 Hotspot残基与相互作用类型：深入讲解PPI界面中的hotspot理论：芳香族残基（Phe/Trp/Tyr）的π-π堆积、疏水残基的疏水作用、带电残基（Arg/Asp/Glu）的盐桥与氢键。 1.4 短肽设计的策略框架与流程概览：展示从“靶点选择”到“候选推荐”的完整闭环：靶点序列获取 → 候选生成（PepMLM/LigandMPNN）→ 性质筛选 → 结构评估（AF2）→ 界面分析 → 实验验证概念。 二、蛋白质结构数据库与Linux服务器基础 2.1 UniProt数据库：序列、功能域与注释检索：演示如何在UniProt中搜索靶蛋白、获取标准FASTA序列、查看功能结构域（Pfam）、亚细胞定位与疾病关联信息。 2.2 RCSB PDB数据库：结构检索与质量评估：讲解PDB数据库的搜索策略：按靶点名称、关键词、序列相似性检索；重点教授分辨率（resolution）判断、生物组装体（biological assembly）选择与实验方法（X-ray/Cryo-EM/NMR）差异。 2.3 FASTA与PDB文件格式解析：通过文本编辑器直接打开FASTA和PDB文件，讲解文件头信息、序列记录、ATOM记录、链标识（chain ID）与残基编号规则。 2.4 Linux基础命令与服务器连接：SSH连接方法、文件系统导航（cd/pwd/ls）、文件查看（cat/head/tail）、路径概念（绝对路径vs相对路径）。三、PyMOL三维结构可视化实操 3.1 PyMOL核心概念与界面导航：讲解Object、Chain、Residue、Atom、Selection的层级关系；演示GUI界面与命令行双模式操作，加载示例结构1YCR（p53-MDM2复合物）。 3.2 复合物结构加载与多样化显示：练习cartoon、surface、sticks、spheres、lines等多种显示模式的切换与组合；按chain着色（color by chain）、按B-factor着色（反映pLDDT质量）。 3.3 结合界面识别与距离测量：使用PyMOL selection语言选取短肽链（如chain B）及其周围5 Å范围内的靶蛋白残基；使用distance命令测量关键原子间距离，识别hotspot相互作用对。 3.4 高清图片渲染、标注与结果保存：学习ray渲染、标签添加（label）、视角保存（scene）与高清图片输出（png 300dpi）；输出1张带标注的p53-MDM2结合界面图。 Day 2：蛋白质语言模型、ESM2原理与Jupyter入门一、从自然语言到蛋白质语言模型 1.1 机器学习基本概念：输入、模型、输出、训练与推理：用“识别手写数字”到“ChatGPT对话”的类比，讲解机器学习四要素：输入数据（features）、模型架构（architecture）、参数（parameters）、损失函数（loss）；区分训练（training，模型学习参数）与推理（inference，模型预测新数据）两个阶段。 1.2 自监督学习与掩码语言建模（MLM）原理：解释“没有人工标签时如何学习”：MLM通过随机遮盖输入序列中的部分token，让模型根据上下文预测被遮盖的内容；在蛋白质中，即遮盖某个氨基酸，根据周围残基预测该位置的氨基酸类型。 1.3 Transformer架构与注意力机制：用可视化图示讲解Self-Attention的核心思想：序列中每个位置都能“看到”其他所有位置，并根据相关性分配注意力权重；解释为什么Transformer能捕捉蛋白质中远距离残基的共进化关系。 1.4 蛋白质序列的Token化与上下文学习：将20种标准氨基酸对应为20个token（加特殊token共约33个）；蛋白质序列即“句子”，同源家族即“语法规则”，保守位点即“高频词”，让学员建立直观的NLP→蛋白质类比。二、ESM2蛋白质语言模型体系 2.1 ESM系列模型演进：回顾ESM-1b（650M参数）→ ESM-2（8M到15B多规格）→ ESMFold（结构预测）→ ESM-IF（反向折叠）的发展脉络；说明ESM-2是当前蛋白质序列表示的state-of-the-art模型。 2.2 ESM2-650M架构解析：讲解33层Transformer、1280维embedding、约6.5亿参数的规模；说明ESM2在UniRef50上自监督预训练，蛋白质家族的进化约束与结构倾向。 2.3 ESM2在短肽评估中的应用：Perplexity打分：讲解perplexity（困惑度）的直观含义：模型认为该序列“像不像”天然蛋白质；perplexity越低，序列越符合天然蛋白质的统计规律，可作为短肽“天然性”的初筛指标。 2.4 从ESM2到PepMLM：微调策略与条件化生成：解释PepMLM如何在ESM2-650M基础上，使用PepNN和Propedia数据库中的肽-蛋白配对数据进行微调；核心变化：将靶蛋白序列作为条件（condition），强制模型学习“给定靶点，生成结合肽”的映射关系。 三、Jupyter入门与ESM2评分实操 3.1 Jupyter Lab界面导航与单元格操作：演示启动Jupyter、浏览器访问、新建notebook、代码单元格（code cell）与Markdown单元格的区分；讲解运行（Run）、中断（Interrupt）、重启内核（Restart Kernel）的操作场景。 3.2 Python基础：变量、字符串、列表与print输出：教授当天必需的Python最小知识集：变量赋值（sequence = "ACE"）、字符串拼接、列表创建（["A","C","E"]）；所有概念均与ESM2评分脚本中的实际代码对应。 3.3 ESM2评分脚本运行与参数修改：打开教师提供的esm2_score.ipynb，演示加载transformers库、加载ESM2-650M模型、输入FASTA序列、获取per-sequence perplexity的完整流程。 3.4 Perplexity结果解读与对比分析：分别对3条天然结合肽、3条随机打乱序列、3条全丙氨酸序列运行评分，记录结果并对比；讨论：为什么天然肽perplexity最低？随机序列为什么分数高？全丙氨酸序列说明什么？ Day 3：PepMLM短肽生成、PPL评估与Python数据处理一、PepMLM短肽生成核心原理 1.1 PepMLM方法概述：靶序列条件化的掩码语言模型：系统讲解PepMLM的输入输出：输入 = 靶蛋白序列（≤500 aa）+ 目标肽长度参数；输出 = N条候选肽序列 + 对应的PPL分数；强调PepMLM是“完全基于序列”的设计工具，无需结构输入。 1.2 核心创新：肽区域全掩码与条件概率重建：深入解析掩码策略：将靶蛋白序列与肽序列拼接，对肽区域全部设为[MASK]，模型需要根据靶蛋白上下文重建整个肽序列；这种“条件化重建”迫使模型学习靶点-肽的配对关系。 1.3 Top-k采样策略：平衡多样性与生成质量：讲解解码策略：在每个氨基酸位置，模型输出20种氨基酸的概率分布；top-k采样（论文使用k=3）指从概率最高的3个候选中随机选择，而非总是选概率最高的；k值越大，多样性越高，但可能引入低质量残基。 1.4 伪困惑度（PPL）评估体系与阈值解读：详细讲解PPL的数学定义与生物学意义：PPL反映模型对“该肽作为靶点结合剂”的置信度； 1.5 PepMLM的方法边界与适用范围：PepMLM计算候选（in silico），de novo设计等。 二、Python数据处理与配置文件基础 2.1 Python字典与列表：理解结果数据结构：讲解列表（有序集合，用于存储多条序列）和字典（键值对，用于存储序列-分数映射）的基本操作；查看PepMLM输出的JSON/CSV文件，识别其中的列表和字典结构。 2.2 YAML配置文件格式与参数读写：介绍YAML的语法规则（缩进表示层级、键值对格式）；识别target_fasta、peptide_length、num_sequences、top_k等关键参数的含义与修改方法。 2.3 Pandas表格操作：读取、排序、过滤与统计：演示pandas.read_csv()读取结果、sort_values()按PPL排序、条件过滤（如去除含Cys过多的序列）、基本统计（mean/median/count）；完成从原始结果到筛选表的转换。 2.4 Matplotlib基础：PPL分布直方图绘制：绘制PPL分布图、标记阈值线、直观判断生成质量。三、PepMLM短肽生成与筛选实操 3.1 配置靶点FASTA、肽长度与采样参数：选择标准靶点，修改config.yaml中的目标序列路径、肽长度（默认12 aa）、生成数量（50条）、top-k值（3）。 3.2 运行生成脚本与实时监控输出日志：在命令行执行python pepmlm_generate.py，观察终端输出的进度条、每条生成肽的序列与PPL值。 3.3 结果清洗：去重、去除非标准氨基酸与长度过滤：运行清洗脚本，去除重复序列、含非标准氨基酸（B/J/O/U/X/Z）的序列、与设定长度不符的序列；统计清洗前后的序列数量变化。 3.4 PPL排序、性质统计与Top 20候选输出：使用pandas按PPL升序排列，计算每条肽的净电荷（pH 7）、疏水氨基酸比例、芳香族残基数量、半胱氨酸数量；综合PPL与性质指标，人工精选Top 20候选，导出为CSV备用。 Day 4：复合物结构预测评估、PyMOL界面分析与批量处理一、深度学习蛋白质结构预测原理 1.1 结构预测方法演进：从同源建模到深度学习：回顾SWISS-MODEL、I-TASSER、Phyre2等传统方法的核心思想与局限；讲解深度学习时代AlphaFold2的突破性贡献：Evoformer架构、MSA（多序列比对）与配对表示（pair representation）联合进化。 1.2 AlphaFold2与AlphaFold-Multimer的核心差异：明确区分AF2（单链结构预测，输出pLDDT）与AF-Multimer（多链复合物预测，额外输出ipTM与PAE）。 1.3 三大评估指标详解：pLDDT、ipTM、PAE：pLDDT（per-residue predicted LDDT）、残基对误差矩阵、界面区域PAE介绍。 1.4 短肽-蛋白复合物预测的特殊挑战：讲解短肽复合物预测的三大难点：① 肽链柔性大、构象空间大；② 训练数据中短肽复合物占比低；③ 弱亲和力界面信号弱；说明为什么AF-Multimer对短肽的预测confidence通常低于单域蛋白，以及如何谨慎解读结果。 二、复合物结构评估与PyMOL界面分析 2.1 加载预计算AF2结果：pLDDT着色与质量判断：在PyMOL中加载pdb文件，使用color by b-factor直观展示pLDDT分布，识别低置信度区域。 2.2 界面接触残基识别：距离阈值与原子对筛选：使用PyMOL selection命令选取肽链与靶蛋白中距离<5 Å的原子对；利用find_pairs或自定义脚本输出接触残基列表；区分“主链-主链”“主链-侧链”“侧链-侧链”接触类型。 2.3 关键相互作用类型判断：氢键、盐桥、疏水堆积：结合PyMOL可视化与距离测量，识别界面上的典型相互作用：氢键（N-O距离2.5-3.5 Å）、盐桥（带电残基对<4 Å）、疏水堆积（芳香环平面间距<5 Å）。 2.4 PAE矩阵热图解读与预测可靠性评估：在Jupyter中绘制PAE热图；重点观察肽残基（链B）与靶蛋白残基（链A）交叉区域的PAE值。 三、Python批量评估与自动化处理 3.1 Python循环与条件判断：批量处理结构文件：教授for循环遍历文件列表、if条件判断筛选高质量结构，批量读取多个AF2结果的ipTM值，自动筛选ipTM>0.7的候选。 3.2 界面接触自动提取脚本运行与结果整理：自动从pdb文件中提取肽-蛋白界面接触残基对；修改脚本中的距离阈值（如从5.0改为4.0 Å），观察接触数变化，理解参数敏感性。 3.3 路径A候选肽的结构评估表填写：将Day 3生成的Top 20候选中已预计算AF2结构的肽，逐一填写评估表：序列、PPL、ipTM、pLDDT均值、界面接触数、关键相互作用、综合评级（推荐/保留/淘汰）。 Day 5：结构驱动设计、LigandMPNN优化一、结构驱动的短肽设计原理 1.1 传统固定骨架设计：Rosetta能量函数与Rotamer库：回顾RosettaDesign的经典流程：输入蛋白质主链骨架 → 能量函数评估 → rotamer库侧链packing → 输出最优序列；说明传统方法依赖物理能量函数，计算成本高且对骨架质量敏感。 1.2 ProteinMPNN：图神经网络学习Structure-to-Sequence映射：讲解ProteinMPNN的核心创新：将蛋白质主链看作图（节点=残基，边=空间邻近关系），使用图神经网络（GNN）直接学习“骨架 → 最优序列”的映射；相比Rosetta，ProteinMPNN更快、更准确、对骨架误差更鲁棒。 1.3 LigandMPNN：显式建模非蛋白原子与短肽链：在ProteinMPNN基础上，讲解LigandMPNN对非蛋白原子（小分子、核酸、金属离子、肽链）的显式建模。 二、短肽成药优化 2.1 线性短肽的成药瓶颈：稳定性、通透性、免疫原性：系统讲解短肽面临的三大障碍：胃肠道蛋白酶快速降解、难以穿越肠上皮屏障、潜在的免疫原性反应。 2.2 化学修饰策略：环化、订书肽、非天然氨基酸：介绍提升短肽稳定性的常用化学手段：① 头尾环化（end-to-end cyclization）或侧链-侧链环化（如R4-R10内酰胺桥）；② 订书肽（stapled peptide，烯烃桥锁定α-螺旋）；③ 非天然氨基酸替换（如N-甲基氨基酸、D-型氨基酸抵抗蛋白酶）。 2.3 递送策略：细胞穿膜肽融合、纳米颗粒封装：讲解短肽进入细胞的递送方案：与CPP（如TAT、Penetratin）融合、脂质纳米颗粒（LNP）封装、外泌体靶向递送，说明短肽作为蛋白降解靶向嵌合体（PROTAC）配体的应用前景。三、LigandMPNN固定骨架优化实操 3.1 复合物骨架PDB准备与链指定：识别靶蛋白链（chain A）与肽链（chain B），确认肽链的残基编号范围；讲解PDB文件格式中链标识与原子坐标的对应关系。 3.2 LigandMPNN参数配置：温度、采样数、设计区域：打开config_ligandmpnn.json，讲解关键参数：temperature（温度，控制序列多样性，建议0.1-0.3）、num_seq_per_target（每条骨架输出序列数）、fix_selected_chains（固定靶蛋白链）、redesigned_chains（重设计肽链）；学员根据靶点修改参数。 3.3 序列重设计与结果对比：原肽vs优化肽：运行python run_ligandmpnn.py，获取LigandMPNN设计的新肽序列；将输出序列与原始PDB中的肽序列进行比对，观察：哪些位置被保守保留？哪些位置发生了突变？突变残基的理化性质变化（如疏水→带电）可能带来什么影响？3.4 优化序列的AF2-Multimer验证与PPL交叉评估：对比原始肽与优化肽的ipTM、pLDDT、界面接触数；同时用Day 2的ESM2评分脚本对优化肽打分，观察perplexity变化；建立“结构优化序列也应具有低perplexity”的交叉验证思维。 培训目标： 让学员更好的知道当下蛋白质设计的核心热点以及优势能独立完成蛋白结构可视化：用 PyMOL 加载复合物、识别结合界面、测量相互作用、渲染高清结构图。能使用 ESM2 完成序列评分，用 PepMLM 实现靶标定向短肽生成，并通过 Python 完成数据清洗、筛选与可视化。能用 AF2/Multimer 预测肽 - 蛋白复合物结构，解读 pLDDT/ipTM/PAE 指标，完成界面分析与质量评估。能用 LigandMPNN 基于固定骨架优化短肽序列，结合多指标完成候选肽筛选与成药优化方案设计。建立AI 短肽设计完整思维闭环：靶点选择→候选生成→性质筛选→结构评估→优化验证。具备独立解决实操问题的能力，能合理解读 AI 预测结果、规避模型局限，输出可实验验证的短肽候选。掌握跨工具联用能力，实现 ESM2、PepMLM、AF2、LigandMPNN、PyMOL 的流程化配合使用。 讲师介绍 AI蛋白质设计 主讲老师在学术界和工业界都有丰富算法开发和应用经验，来自国内顶尖课题组，从事蛋白质结构预测和蛋白质设计的研究工作，相关工作成果已在PNAS、Angew. Chem. Int. Ed.、Nature、Science等国际知名期刊发表论文。课题组已发表文献350余篇。 AI驱动合成生物学 主讲教师来自清华大学，兼具学术研究与产业应用背景，，来自国内顶尖生命科学与人工智能交叉研究团队。其研究方向与本课程“AI 驱动的合成生物学”高度契合，能够从前沿算法、真实科研案例和产业转化应用三个层面，系统讲解人工智能如何结合生物元件设计、基因线路构建、代谢工程优化与 DBTL 闭环。主讲教师及所在团队相关研究成果已发表于 PNAS、Angew. Chem. Int. Ed.、Nature、Science 等国际知名期刊，团队累计发表论文 300 余篇，具备扎实的科研积累与前沿课程开发基础。 AI构建虚拟细胞 主讲老师来自浙江大学，主要研发方向为组学算法开发与虚拟细胞建模，以第一作者（含共同）发表高水平期刊会议论文数篇，包括Nature Communications，ISBI等，承担各层次研发课题3项，领导共创开源社区搭建，github star数百，具有丰富的科技成果转化落地经验，讲课一致受到学员高度评价。 人工智能驱动计算免疫学 主讲老师毕业于清华大学，致力于AI for Science（AI4S）领域的前沿研究，深耕生物信息学与计算免疫学。在腾讯AI Lab等头部大厂拥有丰富的算法落地经验。研究成果丰硕，多篇论文发表于ICLR、KDD、AAAI、BIBM等人工智能国际顶级会议，以及《Nature Communications》、《Analytical Chemistry》、《Expert Systems with Applications》等领域内顶级学术期刊。 AI智能体全流程自动化实战 讲师介绍：AI应用算法工程师，长期专注于大模型应用部署、Agent系统搭建、企业知识库接入、多平台协同与自动化流程设计，拥有丰富的一线项目实施与交付经验。曾参与多类智能助手、业务自动化平台与科研辅助系统的方案设计与落地，擅长将大模型能力与真实业务流程结合，快速构建可运行、可扩展、可维护的Agent应用。 AI多肽设计 主讲老师在学术界和工业界都有丰富算法开发和应用经验，毕业于南开大学院士课题组，从事AI多肽设计、抗菌肽设计以及蛋白质设计的研究工作，相关工作成果已在New England、Plos one等国际知名期刊发 AI抗体设计 主讲讲师老师在学术界和工业界都有丰富算法开发和应用经验，博士毕业于国内顶尖课题组，从事蛋白质结构预测和蛋白质设计的研究工作，相关工作成果已在Cell Systems、Angew. Chem. Int. Ed.、JCIM等国际知名期刊发表论文。目前在知名药企担任高级研究员，主导AI驱动的大分子药物设计平台开发与团队管理。 授课时间 01 AI驱动合成生物学授课时间  2026.8.15-2026.8.16(09:00-11:30--13:30-17:00) 2026.8.18-2026.8.19(19:30-22:30) 2026.8.22-2026.8.23(09:00-11:30--13:30-17:00) 共计5天的课 通过腾讯会议直播    线上实操    提供全部录播 02 AI蛋白质设计设计授课时间 2026.8.13-2026.8.14 (19:00-22:00) 2026.8.22-2026.8.23 (09:00-11:30--13:30-17:00) 2026.8.25 -2026.8.26(19:00-22:00) 2026.8.29-2026.8.30 (09:00-11:30--13:30-17:00) 共计6天的课 通过腾讯会议直播    线上实操    提供全部录播 03 AI智能体设计 2026.8.22-2026.8.23 (09:00-11:30--13:30-17:00) 2026.8.25 -2026.8.26(19:30-22:30) 2026.8.29-2026.8.30 (09:00-11:30--13:30-17:00) 共计5天的课 通过腾讯会议直播    线上实操    提供全部录播 04 AI抗体设计授课时间 2026.9.5-2026.9.6 (09:00-11:30--13:30-17:00) 2026.9.9-2026.9.10(19:00-22:00) 2026.9.12-2026.9.13 (09:00-11:30--13:30-17:00） 共计5天的课 通过腾讯会议直播    线上实操    提供全部录播 05 AI构建虚拟细胞授课时间  2026.7.23-2026.7.24 (19:00-22:00) 2026.7.28 -2026.7.29(19:00-22:00) 2026.8.1-2026.8.2 (09:00-11:30--13:30-17:00) 2026.8.4 -2026.8.5(19:00-22:00) 共计5天的课 通过腾讯会议直播    线上实操    提供全部录播 06 人工智能驱动的计算免疫学授课时间  2026.8.8 -2026.8.9(09:00-11:30--13:30-17:00) 2026.8.11 -2026.8.12(19:00-22:00) 2026.8.15-2026.8.16 (09:00-11:30--13:30-17:00) 2026.8.18 -2026.8.19(19:00-22:00) 共计6天的课 通过腾讯会议直播    线上实操    提供全部录播 07 AI多肽设计  2026.7.18-2026.7.19(09:00-11:30--13:30-17:00) 2026.7.21-2026.7.22 (19:00-22:00) 2026.7.25-2026.7.26 (09:00-11:30--13:30-17:00) 共计5天的课 通过腾讯会议直播    线上实操    提供全部录播 课程报名费用： AI蛋白质设计、AI驱动合成生物学、 AI基因编辑、AI抗体设计、AI构建虚拟细胞、 人工智能驱动的计算免疫学、AI多肽设计 公费价：每人每班￥6880元 （含报名费、培训费、资料费、提供课后全程回放资料） 自费价：每人每班￥6580元 （含报名费、培训费、资料费、提供课后全程回放资料） AI智能体驱动生物医学 公费价：每人每班￥5000元 （含报名费、培训费、资料费、提供课后全程回放资料） 自费价：每人每班￥4500元 （含报名费、培训费、资料费、提供课后全程回放资料） 优惠1： 单班报名：6880 两班同报：10880元  （可学习三个直播课） 四班同报：18880元 （可免费学习一整年原价24880） 特惠二：22880元（可免费学习两整年原价28880） 报名学习课程可赠送往期课程回放（报多少赠双倍） （可点击跳转详情链接）： 回放一：本课程为视频课！机器学习生物医学培训！ 回放二：本课程为视频课！单细胞空间转录组培训！ 回放三：本课程为视频课！比较基因组学培训！ 回放四：本课程为视频课！机器学习蛋白质组学培训 回放五：本课程为视频课！机器学习微生物组学培训 回放六：本课程为视频课！蛋白质晶体结构解析培训 回放七：本课程为视频课！CRISPR-Cas9基因编辑培训 回放八：本课程为视频课！机器学习代谢组学培训！ 回放九：本课程为视频课！深度学习基因组学培训！ 回放十：本课程为视频课！CADD计算机辅助药物设计培训！ 回放十一：本课程为视频课！AIDD人工智能药物设计培训！                                    培训特色及福利 1、课程特色--全面的课程技术应用、原理流程、实例联系全贯穿 2、学习模式--理论知识与上机操作相结合，让零基础学员快速熟练掌握 3、课程服务答疑--主讲老师将为您实际工作中遇到的问题提供专业解答 授课方式：通过腾讯会议线上直播，理论+实操的授课模式，老师手把手带着操作，从零基础开始讲解，电子PPT和教程开课前一周提前发送给学员，所有培训使用软件都会发送给学员，有什么疑问采取开麦共享屏幕和微信群解疑，学员和老师交流、学员与学员交流，培训完毕后老师长期解疑，培训群不解散，往期培训学员对于培训质量和授课方式一致评价极高! 学员对于培训给予高度评价 腾讯会议实时直播解答|手把手带着操作 报名咨询方式（请二维码扫描下方微信） 微信：SJAY666888  电子邮箱：daichunsheng@qq.com 引用本次参会学员的一句话： 发现真的是脚踏实地的同时 需要偶尔仰望星空非常感谢各位对我们培训的认可！祝愿各位心想事成