Proliposomal Intravesical Paclitaxel

通用生物人工智能(GBAI)代表了一种对“生命语言”(即从DNA到细胞功能的信息流)进行建模的变革性方法。为此，哈佛大学医学院、斯克里普斯研究所等机构的研究人员于2026年3月20日在《Nature Biotechnology》上发表综述文章，题为“Generalist biological artificial intelligence in modeling the language of life”。 文章整合了生物人工智能领域的快速发展，旨在解读并生成DNA、RNA、蛋白质及细胞系统。通用生物人工智能将有望深化我们对疾病通路和生物标志物的理解，推进自动化治疗设计与评估，并与虚拟细胞相集成，从而对生物活动进行有意义的模拟。 通用生物人工智能GBAI 生成式人工智能的最新创新使得开发通用模型成为可能，这些模型能够执行多种分析下游任务，包括分类、预测和生成，且无需为每种应用进行大量训练。虽然目前大多数生物AI模型所执行的任务仅限于单一领域，但能够预见生物AI的下一个前沿将是跨多种生物数据类型(如核酸序列、蛋白质结构、显微镜图像、细胞表征等)进行处理和预测。具体而言，作者将GBAI定义为一种愿景，旨在构建统一的系统，该系统能够跨多个生物领域进行解读、合成和扩展，从而有效执行需要跨领域理解的多种生物任务(图1)。未来，这些整体性方法将具备整合不同分子生物学层次的遗传和细胞数据的潜力，从而推动科学设计与发现。 图1 通用生物人工智能愿景 GBAI的发展为生物AI领域内提出的许多令人振奋的愿景(如虚拟细胞、AI驱动的数字生物以及其他稳健的生物模拟形式)提供了可能的基础。尽管这些愿景代表着更为长远的目标，但GBAI基于当前模型的发展方向提供了一个切实可行的框架，并规划了通往多任务、多领域模型的路径，这些模型可作为集成的计算机生物模拟的有效构建模块和交互式封装器。同样，许多生物AI模型也存在若干必须克服的局限性。表1概述了具有代表性的、覆盖不同尺度的生物AI模型的优势与局限性。 表1 代表性多任务生物人工智能模型的优势与局限性 语言建模。生物AI方法试图将生物序列作为一种语言来建模，其方式类似于流行的大语言模型(LLM)，利用通用的学习表征同时执行各种下游任务。这些方法主要采用基于Transformer的架构和传统的LLM训练技术，例如掩码语言建模，即在训练过程中，模型被训练来预测序列中被掩码的部分。当前的语言模型主要解读单一类型的生物序列，例如核苷酸、氨基酸或基因表达。核苷酸语言模型已用于分析和生成DNA及RNA序列，但其在处理输入中的长程依赖关系方面能力有限，在某些下游任务上表现与更简单的模型相当，并且其使用的分词方法可能导致生物信息丢失。从氨基酸序列中学习的蛋白质语言模型(PLM)已被应用于预测蛋白质功能、稳定性及其他特性，以及进行蛋白质分类、突变筛选和生成未曾探索的蛋白质序列。然而，对于更困难的任务，单独的PLM通常表现不如集成的结构预测方法。 结构与设计。除了通过语言框架对生物序列进行建模外，生物AI模型也已适用于结构预测和生物分子设计。大多数结构模型依赖于多序列比对(MSA)，即将生物分子不同版本的同源序列进行比对，以编码该序列在其进化过程中的变异并获得位置上下文信息。代表性方法包括AlphaFold、RoseTTAFold等。生物分子设计方面，模型现在可以预测为特定任务设计的蛋白质序列和主链坐标，尽管还需要进一步的实验验证来评估所预测生物分子稳定折叠并实现生物学功能的能力。除此之外，模型也已用于核苷酸序列的靶向生成和设计，当前的方法因核苷酸结构数据相对缺乏而受到限制。 图像分析。生物AI在显微镜与组织学图像分析中展现了多任务能力。CellPose等模型支持跨成像模态的分割任务；Virchow、UNI等视觉模型可完成癌症检测、生物标志物识别、细胞核分割等任务。视觉-语言模型(如PLIP)进一步实现了图文检索与报告生成。但模型在领域外图像、罕见病变及临床前瞻性验证方面仍存在局限。 整合专用模型。为单一目标而非多任务开发和优化的专用模型，在那些受益于特定领域知识或缺乏足够数据来训练大型基础模型的应用中仍然有效。生物AI系统可以不将基础模型适配到专用模型已经擅长的任务上，而是直接将专用模型整合到其工作流程中。这可以采取多种形式，例如由这些模型提供嵌入以整合多个生物尺度，协助特定任务的模型评估，或作为更广泛网络中的适配层。此外，编排和协调各种专用模型的智能体框架可以在保持多任务方法灵活性的同时，利用每个专用组件的独特优势。 数字生物学的新前沿 一旦实现，GBAI将具有巨大的潜力在多个维度上改变数字生物学。当前的生物AI模型已经开启了加速科学发现、智能体AI以及向虚拟细胞迈进等新前沿(图2)。 图2 生物人工智能在细胞处理不同维度的应用。生物人工智能为数字生物学开辟了三个新的前沿领域：编排专用模型的智能体工作流(红色)、跨生物领域学习并加速科学发现的多模态编码器(蓝色)以及能够通过联合潜空间建模分子活性的虚拟细胞框架(黄色)。 加速科学发现。GBAI有望通过建模DNA变异、基因表达与调控网络，加深对疾病机制的理解，并推动治疗发现。AI引导的定向进化、生物分子设计与配体结合预测可显著降低实验筛选成本。结合跨领域、多层次的预测能力，未来GBAI系统可实现更高效的计算机模拟实验，加速药物发现与开发。 面向科学的智能体AI。智能体AI通过将LLM与规划、记忆、工具调用相结合，实现了自主实验设计与执行。多智能体框架可在人类反馈下协同完成假设生成、实验规划、数据分析等任务，已在纳米抗体设计、药物重定位、单细胞注释等场景中展现潜力。尽管前景广阔，但智能体方法也存在许多与LLM相同的局限性，例如知识截止到特定时间、需要精心的提示工程以及存在幻觉。克服这些挑战的未来智能体框架，将为设计能够编排多个模型和生物实验自主工作流的跨领域GBAI系统带来巨大希望。 在虚拟细胞中的集成。创建虚拟细胞已成为数字生物学的一个主要目标，其模拟旨在有朝一日完整表征细胞功能，并预测在细胞加工过程的任何维度上的扰动响应。最近提出的AI虚拟细胞(AIVC)概念认为，开发AIVC首先需要一个能够以物种无关方式表示细胞状态的通用表征。近期的模型受限于所训练的数据，但正努力朝这一方向迈进。鉴于生物AI的最新发展，未来能够跨多个生物尺度进行有效综合和预测的GBAI系统，是朝着虚拟细胞迈进的下一个潜在步骤，因为它们可以实现更真实的分子和细胞生物学模拟，并考虑到跨生物层次复杂的依赖性。 实现生物AI潜力所面临的挑战 在迈向通用生物人工智能的进程中，仍存在若干挑战。除了克服与复杂生物系统建模相关的固有困难外，数据、模型能力和实验验证等方面的制约因素都构成了重大障碍(图3)。 图3 当前生物人工智能算法所面临挑战 生物基础模型局限性。基础模型训练成本高、可解释性差，且在多项任务中表现未显著优于更简单的专用模型。在调控模式解读、突变效应预测、单细胞分类、基因扰动模拟等场景中，基础模型甚至表现相当或更差。建立更可靠、更具生物学意义的标准化基准，对于评估其真实价值至关重要。 拓展AI的能力。当前模型在长序列处理、多领域联合编码、跨模态整合等方面能力有限。核苷酸模型难以捕捉增强子等长程调控元件，多领域数据(如DNA、RNA、蛋白质、基因表达)的整合仍缺乏统一框架。未来需进一步提升模型上下文长度与联合编码能力，以支持更复杂的跨领域建模。 克服生物复杂性。生物系统的高阶复杂性给AI建模带来巨大挑战。蛋白质多结构域结构、RNA功能与配体结合、蛋白质-配体相互作用等预测仍存在瓶颈。扰动模拟尤其困难，因扰动空间的复杂性且缺乏大规模扰动响应数据集。 数据局限性。现有数据在物种代表性、任务相关性、多模态整合等方面存在不足。原核生物测序数据占比过高、真核数据匮乏限制了DNA模型的泛化能力；蛋白质功能与序列关联数据稀缺；RNA结构数据不足；成像平台视野有限。开发更大规模、更高质量、更具代表性的多物种、多模态数据集，是推动GBAI发展的关键。 跨生物背景的实验验证。模型预测转化为生物学洞见需依赖稳健的实验验证，包括分子、细胞、组织乃至生物体水平的测试。目前多数生物AI模型缺乏系统性的湿实验验证，或验证深度不足。虽然虚拟细胞等概念为生物AI算法在细胞层面进行有效的计算机模拟验证提供了未来前景，但就目前而言，计算机模拟验证在准确、全面地捕捉生物系统复杂性方面的能力严重受限。体内验证仍不可或缺，类器官与组装生物系统的发展为桥接计算与实验验证提供了新路径。 总结 生物AI的最新进展为建模“生命语言”开辟了新前沿，在序列注释、三维结构生成、配体结合预测及治疗设计等方面取得了长足进步。在此势头之上，展望下一代生物AI模型将进一步改进现有架构，扩展统一系统所能处理的任务广度，并扩展现有的大规模多物种及多模态数据集。随着这些基础得以奠定，通用生物人工智能(GBAI)有望整合跨越不同生物尺度与细胞过程的输入信息；结合自动化计算机模拟测试系统以及允许更广泛的主干模型调用专业工具的智能体框架，模型将能够在更复杂的跨领域任务中展现出更强的预测能力。在克服当前算法能力上的关键挑战并收集更具代表性的数据集之后，GBAI将有望解开“生命语言”所固有的诸多复杂性。 参考链接： https://doi.org/10.1038/s41587-026-03064-w --------- End --------- 感兴趣的读者，可以添加小邦微信加入读者实名讨论微信群。添加时请主动注明姓名-企业-职位/岗位或姓名-学校-职务/研究方向。

当生命设计的边界被一次次突破，当 AI 与蛋白质科学的碰撞点燃全新革命，生命科学领域正迎来前所未有的变革浪潮。近期，全球蛋白质设计领域泰斗 David Baker 团队再度登顶Nature，以颠覆性成果刷新多项世界纪录，再度定义行业新高度，为大分子药物研发、蛋白质工程、合成生物学等核心领域注入强劲动能，一场席卷生命科学的全新风暴已然来袭。 站在技术革新的风口，前沿成果不再遥不可及，核心技术更需落地应用。为助力广大科研工作者、药企研发人员紧跟顶尖进展，掌握从 AI 蛋白质设计、抗体药物开发到合成生物学、CADD 药物设计的全流程实操技能，我们特推出四大顶尖精品直播课程，汇聚一线实战讲师，拆解顶刊核心思路，手把手教学前沿工具与算法模型，打通理论到实验的闭环，让你同步接轨国际顶尖水平，在生命科学的黄金时代抢占先机、再创佳绩。 四大顶尖课程 01  AI蛋白质设计线上直播课 02  AI辅助抗体设计线上直播课 03  合成生物学与基因线路设计线上直播课 04  CADD计算机辅助药物设计线上直播课 专题：OpenClaw实战线上直播课点击查看 提前报名缴费可享受300元优惠或返现（仅限前15名） （报名一个直播课赠送下面两个课程回放） （报名三个直播课赠送下面全部课程回放） （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！CRISPR-Cas9基因编辑培训！ 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！深度学习基因组学培训！ 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！机器学习微生物多组学联合分析！ 01 AI蛋白质设计 讲师介绍 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，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。 课表内容滑动查看 第一天 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，VS code，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)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.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 二、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 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。 7)本地部署和运行ColabFold，由于AlphaFold3在安装过程中需要下载大量资源，且不能商用，因此不演示AlphaFold3的安装过程，如有问题可以帮助解决。 2.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 3.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 三：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 四、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。 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 五、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 六、蛋白质功能与互作预测；实验验证与AI模型训练预测闭环 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；CCCellular 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)DeepGO-SE，通过蛋白质的语言模型提取序列嵌入，预测蛋白质的功能 3)DPFunc：先用蛋白语言模型提取残基特征，再在接触图上用 GCN 学习结构信息，并引入结构域（domain）指导，最后把多层特征映射到 GO 图上，显著提升对罕见功能项和低序列相似蛋白的预测精度 4)Prot2Text-V2模型。Prot2Text-V2将图神经网络（Graph Neural Network, GNN）与大型语言模型（Large Language Model, LLM）融合到同一个编码器-解码器框架中，有效整合了包括蛋白质序列、结构和文本注释在内的多种数据，以自由文本形式输出蛋白质功能预测结果 5)ProteinKG65构建蛋白质知识图谱，基于Gene Ontology (GO) 和 UniProt 等权威知识库，将蛋白质的功能、结构、相互作用等知识组织成图谱形式，支持下游的机器学习任务，如蛋白质功能预测、表示学习、药物靶点发现等  2.蛋白质相互作用预测： Science文章：使用更深的进化信号：omicMSA+新的深度学习网络：RF2‑PPI。在全人类蛋白质组中筛出一批高置信度的互作，用于补齐人类互作图谱、解释疾病突变和蛋白功能。 1. 更深的进化信号：omicMSA 从约 30 PB 的未组装基因组/转录组数据里挖人类蛋白的同源序列，而不仅仅依赖 UniRef 等传统数据库。 构建omicMSA，使得每个蛋白的深度比常规模板 MSA 深 7 倍左右，协同进化信号显著增强。 2. 新的深度学习网络：RF2‑PPI  基于 RoseTTAFold2 框架开发了一个新的 PPI 预测网络 RF2‑PPI，用来快速估计两条蛋白是否互作以及界面大致形态。 为了训练 RF2‑PPI，构建了很大的数据集：从约 2 亿个预测蛋白结构中抽取各种结构域组合，构建了大规模的 DDI 训练样本，使训练集规模相比传统 PPI 结构数据扩大约 16 倍 筛选流程： 1. 人类蛋白集合 取约 19,500 个人类蛋白序列（UniProt 等），所有可能的配对约 2 亿对。文章中实际筛查约 2 亿对蛋白组合。 2. 构建深度 omicMSA 对每个蛋白，以及蛋白对，基于 30 PB 基因组/转录组数据构建 omicMSA，并对每个蛋白对生成配对 MSA（pMSA），用于协同进化分析和后续深度学习输入。 3. 快速预筛：共进化 / RF2‑PPI 粗打分 先用直接耦合分析（DCA）等共进化方法，结合 RF2‑PPI 对 2 亿对蛋白打一个“互作概率”分数（RFIntProb），过滤掉大部分不可能的组合。 从 4360 万对预筛后的蛋白对中，用 RF2‑PPI 进一步筛选出约 190 万对 RFIntProb > 0.3 的候选。 4. 精细建模：AlphaFold2 复合物结构 对这约 190 万对蛋白，用 AlphaFold2（多聚体/复合物模式）进行结构预测，得到每一对的三维复合物模型以及一个基于界面质量的互作概率（AFIntProb）。 根据 AFIntProb 以及界面大小等指标选择高置信度互作。 5. 高置信度集的定义 在所有蛋白对中，最终在“完全无先验”的全 2 亿对筛选中得到 6,763 个高置信度 PPI； 进一步结合已有数据库（STRING、BioGRID、UniProt 里有物理互作证据的 115 万对蛋白对），在有先验证据的集合上又识别出 21,960 个高置信度 PPI。 综合各种来源和精度阈值，共预测出 17,849 个 PPI，预期精度约90%，其中 3,631 个此前实验未报道的新互作。 3. AI模型训练预测和实验闭环 以 EVOLVEpro 为例，实践计算–实验闭环： 1.初始化 ●选取少量已测序列（野生型 + 文献或少量自设计突变），测定活性。 ●用蛋白语言模型把序列编码成向量，训练一个初始的监督回归模型（序列向量→ 活性）。 2.生成候选序列 ●设定允许的突变范围（允许 1–3 点突变、限定在特定位点/区域）。 ●在该空间内大规模生成候选序列（10^3–10^5），可结合 embedding 空间附近搜索、局部扰动等策略。 3.预测与智能选样 ●用回归模型对所有候选序列预测活性或综合评分。 ●依据主动学习策略挑出一小批要做实验的序列： ●直接选预测值最高的 top‑k；或 ●结合预测不确定性、序列多样性等，使样本既“高潜力”又“信息量大”。 4.实验验证 ●合成/构建这批候选序列，利用高通量实验（如流式、板读、NGS 条形码筛选等）测定真实活性。 ●得到新一轮“序列–活性”数据。 5.回流更新与迭代 ●将新数据并入训练集，重新训练或微调回归模型（PLM 一般保持不变）。 ●重复“生成候选 → 预测选样 → 实验验证 → 更新模型”的循环，通常 3–4 轮即可显著提升目标性能。 02 AI抗体设计 讲师介绍 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，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。 课表内容滑动查看 第一天 一、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* u  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。 u  AlphaFold3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 二、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 clone https://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 三、抗体可开发性预测和优化 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 四：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 五、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。 03 合成生物学与基因线路设计 讲师介绍 主讲老师博士毕业于某合成生物学专业顶尖双一流高校，主要从事合成生物学工具开发，基因电路设计与动态调控，高附加值天然产物化学品合成路径挖掘与高水平合成，精通大肠杆菌，酿酒酵母，毕赤酵母，解脂酵母等微生物细胞工厂的基因编辑和构建，具备完整的从上游菌株改造到下游放大生产的产业化经验，已经实现多个产品的产业化落地，在Metabolic Engineering，Bioresour Technol，Appl Microbiol Biotechnol，J Agric Food Chem，ACS Synthetic Biology等杂志共发表SCI文章16篇，申请发明专利8项 课表内容滑动查看 第一天 一、：合成生物学导论与入门 主题：从DNA组装到生命系统设计 一、合成生物学定义与发展简史（1小时） 定义与核心概念 合成生物学是通过工程化方法设计和构建生物系统，以解决实际问题的跨学科领域，融合生物学、工程学和信息学。 核心目标：改写生命遗传指令，实现定制化功能（如生产药物、能源）。 发展简史 起源：20世纪中叶，DNA双螺旋结构发现和蛋白质合成技术奠定基础。 里程碑： 2000年：基因网络开关设计（Collins团队）。 2002年：人工合成脊髓灰质炎病毒（Wimmer团队）。 2010年：首个人工合成基因组细胞（Venter团队）。 2014年：非天然碱基配对整合（Romesburg团队）。 现状：21世纪后快速发展，聚焦基因组设计、细胞工程和产业应用。 二、常用软件工具与网站介绍 基因设计工具 DNAWorks：免费在线软件，用于设计寡核苷酸链（适用小片段合成）。 商业软件：如Snapgene，GenBank（序列数据库）、EMBL（欧洲生物信息学资源），支持基因组全序列下载和分析。 功能：序列优化、引物设计、模拟基因表达。 代谢通路建模工具 KEGG（京都基因与基因组百科全书）：可视化代谢通路，辅助设计合成生物学模块。 实践平台 iGEM（国际基因工程机器大赛）官网：提供标准化生物元件库和社区资源。 NCBI（美国国家生物技术信息中心）：综合数据库，支持基因序列检索和功能注释。  三、代谢数据库与知识库 核心数据库 代谢组学数据库：如HMDB（人类代谢组数据库），整合代谢物结构和功能信息。 基因组数据库：GenBank、EMBL、DDBJ（日本DNA数据库），存储全基因组序列。 功能：通过序列比对和通路映射，预测基因功能和代谢网络。 知识库应用 设计阶段：利用数据库筛选标准化生物元件（如启动子、终止子），确保设计可行性。 测试阶段：比对实验数据与数据库，验证代谢通路效率（如酶活性分析）。 四、互动实践：常用软件使用 实践目标 掌握DNA序列设计、组装模拟。 步骤与工具 DNA设计：使用Snapgene输入目标序列，生成寡核苷酸链并模拟组装。 数据分析：通过NCBI BLAST比对序列相似性，评估设计准确性。 第二天 二、基因编辑与工具技术 eCRISPR技术、基因合成、生物元件设计（启动子/终止子）  一、基因编辑技术基础概念 基因编辑定义与核心原理 定义：通过人工干预修改生物体基因组，实现特定性状改变。 核心原理： DNA断裂与修复：双链断裂（DSB）触发细胞修复机制（NHEJ或HDR）。 碱基编辑：直接修改单个碱基，无需断裂DNA。 基因编辑工具发展历程 第一代：ZFN（锌指核酸酶，2000年代初，靶向性差）。 第二代：TALEN（转录激活因子样效应核酸酶，2010年代，灵活性提升）。 第三代：CRISPR-Cas9（2012年诺贝尔奖，高效、低成本、可编程）。 二、CRISPR-Cas9系统详解 CRISPR系统组成与工作机制 核心组件： Cas9蛋白：切割DNA的“剪刀”。 sgRNA（单导RNA）：引导Cas9到目标位点（含20nt互补序列）。 PAM（原间隔序列）：Cas9识别的短序列（如NGG）。 工作机制： sgRNA与Cas9结合，形成复合物。 复合物识别PAM，切割DNA双链。 细胞通过NHEJ或HDR修复断裂。 CRISPR系统操作流程 步骤： 设计sgRNA：选择目标基因的PAM序列，设计20nt互补RNA。 构建载体：将sgRNA和Cas9基因插入质粒（如pCRISPR1）。 转化宿主：将载体导入细胞（如HEK293T细胞）。 筛选与验证：通过PCR、测序确认编辑效率。 CRISPR技术优化方向 提高特异性：使用高保真Cas9变体（如HF-Cas9）。 降低脱靶率：优化sgRNA浓度，避免非特异性切割。 扩展应用场景：开发CRISPR-Cas12（靶向单链DNA）和CRISPR-Cas13（靶向RNA）。 CRISPR实验注意事项 实验设计：设置阴性对照（如非靶向sgRNA）。 数据分析：使用NGS（下一代测序）评估编辑效率。 三、基因编辑实验设计实践 实验方案设计要点 明确目标：编辑单个基因（如敲除）或多基因（如代谢通路优化）。 选择宿主：根据基因功能选择模式生物（如大肠杆菌、酵母、人类细胞）。 优化条件：调整sgRNA浓度、Cas9表达量、转化方法（如电穿孔）。 不同微生物宿主SgRNA设计原则 原核生物（如大肠杆菌）： 优先选择PAM序列（如NGG），避免CRISPR-Cas系统的天然防御机制。 真核生物： 避免设计在基因组重复区域或调控序列中的sgRNA。 筛选方法与验证 筛选：通过抗生素抗性或荧光标记（如GFP）筛选成功转化细胞。 验证：PCR扩增：设计引物跨越编辑位点，检测片段大小。 测序：对PCR产物进行Sanger测序，比对参考序列。 功能检测：如编辑后基因表达量（qPCR）、表型变化（如细胞生长速度）。 单基因编辑设计与多基因编辑设计 单基因编辑： 步骤：设计sgRNA→构建载体→转化细胞→筛选→验证。 多基因编辑： 示例：在酵母中同时编辑3个代谢基因（如ADH1、PGK1、GAPDH）。 第三天 三、基因线路工程与动态调控 主题：细胞内的“逻辑电路 基因电路设计原理 ‌一、基因线路概述 1. ‌定义与功能‌ o ‌基因线路‌：生物体内基因表达的调控网络，通过逻辑门（与门、或门、非门）实现特定功能（如代谢调控、信号响应）。 o ‌核心功能‌： § ‌开关控制‌：基因表达的“开/关”（如乳糖操纵子）。 § ‌信号处理‌：环境信号（如光、温度）的响应与转导。 § ‌稳态维持‌：通过负反馈调节基因表达水平。 2. ‌应用领域‌ o ‌生物制造‌：优化代谢通路。 o ‌疾病治疗‌：基因疗法。 o ‌环境监测‌：工程菌检测污染物。 3. ‌案例对比‌ o ‌原核案例‌：大肠杆菌乳糖操纵子（LacI蛋白抑制转录，乳糖诱导表达）。 o ‌真核案例‌：人类β-珠蛋白基因增强子（远端调控序列激活转录）。 ‌二、基因线路设计原则‌ 1. ‌模块化设计‌ o ‌原则‌：将复杂功能拆解为独立模块（如启动子、转录因子、报告基因）。 o ‌示例‌：设计“光控开关”线路，分离光敏蛋白与报告基因（如GFP）。 2. ‌稳定性与可预测性‌ o ‌正交设计‌：减少模块间干扰（如避免共用转录因子）。 o ‌鲁棒性‌：通过冗余设计（如双启动子）确保功能稳定。 3. ‌实验验证方法‌ o ‌荧光报告基因‌：定量表达水平（如GFP荧光强度）。 o ‌qPCR‌：检测转录效率（如mRNA量）。 ‌三、实践操作：基因线路构建 1. ‌工具介绍‌ o ‌CRISPR-Cas9‌：精准编辑基因（如敲除抑制子）。 o ‌质粒载体‌：携带基因线路元件（如pCRISPRi）。 o ‌电转化技术‌：将载体导入细胞（如大肠杆菌）。 2. ‌设计“光控开关”基因线路‌ o ‌步骤‌： 1. ‌设计光敏蛋白‌：选择光敏离子通道（如ChR2）或光敏转录因子（如PhyB）。 2. ‌构建载体‌：将光敏蛋白基因与报告基因（如GFP）插入质粒。 3. ‌转化宿主‌：将载体导入大肠杆菌，筛选阳性克隆。 4. ‌验证功能‌：光照后检测GFP荧光（定性）或qPCR（定量）。 3. ‌实验 o ‌阴性对照‌：使用非光敏蛋白（如GFP空载质粒）。 o ‌优化条件‌：调整光强、曝光时间。 ‌四、动态调控原理 1. ‌负反馈与正反馈‌ o ‌负反馈‌：转录因子抑制自身表达（如乳糖操纵子中的LacI蛋白）。 o ‌正反馈‌：转录因子激活自身表达（如噬菌体λ的CI蛋白）。 2. ‌时间延迟效应‌ o ‌原因‌：基因表达与调控的滞后（如转录、翻译过程）。 o ‌影响‌：导致系统振荡或稳态偏离。 3. ‌案例：大肠杆菌动态调控高产莽草酸‌ o ‌背景‌：莽草酸是合成抗病毒药物的原料。 o ‌调控机制‌： § ‌负反馈‌：莽草酸合成酶（如AroB）抑制自身表达。 § ‌优化策略‌：通过CRISPR敲除抑制子（如AroB的负调控蛋白），提高产量。 ‌五、系统集成与案例分析（ 复杂线路设计策略‌ o ‌振荡器‌：结合负反馈与时间延迟（如基因表达振荡）。 o ‌开关‌：利用逻辑门（如与门）控制多基因表达。 o ‌脉冲发生器‌：通过瞬时信号触发基因表达（如热激响应）。 1. ‌案例分析：合成生物学中的动态调控‌ 第四天 四、代谢工程与生物制造 主题：微生物细胞工厂的理性设计与代谢通路设计与重构 ‌‌一、细胞工厂与理性设计范式‌ 1. ‌细胞工厂定义‌ o 利用工程化微生物（如大肠杆菌、枯草芽孢杆菌、酵母）作为“生物反应器”，通过重构代谢网络生产高值化学品（如1,3-丙二醇、氨基酸、生物燃料）。 2. ‌范式转型‌ o ‌传统模式‌：随机诱变+高通量筛选（低效、不可预测）。 o ‌理性设计‌：基于基因组尺度模型 + 代谢通量分析 + AI预测（精准、可复现）。 3. ‌发展历程‌ o 天然发酵（酿酒酵母产乙醇）→ 代谢工程（大肠杆菌产乳酸）→ ‌AI驱动设计‌（AlphaFold辅助酶结构预测，优化限速步骤）。 4. ‌核心挑战‌ o ‌鲁棒性‌：抗渗透压、高温、产物毒性（如1,3-丙二醇抑制生长）。 o ‌效率‌：产物得率，需突破热力学极限。 o ‌原料多样性‌：利用农业废弃物（如秸秆水解液）替代葡萄糖，降低碳源成本。 ‌二、物质流-能量流-信息流协同设计 1. ‌热力学驱动：ATP/NADH平衡‌ o 产物合成需消耗还原力（如NADPH用于脂肪酸合成）或产生还原力（如1,3-丙二醇生成消耗NADH）。 o ‌策略‌：引入NADH再生系统（如甲酸脱氢酶）或切换碳源（甘油 vs 葡萄糖）调控辅因子比例。 2. ‌动力学驱动：酶活性调控‌ o 限速酶（如AroE、DhaT）表达量不足导致通量瓶颈。 o ‌优化方法‌：使用NCS文库（N端编码序列）精细调控翻译效率，提升酶活性3–8倍。 3. ‌代谢网络重构：通量平衡分析（FBA）‌ o ‌原理‌：基于质量守恒与反应约束，求解最大生物量或产物产量的代谢流分布。 4. ‌‌案例：碳-氮比调控谷氨酸棒杆菌产谷氨酸‌ o 高碳氮比（>20:1）激活谷氨酸脱氢酶，抑制TCA循环，使α-酮戊二酸积累并转化为谷氨酸。 三、底盘细胞开发策略‌ 1. ‌设计原则‌ o ‌鲁棒性底盘‌：引入热休克蛋白（如GroEL/ES）增强耐热性，提升高温发酵稳定性。 o ‌稳定性底盘‌：基因组简化（删除非必需基因如 prophage、转座子），减少代谢负担与基因组不稳定性。 2. ‌技术方法‌ o ‌智能抗逆元件‌：构建温度响应型启动子，在37°C以上激活抗逆基因表达。 o ‌无诱导表达系统‌：利用组成型强启动子替代IPTG诱导，降低生产成本。 3. ‌案例：枯草芽孢杆菌底盘改造‌ o ‌目标产物‌：N-乙酰神经氨酸（Neu5Ac） o ‌改造策略‌： § 引入唾液酸合成途径（neuA, neuB, neuC） § 构建NCS文库优化关键酶表达（GFP荧光强度提升8.47倍） § 删除竞争途径（如glcA）减少副产物 ‌ 第五天 五、 合成生物学中高通量筛选技术 ‌  ‌1、主题‌：传统高通量筛选技术 一、传统高通量筛选技术体系‌ 1. ‌三大技术支柱‌ o ‌机器人自动化系统‌：通过协作机器人（如Explorer G3）实现96/384孔板的自动加样、温孵与转移，日处理通量可达10⁵–10⁶样品。 o ‌液体处理器‌：精准控制纳升–微升级液体分配（误差<2%），支持混合、稀释、分液一体化，消除人为操作偏差。 o ‌检测系统‌： § ‌荧光检测‌：报告基因（GFP、LacZ）用于基因表达水平量化； § ‌细胞增殖检测‌：MTT/Resazurin法评估细胞代谢活性； § ‌离子通道筛选‌：膜片钳自动化平台检测神经靶点化合物活性。 2. ‌数据处理流程‌ o ‌原始数据‌：荧光强度、吸光度、成像特征 o ‌标准化‌：Z’因子评估（Z’>0.5为合格）  o ‌分析工具‌：GraphPad Prism、Python（pandas + scikit-learn）进行剂量响应曲线拟合与Hit筛选。 3. ‌案例‌ o ‌报告基因筛选‌：构建“GFP-乳糖操纵子”大肠杆菌库，用荧光酶标仪筛选强启动子变体。 ‌二、微流控与液滴微流控技术‌ 1. ‌技术原理‌ o ‌微流控芯片‌：通过光刻/软光刻技术在PDMS芯片中构建微通道网络，集成样品制备、反应、分选、检测单元（尺寸<2 cm²）。 o ‌液滴微流控‌：利用油水两相流生成‌皮升级（pL）单分散液滴‌，作为独立微反应器，实现： § 单细胞包裹与恒化培养 § 酶基因表达产物的高通量筛选 § 细胞裂解与代谢物捕获 2. ‌通量优势‌ o 传统：10³–10⁴ 样品/天 o 液滴系统：‌10⁵–10⁶ 液滴/小时‌（DropAI系统实测） 3. ‌实验设计‌ o ‌非标记荧光分选‌：利用微生物自发荧光（NADH/FAD）检测生长速率，分选“高产”菌株。 o ‌荧光编码系统‌：FluoreCode技术，通过不同荧光强度组合编码液滴组分，实现百万级组合并行筛选。 三、拉曼光谱在代谢物高通量筛选中的应用‌ 1. ‌原理与优势‌ o ‌拉曼散射‌：激光激发分子振动模式，产生特征“指纹光谱”，无需标记即可检测： § 脂肪酸（C-H伸缩峰：2850 cm⁻¹） § 聚羟基脂肪酸酯（PHAs，1240 cm⁻¹） § 蛋白质二级结构（Amide I, 1650 cm⁻¹） o ‌无损、快速、单细胞级‌：单细胞光谱采集<1秒，适用于活细胞动态监测。 2. ‌操作流程‌ o ‌样品准备‌：细胞悬液滴于硅基片或微流控出口 o ‌光谱采集‌：使用532 nm或785 nm激光，积分时间1–10 s o ‌数据分析‌： § 主成分分析（PCA）区分细胞表型 § 支持向量机（SVM）分类高产/低产菌株 3. ‌应用‌ o ‌油脂生产菌筛选‌：对产油酵母（如Yarrowia lipolytica）进行拉曼成像，识别高脂含量单细胞。 o ‌液滴-拉曼联用‌：SERS增强基底嵌入微流控芯片，实现“生成-检测-分选”一体化。 4. ‌技术瓶颈‌ o 信号弱（需SERS增强） o 数据维度高（>1000波数点/光谱），需AI降维分析 四、AI驱动的高通量筛选闭环 1. ‌DBTL循环升级‌ o ‌Design‌：AI预测酶结构（AlphaFold）→ 优化催化位点 o ‌Build‌：自动化合成基因库（CRISPR-Cas9 + Golden Gate） o ‌Test‌：液滴微流控 + 拉曼/荧光检测 → 生成百万级表型数据 o ‌Learn‌：机器学习模型（XGBoost、神经网络）训练预测模型，反向优化设计 2. ‌工业级平台案例‌ o ‌SynGears™平台‌：AI驱动的“数字基座”，整合基因设计、通路模拟与筛选数据，实现“设计即优化”。 04 CADD计算机辅助药物设计 讲师介绍 主讲老师来自江南大学，从事CADD及分子模拟相关工作，积累了大量项目经验，涵盖靶点结构准备、虚拟筛选、分子对接、分子动力学模拟、结合能计算等完整流程。在此过程中，熟练掌握了多种主流药物设计与模拟工具，包括 AutoDock Vina、Schrödinger、GROMACS、AmberTools、AlphaFold3、RFdiffusion、ProteinMPNN 等，并具备扎实的 Python 编程与 Linux 系统操作能力，能够高效完成计算流程自动化与高性能并行计算。 课表内容滑动查看 第一天一、pymol的使用与一般蛋白-配体分子对接 1.PDB蛋白结构数据库的介绍和使用 1.1数据库简介 1.2靶点蛋白的结构查询与选取 1.3靶点蛋白的结构序列下载 1.4靶点蛋白的下载与预处理 1.5批量下载蛋白晶体结构 2.pubchem数据库的介绍和使用 2.2 小分子化合物的检索方法2.3 化合物结构与性质信息获取2.4 化合物3D结构下载与格式转换 2.5 批量下载与数据管理 3.Pymol的介绍与使用 2.1软件安装基本操作及基本知识介绍 2.2蛋白质-配体相互作用图解 2.3蛋白-配体小分子表面图、静电势表示 2.4蛋白-配体结构叠加与比对 2.5绘制相互作用力 一般的蛋白-配体分子对接讲解 1.对接的相关理论介绍 1.1分子对接的概念及基本原理 1.2分子对接的基本方法 1.3分子对接的常用软件 1.4分子对接的一般流程 2.常规的蛋白-配体对接 2.1收集受体与配体分子 2.2复合体预构象的处理 2.3准备受体、配体分子 2.4蛋白-配体对接 2.5对接结果的分析 以人血清白蛋白（Human Serum Albumin）与一个简单配体咖啡因（Caffeine）为例 第二天 二、虚拟筛选的介绍与实际操作 1.虚拟筛选相关程序的介绍 1.1openbabel的介绍和使用 1.2ADFR介绍与使用 1.3chemdraw的介绍与使用 2.虚拟筛选的前处理 3.使用Pymol getbox插件确定蛋白口袋 4.虚拟筛选的流程及实战演示案例：细胞色素 P450 14Alpha-固醇脱甲基酶与ZINC FDA药物虚拟筛选 5.Pymol、PLIP、Ligplus+结果分析与作图 5.药物ADMET预测 5.1ADME概念介绍 5.2预测相关网站及软件介绍（SWISSADME、ADMTCADD） 5.3预测结果的分析 第三天 三、多类型分子对接理论与实战应用 1.蛋白-蛋白对接 1.1蛋白-蛋白对接的应用场景 1.2相关程序的介绍如 ZDOCK HDOCK Alphafold3 1.3目标蛋白的收集以及预处理 1.4使用算例进行运算 1.5关键残基的预设 1.6结果的获取与文件类型 1.7对接实操：以人类热稳定蛋白CD24和SIGLEC10对接分析以及作图。 2.蛋白-金属离子的对接 2.1蛋白-金属离子对接的应用场景 2.2相关程序的介绍如 Alphafold3 MIB2 IonCom 2.3对接实操：以AARS2与金属二价Cu离子做对接分析以及作图。 3.蛋白-DNA/RNA的对接 3.1蛋白-DNA/RNA的对接的应用场景 3.2相关程序的介绍如 Alphafold3 Hdock chCADD-1 2.3对接实操：LacI 抑制蛋白与DNA做对接分析以及作图。 4.蛋白-多配体的对接 4.1蛋白与多个小分子配体对接的应用场景 4.2对接实操：人源磷酸二酯酶 9A（PDE9A）与两个小分子抑制剂的复合物对接结果分析以及作图。 第四天 四、蛋白-蛋白相互作用预测与结构分析实战 1.理论导入：蛋白互作生物学基础 2.PPI预测方法概述：介绍基于结构（Structure-based）与基于序列（Sequence-based）的预测方法 3.了解蛋白互作数据库 STRING、BioGRID、IntAct 4.结构建模与复合物预测 5.分子对接与验证 6.互作界面分析 7.实战演练与案例分析 8.总结与扩展 第五天 五、 Linux环境下的分子动力学模拟与实战分析课程 1. linux系统的介绍和简单使用 1.1 学习linux的常见操作命令:ls、vim、rm、mv、cp等 1.2 linux上的常用程序安装 1.3体验：如何在linux上进行虚拟筛选 2.分子动力学的理论介绍 2.1分子动力学模拟的原理 2.2分子动力学模拟的方法及相关程序 2.3相关力场的介绍 3.gromacs使用及介绍重点：主要命令及参数的介绍 4.学习xmgrace对分子动力学结果作图 5.一般的溶剂化蛋白的处理流程 5.1蛋白晶体的准备 5.2结构的能量最小化 5.3对体系的预平衡 5.4无限制的分子动力学模拟 5.5分子动力学结果展示与解读（以水中的溶菌酶为例） 6.蛋白配体分子动力学模拟实战 6.1准备蛋白与拓扑文件 6.2构建盒子并加水 6.3加离子平衡体系 6.4能量最小化 6.5系统平衡（NVT/NPT） 6.6分子动力学模拟 6.7轨迹处理与中心化 6.8结构稳定性分析（RMSD/RMSF） 6.9分子性质分析（回转半径、SASA、氢键等） 6.10轨迹可视化与结果提取 第六天 六、CADD驱动的抗体与酶工程设计实战 1.抗体基础知识讲解： 1.1VDJ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 1.2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 1.3抗体药物开发的基本流程 2.抗体亲和力成熟 2.1了解抗体亲和力原理，常见和实验方法和概念 2.2使用Alphafold3+FoldX进行抗体亲和力成熟的实操 2.3学习DiffAb，扩散模型同时生成CDR区的序列和结构 3.抗体开发性预测  3.1学习SABpred工具对抗体可开发性优化 3.2抗体可开发性优化在药物开发过程中的意义， 3.3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 4.酶的生物学与化学基础 4.1酶的分类与催化机制（氧化还原酶、水解酶、转移酶等） 4.2酶活性中心与底物识别原理 4.3酶动力学参数（Km、kcat、Ki 等）在药物设计中的意义 5.学习使用CADD对酶进行定向改造 5.1 了解定向进化与理性设计的基本原理 介绍酶定向改造的两种主要策略（定向进化 vs 理性设计），以及如何结合CADD模型进行智能筛选与突变预测。 5.2 学习主流CADD酶设计工具与算法 熟悉ESMFold、ProGen、LigandMPNN、UniKP、Diffdock等CADD工具在酶稳定性与活性优化中的应用。 5.3 实战：利用CADD预测并筛选有利突变位点通过具体案例（如肽链裂解酶、脱氢酶或P450氧化酶），示范如何使用CADD模型预测有益突变、验证ΔΔG变化，并结合实验数据进行筛选与验证。 授课时间 AI抗体设计 2026.4.25-2026.4.26 (09:00-11:30--13:30-17:00) 2026.4.28 -2026.4.29 (19:00-22:00) 2026.5.7 -2026.5.8(19:00-22:00) 2026.5.12 -2026.5.13(19:00-22:00) AI蛋白质设计 2026.5.9  -2026.5.10 (09:00-11:30--13:30-17:00) 2026.5.16-2026.5.17 (09:00-11:30--13:30-17:00) 2026.5.23-2026.5.24 (09:00-11:30--13:30-17:00) 合成生物学与基因线路设计 2026.4.25-2026.4.26 (09:00-11:30--13:30-17:00) 2026.4.28 -2026.4.29 (19:00-22:00) 2026.5.9 -2026.5.10 (09:00-11:30--13:30-17:00) .CADD计算机辅助药物设计 2026.4.11-2026.4.12 (09:00-11:30--13:30-17:00) 2026.4.13 -2026.4.14 (19:00-22:00) 2026.4.18-2026.4.19 (09:00-11:30--13:30-17:00) 2026.4.20 -2026.4.21 (19:00-22:00) AIDD人工智能药物设计（录播）提供全部录播、代码进群解疑 AIDD人工智能药物设计进阶（录播）提供全部录播、代码、进群解疑 培训费用 课程报名费用： AI蛋白质设计；AI抗体设计： 公费价：每人每班￥6380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￥6080元 （含报名费、培训费、资料费、提供课后全程回放资料） CADD计算机辅助药物设计直播课；合成生物学与基因线路设计直播课： 公费价：每人每班￥5880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￥5580元 （含报名费、培训费、资料费、提供课后全程回放资料） 证书办理： 参加培训并通过考试的学员，可以申请获得工业和信息化部工业文化发展中心颁发的“工业强国建设素质素养提升尚工行动”岗位能力适应评测证书。名称为“人工智能开发高级工程师”该证书可在中心官网查询，可作为能力评价，考核和任职的重要依据。评测证书查询网址：www.miit-icdc.org（自愿申请，须另行缴纳考试费500元/人） 重磅优惠 优惠1：报二送一（同时报名两个班赠送一个学习班，赠送班任选） 两班同报：10880元   三班同报：14880元 特惠一：18880元（可免费学习一整年本单位举办的任意课程） 特惠二：24880元（可免费学习两整年本单位举办的任意课程） 优惠2：提前报名缴费可享受300元优惠（仅限前15名） 优惠3：报名直播课程可赠送往期课程回放 （报名一个直播课可以赠送两个回放） （报名三个直播课赠送下面全部课程回放） （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！CRISPR-Cas9基因编辑培训！ 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！深度学习基因组学培训！ 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！机器学习微生物多组学联合分析！ 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 报名联系方式    微信：Z13283822597 邮箱：m13283822597@163.com         报名电话：13283822597