Southwest University

近年来，中国的药物研发领域迎来了前所未有的发展势头。IND申请的首次提交数量持续攀升，其中国产药物占比高达80%，显示出我国创新药物研究的强劲动力。自2018年起，中国I期临床试验的数量激增，目前已占全球临床试验活动的近三分之一，这一数据不仅彰显了中国在全球药物研发中的重要地位，也预示着我国临床试验领域的广阔前景。 主题报告分享 10月26-27日在2024中国临床试验产业发展大会上，李天泉老师将以“通过数据透视中国药物临床试验的趋势”这一话题和大家进行交流分享。 报告将从多个维度对近10年中国药物临床试验数据进行剖析，分析药物临床试验成功的机率与困境，寻找中国药物研究的变化趋势与机遇。 正高级工程师、执业药师，药智网创始人、副总裁、重庆康洲医药大数据应用研究院常务副院长，重庆医科大学、重庆大学、西南大学兼职教授、医药研发、数据分析资深专家、《中国医药研发40年大数据》主编 、中华医学会《数字医学与健康》、《中国药业》杂志编委。 李天泉长期从事新药研发，医药大数据的建设，承担多项国家和省级研发项目，获得国家发明专利6项，担任多年新药研发负责人，成功开发出数十个新产品。 李天泉联合创办了中国领先的医药大数据服务平台---药智网，服务国内外数千家医药家企业，精于医药大数据的建设与利用，擅长通过专业数据挖掘来解读医药行业政策、医药热点信息，深入分析行业发展现状与趋势、帮助企业决策、助力药企业研发。 上下滑动查看大会具体议程↓↓ 初拟日程，以最终版为准 09:00-09:20 大会致辞 09:20-09:40 成都市药械临床试验支持政策分享 熊亚兰 | 成都市市场监督管理局药品监管和产业服务处，副处长 09:40-10:10 新环境下的药物研发策略 张丹 | 俄罗斯工程院外籍院士，谱新生物 联合创始人 10:10-10:30 主题待定 蔡学钧 | 上海生物医药创新前沿中心，首席科学官 10:30-11:00 新时代临床试验发展机遇与挑战 周焕 | 中国药理学会药物临床试验专委会，青年主任委员 11:00-11:30 新形势下创新生物医药研发临床研究规制所面临的挑战 陈勇川 | 陆军军医大学，药物临床试验机构办主任、Ⅰ期临床试验研究室主任 11:30-12:00 通过数据透视中国药物临床试验的趋势 李天泉 | 药智网创始人，副总裁 12:00-13:30 午餐 初拟日程，以最终版为准 13:30-14:00 精神分裂症药物的临床开发实例 申华琼 | 纽欧申医药，创始人&CEO 14:00-14:30 从临床视角看抗肿瘤药物的开发策略及案例分享 郭宝红 | 资深临床和药物安全专家 14:30-15:00 从临床视角看神经性退行性疾病的开发及案例分享 陈柏州 | 加立生科，CEO 15:00-15:20 茶歇 15:20-15:50 抗体偶联药物（ADCs）在肺癌领域临床研究分析 杨修诰 | 石药集团，高级医学总监 15:50-16:20 从临床视角看HIV创新药的临床开发策略及案例分享 嘉宾行程确认中 16:20-16:50 核酸药物的开发及在眼底病中的研究进展 罗德伦 | 成都云海四面体生物科技有限公司，总裁 初拟日程，以最终版为准 13:30-14:00 中国ADC 在全球的临床试验 秦续科 | 宜联生物，CMO 14:00-14:30 RNA药物临床开发策略与实践 余娴 | 重庆医科大学附属第二医院Ⅰ期临床试验中心 主任 14:30-15:00 抗体偶联药物的未满足临床用药需求及案例分析 嘉宾行程确认中 15:00-15:20 茶歇 15:20-15:50 国内创新型疫苗临床试验实施要点与挑战 赵茂盛 | 石药集团，疫苗部临床副总监 15:50-16:20 细胞与基因治疗药物开发策略和案例分析 袁少雄 | 北京新领先医药科技发展有限公司，临床医学总监、临床商务总监 16:20-16:50 中药临床研究和真实世界研究 张容 | 融新元医药科技有限公司，总经理 初拟日程，以最终版为准 13:30-14:00 改良制剂立项思路及临床评价策略 冀闪 | 慧泽医药，医学总监 14:00-14:30 巧妙桥接临床设计加速改良新药上市 陈洪 | 千金药业，研究院院长 14:30-15:00 三类仿制药的验证性临床研究策略的考量 王欣桐 | 长沙都正生物科技股份有限公司，医学事务总监 15:00-15:20 茶歇 15:20-15:50 舌下给药生物等效性研究关键点及案例分析 邓春模 | 重庆恒誉康，总经理 15:50-16:20 吸入制剂的药动学特征与生物分析 谢荟茹 | 成都凡微析医药科技有限公司，实验室主任 16:20-16:50 特殊制剂案例分析-铁剂注射剂的临床实施 卢菁 | 汇智成功，副总经理 初拟日程，以最终版为准 09:00-09:30 以患者为中心的DCT设计与实践 郑莉 | 华西医院临床试验机构办主任 09:30-10:00 从患者需求出发谈DCT在中国的场景化实践 夏素琴 | 创达医药，创始人，总经理 10:00-10:30 临床试验报告背后的Prompt与Python魔法-用代码书写CSR，范式重大迁移 李星 | 北京深度制耀科技有限公司，总经理 10:30-10:45 茶歇 10:45-11:15 基于数据湖仓的数字资产赋能临床运营和决策 杨玉秋 | 西安里恩生命科学技术有限公司，总经理 11:15-11:45 信息化赋能临床试验效率的提升 陈筱 | 北京中兴正远科技有限公司，总经理  11:45-12:15 临床试验的数字化与数据可视化 李高扬 | 羚研创新（北京）健康科技有限公司，创始人 12:15-13:30 午餐 初拟日程，以最终版为准 09:00-09:30 基于最新核查要求的临床试验质量管理 曹玉 | 青岛大学附属医院临床试验中心副主任，临床试验机构办公室主任，I期临床研究中心主任 09:30-10:00 申办方(药企)如何建立适合自己的临床开发体系(团队) 毛勇 | 海博为医药，临床副总裁 10:00-10:30 EMA&FDA临床试验检查的流程与关键要点比较 杨国庆 | 复宏汉霖，临床合规和质量保证负责人 10:30-10:45 茶歇 10:45-11:15 临床试验不良事件的损害赔付与风险管理 刘亚卿 | 上海浦东五新保险经纪有限公司，副总经理 11:15-11:45 新形势下CRO的合规控险与降本增效 邓一鸣 | 科颖医药，肿瘤事业部负责人   11:45-12:15 基于心血管疾病开发的大语言模型在RWS研究随访中的应用 杨雄 | 四川循证医药科技有限公司，数字化事业部总监 12:15-13:30 午餐 初拟日程，以最终版为准 09:00-09:30 中国制药出海拓展现状和未来 丁恩峰 | 资深GMP药政法规制药技术专家/高级工程师 09:30-10:00 中国医药创新与MNC海外竞争成功案例 邓晓宇 | 苏州希毅医学，创始人 10:00-10:30 仿制药中美双报：策略与挑战 张天谊 | 华普医药集团，CEO 10:30-10:45 茶歇 10:45-11:15 药企内卷时代新曙光—吸入剂的中美双报与出海 郭冠麟 | 徐州元峰医药科技有限公司，副总经理 11:15-11:45 美国与中国临床试验期间安全报告管理实践 吴闯 | 北京深度制耀科技有限公司，CTO 11:45-12:15 助力中国药企出海: 高效低成本加快完成国际多中心临床试验 于力欣 | Advanced Clinical Trial Supply，创始人/CEO 12:15-13:30 午餐 初拟日程，以最终版为准 13:30-14:00 创新药临床试验设计—在适当的适应症中找到合适的剂量 邱明春 | 奥睿药业，临床总监 14:00-14:30 阿托伐他汀参与胶质瘤TMZ耐药的非肝脏代谢机制与临床试验的设计 崔晓腾 | 天津医科大学总医院；天津市神经病学研究所，副研究员 14:30-15:00 药物差异化临床设计和适应症选择策略及案例分析 朱永红 | 岸迈生物，CMO 15:00-15:30 基于医疗大数据的临床研究数据管理和智能化统计分析 薛韶波 | 北京韶华科技发展有限公司，总经理 15:30-16:00 临床试验数据统计创新模式变革的思考和探讨 邓亚中 | 北京信立达医药科技有限公司 总经理 16:00-16:30 基于风险的中心化数据监查 郝永红 | 普瑞盛医药，执行总裁&数据科学事业部总经理 初拟日程，以最终版为准 13:30-14:00 多元文化背景下国际多中心临床试验的管理 冯萍 | 四川大学华西医院，教授，主任医师，博士生导师，临床试验中心支部书记兼副主任 14:00-14:30 临床试验对照药管理的风险与实践应对 马小明 | 艾比奥健康，创始人&CEO 14:30-15:00 专病生物样本库在创新药械研发中的应用 杨宇 | 诺擎生物科技（上海）有限公司，CEO 15:00-15:30 如何利用保险更好的保护研究者和申办方 赵孟先 | 长城保险经纪有限公司，医药责任险部副总经理 15:30-16:00 临床药品供应的难点及一体化解决方案 王静 | 上海生生物流有限公司，临床供应链项目负责人 16:00-16:30 中药临床试验的风险与控制 郑飞鸣 | 太极医药，研究院副院长 初拟日程，以最终版为准 论坛承办单位：高博临床研究中心 主持人：侯杰，高博临床研究中心首席医学官/高博临床药理中心负责人 13:30-14:00 临床药理的前世今生 余勤 | 华西第二医院临床试验机构，临床研究中心主任 14:00-14:30 创新药物早期临床试验推进的考虑和实际案例 魏敏吉 | 北京医科大学临床药理研究所，药代室主任 14:30-15:00 创新药人体物质平衡和绝对生物利用度研究的设计考量 庄铨坤 | 北京高博医院，同位素临床中心运营总监/Sub I 15:00-15:30 创新药CQT/TQT实验设计及法规解读 陈猛 | 高博临床研究中心，高级医学总监 15:30-16:00 CQT/TQT定量药理模型及法规解读 王少媛 | 高博临床研究中心，定量药理总监 16:00-16:30 心电图中心阅读流程及分析 童膺 | 高博心脏安全中心，项目运营总监 16:30-17:00 圆桌谈论Q&A ↓↓立即扫码报名↓↓ 来源 | 临研人（药智网获取授权转载） 责任编辑 | 八角 声明：本文系药智网转载内容，图片、文字版权归原作者所有，转载目的在于传递更多信息，并不代表本平台观点。如涉及作品内容、版权和其它问题，请在本平台留言，我们将在第一时间删除。 商务合作 | 王存星 19922864877（同微信）  阅读原文，是受欢迎的文章哦

近日，重庆首个一类生物创新药——赛立奇单抗注射液正式获批上市。据悉，赛立奇单抗注射液主要用于中、重度斑块状银屑病的治疗，是智翔金泰首款获批上市的产品，同时也是国内首个全人源IL-17A靶点药物。 事实上，在近几年，重庆在医药领域时有重磅信息披露，比如在2022年年底，随着血液净化龙头山外山在科创板成功上市，重庆不仅实现了在科创板“零”的突破，同时也打破了重庆医疗领域五年没有IPO的尴尬记录。而在诸多突破的加持下，行业里也逐渐诞生了一个疑问，即重庆医药产业何时能迎来爆发？能否像重庆的经济地位一样，也能站在全国一线？这引起了不少行业人士的关注。 重庆医药为何被落下了？ 事实上，重庆医药产业一直给人一种反差感，这是因为相比于重庆的经济地位，其医药产业一直相对靠后。以最直观的一级市场为例，据动脉橙数据库不完全统计，重庆医药领域今年仅完成5起融资，这与其他一线城市相比差距明显。 但重庆医药曾经也辉煌过，在上世纪90年代初期，重庆医药产值就已经达到70亿元左右，是全国六大制药基地之一，拥有西南合成、西南药业、重庆制药一厂至七厂等多个大药厂。不过，在进入21世纪之后，随着全球医药产业变革，重庆医药创新能力不足、专业人才稀缺、资本活跃度不高、聚集效应不强等劣势逐渐放大，其产业也因此进入低迷，全国排名从前6快速跌到近20。 而也是在这一时期，凭借长安铃木、福特、马自达等合资品牌和本地品牌，重庆汽车产业迎来了十年黄金时代，因此更多的精力及资源都在向其倾斜，在强烈对比之下，重庆医药就慢慢被遗忘了。 但二十年后，也就是从2020年开始，我国医药产业又一次站在了变革的关键点上。这一次，重庆决定卷土重来，近几年在医药领域投入非常大，包括设立2000亿母基金、建立金凤实验室、打造国际生物城等，而这些动作都是在弥补重庆医药产业的短板。 在2023年“重庆产业投资母基金主题圆桌会议”上，深创投副总裁刘波曾简明扼要地指出了重庆在产业发展上还欠缺的地方：第一缺龙头企业的引领；第二生态不完整；第三缺科创企业；第四缺上市公司；第五缺资金缺创投；第六缺机制，重庆需要探索在国有体制下引进市场化经营机制。  图1.重庆16家上市医疗企业代表（数据来源：公开资料） 虽然这些问题面向的是全产业，但聚焦医药领域同样适用。比如缺乏龙头企业引领，目前，重庆在医药板块共有16家上市企业，其中智飞生物、太极集团与智翔金泰市值均超过百亿，尤其是智飞生物，作为疫苗龙头，市值更是突破500亿。不过从现阶段来看，这些上市企业对于本地产业的推动并不明显，重庆还缺乏像长安这样能带动地方产业发展的“带头人”。 除此之外，资本匮乏也是横在重庆医药产业面前的一大难题。由于缺乏专业的人才和机制，重庆在创投圈的存在感一直较弱，本土机构较少，另外也很难吸引外部头部机构押注。而这一劣势很好地投射在一级市场上，据动脉橙数据库不完全统计，2020年之后重庆共在医药领域完成56起融资，投资体量明显不够。 最后要提到的是创新环节，这一直是重庆产业发展的一大短板。作为制造业重镇，重庆尽管工业门类齐全、产业基础良好，但目前新兴产业主要集中在制造落地层面，而非研发引领。对此，重庆某药企创始人谈道，“重庆创新环节薄弱的核心就在于‘我要转’的动力不强，也就是说，关于创新方面的引领和供给都还不够。” 那么，面对这些痛点，重庆现目前已经解决到什么程度了呢？ 连续收获4个IPO， 重庆与医药企业越站越近 2022年年底，血液净化龙头山外山成功在科创板上市，实现了重庆在科创板“零”的突破。在这之后，登康口腔、西山科技以及智翔金泰也相继在一年内上市。 这当然离不开重庆在背后所做的努力。以登康口腔为例，在上市之前，重庆股权服务集团曾两次组织深交所专家到访，主要是对相关人员进行针对性辅导，而在此推动下，登康口腔从IPO申请获受理到正式上市仅用了短短50天。这只是其中一面，为协助企业上市，重庆还做了很多布局，包括在政策上松绑，为企业提供资金等。 图2.重庆医药融资轮次比例图（数据来源：动脉橙） 说完上市企业，接着再谈重庆对于初创企业的吸引。过去几年，虽然重庆医药领域投资数量变化不明显，但投资阶段确在大范围向前移，据动脉网不完全统计，在2023-2024年8月这一期间，重庆医药领域共完成24起融资，其中A轮以前融资多达16起，占比67%。这意味着，资金开始越来越多地向早期医药项目倾斜。 而在其背后，实际上就是产业链的逐渐完善，这是吸引早期项目落地的先决条件。目前，重庆正加速构建“1+5+N”生物医药产业体系，其中“1”指重庆国际生物城，这是重庆市唯一的国家战略性新兴产业集群和生物医药重点产业园。据悉，生物城已初步建成西部地区领先的“1院5中心10平台”生物医药创新体系，形成了涵盖基础研究、产品研发、中试小试、成果转化的全链条创新能力。 除了扶持本土企业发展，重庆近年来还在积极与头部医药企业进行合作，推动其在重庆扎根。以CRO康龙化成为例，2021年12月，‌康龙化成(北京)新药技术股份有限公司新增对外投资，成立了康龙化成(重庆)新药技术有限公司。原本，康龙化成(重庆)只计划招募300人，但在实际招募过程中，这一数量很快提升至2000，并且规模越来越大。据知情人士透露，康龙化成落地重庆就是想加快小分子CDMO服务的产能建设，而重庆庞大的基础人才以及较低的产业成本很好地对其进行了支撑。 与此同时，重庆与众多跨国大药企的联系也愈发紧密。2024年3月31日，丹纳赫与重庆两江新区管理委员会签署战略合作，双方将共建丹纳赫西部创新中心项目，服务成渝地区医药科研与创新转化。事实上，这并不是重庆第一次与MCN建立深度联系，近几年，包括阿斯利康、拜耳、赛诺菲、葛兰素史克、碧迪医疗等都与重庆开展了不同维度的业务合作。 不难发现，从初创企业的聚焦到上市企业的推动，再到与头部企业之间的紧密合作，重庆医药当前都在大力布局，而随着企业聚集度增高，重庆医药产业氛围愈发浓厚，产业链条也在逐步完善。 2000亿母基金横空出世， 投资更精细也更市场化 2023年5月，重庆宣布成立2000亿产业投资母基金，一时间，近百家一线投资机构来到重庆，包括中金、高瓴、红杉、达晨财智、深创投、IDG、君联、前海方舟、同创伟业等，均在重庆集结。 事实上，这只是开始，在此之后，重庆又陆续发布多个专项产业基金，比如在今年5月，重庆保税港区集团就宣布设立了20亿元生物医药专项子基金，目前，重庆医药产业专项基金已超过百亿。而在此激励下，越来越多的头部机构开始扎堆来重庆淘金。 不过，基金的聚焦并不能直接推动产业发展，如何使其更好地进行市场化运作才是重中之重。以渝富基金为例，作为重庆本土最大的投资机构之一，其在2021年专门设立了医药投资小组，并招引了一批医药投资领域的专业人才。同时，为弥补自身在医药板块的劣势，渝富基金还积极与头部机构进行合作，共同在医药板块投资布局。 对此，渝富基金某医药投资人谈道，“过去，我们可能更多地是在看中后期项目，但近几年，我们开始聚焦于早期领域，投资阶段大范围向前移。而在这个变化的过程中，我们愈发强调市场化，募投管退都严格按照市场化机制来执行。” 这很有必要。据动脉网观察，进入今年之后，各地引导基金退出问题已愈发紧迫，虽然不少地方政府当前都在通过免责、降低返投倍数、减少返投限制、设立S基金等为退出松绑，但可以预见的是，基金后续退出难度仍然较大，这是因为在过去两年，不少地方国资首要考虑的仍然是在不亏损的前提下，如何上交能顺利交差的成绩报告，这完全脱离了市场准则。 重庆很早便意识到了这一点，因此将更多主动权都交给了投资机构。基于此，某资深人士谈道，“重庆政府并不担心国资平台投资亏损，也没有对国资创投机构提出过于苛刻的考核收益与税收方面的要求，在他们眼中，企业投资亏损很正常，这是市场的逻辑，也是平台的干事思维。事实上，只要投资符合规定，监管部门就不会轻易找上门。” 正是因为如此，近年来，越来越多的医药投资人开始往来于重庆，这是从前难以看到的景象。 创新载体相继落地， 多个前沿领域亟待爆发 2022年6月，金凤实验室正式揭牌投入使用，这是对标于成都天府实验室、长沙芙蓉实验室的新型研发机构。据某入驻科研团队介绍，“金凤实验室聚焦生命健康领域，把重大疾病的下一代诊断作为核心任务，主要以原始理论创新和‘卡脖子’技术基础理论突破为首要目标，这是金凤有别于其他实验室的主攻方向。” 目前，金凤实验室已入驻40个科研团队，到位科研人员371人，共落户7家生物医药领域科技型企业，研究制定重大疾病细分领域科研任务清单6项，累计发表SCI等高水平论文77篇，进入实质审查的发明专利7项。很显然，金凤实验室的落地正在为重庆医药提供源源不断地创新力。 不过，重庆关于医药创新的布局不止金凤，比如在高校及医疗机构上，重庆近些年持续加强了包括重庆医科大学、重庆大学、西南大学等在内的多所高校的科研扶持力度，并鼓励其深度参与到医药产业建设之中。另外在平台建设上，2024年4月29日，重庆正式成立了临床研究中心，该负责人表示，此举意在完善重庆生物医药成果转化生态，为加快培育生物医药新质生产力提供新动能。  图3.《重庆市推动生物制造产业发展行动计划（2024—2027年）（征求意见稿）》 而随着创新能力显著加强，重庆医药正在向多个前沿领域深度布局。2024年7月29日，《重庆市推动生物制造产业发展行动计划（2024—2027年）（征求意见稿）》出台，明确表示将向生物化工与生物基材料、生物药、生物农业与食品、生物能源与环境等领域持续开展创新转化，推动更多成果落地。另外，根据政策指引，到2027年，重庆医药生物制造领域基础研究和关键核心技术将取得系列“从0到1”的研究成果，推动人工智能技术深度赋能生物技术，并打造3家以上前沿领先、根基深厚、支撑有力的高能级科技创新平台。 对此，重庆某本土药企创始人谈道，“创新一直是重庆的短板，尤其是在更强调前沿科技的医药领域，这一劣势更加放大。但在近几年，随着更多创新政策出台，以及多个创新载体的落地，再加上高校、医疗机构再深度参与进来，重庆医药创新的潜力正加速释放。” 写在最后 2020年之后，随着我国医药产业进入新的周期，整个产业重心也开始向一批新一线城市快速转移。这背后的逻辑有两点：一是北上广深医药市场逐渐趋于饱和，亟需释放产能；二是新一线城市对经济增长的需求明显增强，于是纷纷抓住了医药这个优质标的。 因此在过去几年，以重庆、成都、合肥、杭州、武汉、长沙等为代表的新一线城市都在加大力度布局医药产业，而从现阶段来看，各地在医药产业上也都有不同程度的收获。不过，随着产业进程不断推进，各地医药产业的发展当前也逐渐进入瓶颈，典型表现就是产业增速放缓，亟待解决的问题越来越多。 重庆当前也是如此，在顺利跨过产业“0到1”的阶段之后，当前正在向“1到10”的新阶段迈进。但可以明显看到的是，从2022年之后，重庆基于医药产业的动作明显增多，这或许会成为重庆医药未来脱颖而出的筹码。 * 参考资料： 1.《“中国第四城”，重庆坐稳了吗》——投中网； 2.《重庆上半年GDP大增背后，汽车万亿产业已经有了龙头》——海纳财经； 3.《2000亿+300亿，重庆医药领域投资已拉开序幕！》——动脉网。 *封面图片来源：神笔PRO 想要了解重庆医药园区，或者想要在重庆开展业务的同行，可以与我们取得联系： 近 期 推 荐 声明：动脉网所刊载内容之知识产权为动脉网及相关权利人专属所有或持有。未经许可，禁止进行转载、摘编、复制及建立镜像等任何使用。 动脉网，未来医疗服务平台

2024 年 5 月 8 日，谷歌 DeepMind 与 Isomorphic Labs 联合在《自然》期刊上发布蛋白质领域最新人工智能模型 AlphaFold 3！这一模型能够准确预测蛋白质、DNA、RNA 以及配体等生命分子的结构及其相互作用方式。这是继AlphaFold 2 之后的又一重大突破 在预测类药物相互作用方面，AlphaFold 3 实现了前所未有的准确度，包括蛋白质与配体的结合以及抗体与其靶蛋白的结合。在 PoseBusters 的基准测试中，AlphaFold 3 的准确率比现有最佳传统方法高出 50%，而且无需任何结构信息输入，成为首个超越传统物理预测工具的人工智能系统。这种预测抗体与蛋白质结合的能力，对于理解人类免疫反应的各个方面以及新抗体的设计至关重要。 深度学习在蛋白质设计领域的前沿研究主要集中在蛋白质结构预测、蛋白质序列设计、蛋白质-蛋白质相互作用预测、蛋白质功能注释和蛋白质优化与筛选等方面。这些研究方向为开发新的功能性蛋白质和药物靶点提供了新思路，并在生物医学、药物研发和生物材料等领深度学习在蛋白质设计领域的应用被认为是当前的前沿研究方向之一，深度学习在蛋白质设计领域的不断发展为新药研发、生物制药、生命科学研究等领域带来了许多创新和机会               2024年最值得期待的三大技术 一、深度学习蛋白质设计 二、CADD计算机辅助药物设计 echnology 深度学习在蛋白质设计领域的前沿研究主要集中在蛋白质结构预测、蛋白质序列设计、蛋白质-蛋白质相互作用预测、蛋白质功能注释和蛋白质优化与筛选等方面。这些研究方向为开发新的功能性蛋白质和药物靶点提供了新思路，并在生物医学、药物研发和生物材料等领深度学习在蛋白质设计领域的应用被认为是当前的前沿研究方向之一，蛋白质结构预测与设计领域的未来将充满创新和跨学科的发展，为解决生物医学、生物工程和生物能源等方面的重大问题提供更多可能性。 蛋白质折叠和结构预测：深度学习模型可以预测蛋白质的三维结构，这对理解蛋白质的功能和开展蛋白质设计至关重要。通过深度神经网络模型和注意力机制的应用，可以更准确地预测蛋白质的折叠和结构。 蛋白质序列设计：深度学习可以用于预测蛋白质序列的功能和稳定性。通过神经网络模型和自然语言处理技术的结合，可以设计出具有特定功能和稳定性的蛋白质序列，例如酶活性、药物靶点等。 蛋白质-蛋白质相互作用预测：深度学习模型可以预测蛋白质和蛋白质之间的相互作用，从而帮助设计新的蛋白质复合物和抗体。 蛋白质功能注释和预测：深度学习可以进行蛋白质功能注释和预测，识别蛋白质的功能域、结构域和功能位点等。这有助于预测蛋白质的功能和相应的生物学作用。 蛋白质优化和筛选：深度学习可以用于优化和筛选设计出的蛋白质。通过神经网络和生成对抗网络的应用，可以提高蛋白质的稳定性、可溶性和活性，以满足特定的设计要求。 蛋白质-蛋白质相互作用预测：深度学习可用于预测蛋白质与蛋白质之间的相互作用，从而实现蛋白质和配体的高效率设计和筛选等。 近年来发过哪些顶刊以及方向： Nature communications| 使用基于结构的残基偏好进行蛋白质设计 Nature biotechnology| 用于功能性蛋白质设计的机器学习 Scientific reports| Deep-WET：一种基于深度学习的方法，使用具有加权特征的词嵌入技术预测 DNA 结合蛋白 Cell Systems| 深度学习为蛋白设计开启了新时代 Nat. Comput. Sci| 基于深度学习的无rotamer蛋白质设计 Comput Struct Biotech| 深度学习用于蛋白质设计：从结构到序列与功能 本课程围绕蛋白设计基础与前沿工作展开讲述，从蛋白结构的预测与优化到蛋白的从头设计进行深度教学，本课程主要面向有编程基础的学员，对基础知识进行详细讲解，并且会结合前沿文献讲解相关技术的应用。帮助学员们， 通过本次培训学员将了解蛋白质设计的底层逻辑与基本规则，并掌握蛋白质设计中的常见蛋白质设计算法的实际操作，具备基本的蛋白质设计算法开发的基础能力及前沿视野。 01 深度学习蛋白质设计课表 第一天： 深度学习蛋白质设计的相关概念及基础 1. 基础概念 a. 什么是深度学习 b. 什么是蛋白质设计 c.    python 简介 d.   inux 与 VS code 简介 2. 如何描述一个蛋白质的状态 a. 量子力学： 含时薛定谔方程 b. 量子化学： 定态薛定谔方程 c. 全原子分子动力学模拟：朗之万方程 d. 粗粒化模拟： 广义朗之万方程 e.    马尔科夫态模型： 主方程 3. 常用的分析/可视化蛋白质及相关分子的方法 a. 获得并观察一条蛋白序列的 MSA b. 用 pymol 或 chimeraX 可视化蛋白质分子体系  c. 小分子结构的生成与优化： rdkit 与 GAMESS d. 分子动力学模拟轨迹可视化： VMD e. 通用序列/结构分析软件包： biopython    f. 生物大分子编辑平台： Discovery Studio  g. 位点冲突分析： Frustratomete h. 简易生物分子空腔与通道分析： CAIN 4. 深度学习蛋白质设计与传统蛋白质设计之间的差异 a.  深度学习的本质 b. 传统方法： 通过物理能量推测概率 c. 深度学习： 直接从数据中找到概率分布的规律 d. 深度学习与传统的物理方法还是存在紧密联系的 e. 深度学习蛋白质设计的强大之处 f. 功能蛋白设计的滑铁卢： 玻尔兹曼废墟 5. 结构模型 vs 语言模型 a. 结构模型： 基于图神经网络 b. 语言模型： 天涯若比 c. 结构模型的优势及劣势 d. 语言模型的优势及劣势 e. 走向融合 第二天： 蛋白质设计的先行者： 蛋白质结构预测 1. 在 AlphaFold 之前人们如何做蛋白质结构预测 a. 基于物理能量函数： rosetta b. 传统分子对接 c. 分子动力学模拟 d. 同源序列分析 2. AlphaFold 系列历史 a. AlphaFold： 开创一个时代 b. AlphaFold2： 终结一个时代 c. AlphaFold3： 走向未来 3. AlphaFold3 原理解析 a. 本质上不是从序列到结构， 而是从 MSA 到结构 b. 注意力机制 c. 扩散模型 d. AlphaFold3 的成绩与不足 4. AlphaFold 实际操作与结果分析 a.AlphaFold2 实操  b.AlphaFold2 分析  c.AlphaFold3 实操  d.AlphaFold3 分析 e.别忽视结构之外的信息 5.其它深度学习蛋白质结构预测软件简介 a.trRosetta b.OmegaFold c.ESMFold 第三天 蛋白质设计基础: 从经典力场到深度学习 1. 如何计算蛋白质构象的能量？ a) 蛋白质可视化与编辑常用方法 i. pymol使用方法简介 ii. chimera使用方法简介 iii. pdb文件格式详解 iv. 使用python biopython、pymol等库编辑蛋白质结构 b) 分子力学、溶剂化能简介 i. 分子力学公式形式 ii. 溶剂化能的计算方法 iii. MM/PBSA方法计算结合自由能 2. 基于统计势函数的蛋白质设计方法——Rosetta a) 统计势函数的一般定义 b) 蛋白质设计中的统计势函数 i. Rosetta统计势定义 ii. Rosetta能量函数常见项及物理意义 c) 基于Rosetta势函数的蛋白设计 i. 设计流程 ii. 实验结果 3. 蛋白-蛋白对接的强大——无先验知识的蛋白质药物设计流程 a) 蛋白-蛋白对接简介 i. 蛋白-蛋白对接的定义 ii. RifGen对接方法介绍 b) 蛋白质药物设计 i. 设计流程 ii. 实验结果 4. 深度学习强势登场——蛋白质设计模型ProteinMPNN a) MPNN 消息传递神经网络简介 b) ProteinMPNN模型简介 i. 模型结构介绍（输入、输出、参数……） ii. 模型使用（主编程语言Python） c) 基于ProteinMPNN的蛋白质设计 i. 设计流程 ii. 实验结果 5. 平分秋色还是天壤之别？两种蛋白设计方法的比较 a) 深度学习模型具有更高的序列恢复率 b) 深度学习模型可实现rosetta、alphafold不可完成的设计任务 c) 深度学习模型的短板 第四天： 深度学习蛋白质骨架设计 1.为什么要走先设计骨架再设计序列的道路 2.传统的蛋白质骨架设计 a.简单粗暴的结构拼接 b.理性地突变氨基酸以得到理想的结构 c.RosettaRemodel 简介 3.基于优化能量的蛋白质骨架设计模型： SCUBA a.SCUBA 的基本原理其实很简单 b.核心难点以及克服方法 c.SCUBA 实际操作 d. 不足之处 4. 基于扩散模型的蛋白质骨架设计模型 a.改写时代的 RFdiffusion b. 结合了 GAN 的 SCUBA-D  c.结合了 VQ 的 PVQD 5.实际的骨架从头设计流程：以结合蛋白从头设计为例 a.功能口袋的选取 b.带限制条件的骨架生成 c.迭代优化 d. 特殊手段  第五天  基于Alphafold的下游应用 1. AF2多体蛋白结构预测的关键问题与解决途径 1.1 多序列比对中序列拼接配对问题 1.2 模板匹配问题 2. 利用AF2做蛋白和多肽柔性对接 2.1蛋白质表面几何物理化学互补问题 2.3 多肽柔性/构象处理 3. 利用AF2做蛋白结构和序列新设计 3.1 trrosetta幻想设计 3.2 AF2序列和结构幻想设计 4. 利用AF2做结构聚类发现新结构和功能 4.1 alphadatabase数据库结构简介与分析 4.2 foldseek结构比对工具介绍 4.3 新结构与新功能 5. 利用AF2做多构象预测和功能发现 5.1 MSA采样聚类分析及结构预测 5.2 不同MSA可以预测构象之间的转变和功能 6. 利用AF2的部分算法模块做模型质量评估和侧链构象等   6.1 三角机制提升蛋白质模型质量评估 6.2 局部三角机制和evoformer用于蛋白质侧链预测 第五天： 深度学习蛋白质序列设计 1. 传统的蛋白质序列设计 a.基于力场 b. 基于同源序列 c. 走向数据驱动： ABACUS 与 ABACUS2 d. ABACUS2 实际操作 2. 改变一个时代的杰作： ProteinMPNN a. 在 GNN 之前： 基于 CNN 的序列设计 b.ProteinMPNN 框架解析 c.ProteinMPNN 的广泛应 d.ProteinMPNN 实际操作 e. 潜在的问题 3. 其他的序列设计模型 a. ESM-IF 简介 b. ABACUS-R 简介 c. ABACUS-R 实际操作  4.神奇的 CarbonDesign a.受 AlphaFold 的启发 b.CarbonDesign 框架解析 c.CarbonDesign 成功的原因 d. 然而序列恢复率高并不等价于功能蛋白序列设计成功率高 5.基于结构的序列设计之梦魇： 本征无序区 a. 什么是本征无序区， 为什么会存在本征无序区 b. 本征无序区对蛋白质的功能是至关重要的 c. 本征无序区序列设计欠佳的核心原因 d. 当前的解决方案 第六天： 深度学习蛋白质设计前沿 1. 基于配体分子的功能蛋白设计 a. 骨架设计： RFdiffusionAllAtoms b. 序列设计： LigandMPNN 2. 结构-序列协同设计 a. 为什么理论上协同设计要优于传统设计 b.协同设计的难点 c.当前协同设计所取得的进展 3. 动态蛋白质结构预测与设计 4.KAN 在深度学习蛋白质设计中的潜在应用  a. 机器学习的可解释性 b.物理信息机器学习 c.Kolmogorov-Arnold 表示定理 d.KAN vs MLP e.KAN 潜在的优势 5.如何避免玻尔兹曼废墟是核心问题 6.展望未来 a.基于化学反应机理的酶从头设计 b.找到功能蛋白的蛋白质空间分布的 extropy 结构预测基础： 学生将学会通过生物信息学工具分析蛋白质序列，预测其二级结构和三维结构，并理解结构与功能之间的关联。 模型应用与评估： 学生将能够使用机器学习和深度学习模型进行蛋白质结构预测，同时学习如何评估模型的准确性和可靠性，选择正确的工具加以应用。 药物设计： 掌握与蛋白质结构预测相关的药物设计原理，学会设计靶向特定蛋白质的药物分子与多肽药物分子，理解蛋白类药靶相互作用的机制。 03 通过课程学习您将得到 基于深度学习的通用型蛋白设计模型近几年来发展迅速，本课程围绕蛋白设计基础与前沿工作展开讲述，从蛋白结构的预测与优化到蛋白的从头设计进行深度教学，本课程从零基础开始讲解，对基础知识进行详细讲解，并且会结合前沿文献讲解相关技术的应用。帮助学员们， 通过本次培训学员将了解蛋白质设计的底层逻辑与基本规则，并掌握蛋白质设计中的常见蛋白质设计算法的实际操作，具备基本的蛋白质设计算法开发的基础能力及前沿视野。 04 授课架构 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 05 课程解疑、学员评价以及资料 老师针对每一个学员的培训疑问都会耐心解答,每次培训将近2000余次解疑 将近300余页PPT还有相应代码，提供软件安装和指导，报名成功就发送预习视频进行预习 讲师介绍  主讲老师来自中国TOP高校，在国内顶尖教授组中从事人工智能蛋白质设计研究，目前的主要研究方向是酶与结合蛋白的设计和人工智能在进化尺度上的蛋白质设计。有着丰富的实战经验。已在Applied Physics Letters，eLife，Nucleic Acids Research，ACS Omega，Journal of Molecular Biology等国际知名期刊上发表数篇工作 02 CADD计算机辅助药物设计 课程目标 Science Technology CADD计算机辅助药物设计：依据生物化学、酶学、分子生物学以及遗传学等生命科学的研究成果，以计算机化学为基础，通过计算机的模拟、计算和预算药物与受体生物大分子之间的相互作用，考察药物与靶点的结构互补、性质互补等，设计出合理的药物分子。它是设计和优化先导化合物的方法，特别是在食品、生物、化学、医药、植物、疾病方面应泛！靶点的发现与确证是现代新药研发的第一步，也是新药创制过程中的瓶颈之一。 计算机辅助药物设计（computer aided drug design）是以计算机化学为基础，通过计算机的模拟、计算和预算药物与受体生物大分子之间的关系，设计和优化先导化合物的方法。计算机辅助药物设计实际上就是通过模拟和计算受体与配体的这种相互作用，进行先导化合物的优化与设计。计算机辅助药物设计大致包括活性位点分析法、数据库搜寻、全新药物设计 01 CADD计算机辅助药物设计课表 第一天上午 背景与理论知识以及工具准备 1.PDB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.Pymol的介绍与使用 2.1软件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 3.notepad的介绍和使用 3.1优势及主要功能介绍 3.2界面和基本操作介绍 3.3插件安装使用 下午 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 以新冠病毒蛋白主蛋白酶靶点及相关抑制剂为例 第二天 虚拟筛选 1.小分子数据库的介绍与下载 2.相关程序的介绍 2.1 openbabel的介绍和使用 2.2 chemdraw的介绍与使用 3.虚拟筛选的前处理 4.虚拟筛选的流程及实战演示 案例：筛选新冠病毒主蛋白酶抑制剂 5.结果分析与作图 6.药物ADME预测 6.1ADME概念介绍 6.2预测相关网站及软件介绍 6.3预测结果的分析 第三天 拓展对接的使用方法 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 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结果的分析 以目前火热的靶点 PD-1/PD-L1等为例。 2.涉及金属酶蛋白的对接 2.1金属酶蛋白-配体的背景介绍 2.2蛋白与配体分子的收集与预处理 2.3金属离子的处理 2.4金属辅酶蛋白-配体的对接 2.5结果分析 以人类法尼基转移酶及其抑制剂为例 3.蛋白-多糖分子对接 4.1蛋白-多糖相互作用 4.2对接处理的要点 4.3蛋白-多糖分子对接的流程 4.4蛋白-多糖分子对接 4.5相关结果分析 以α-糖苷转移酶和多糖分子对接为例 5.核酸-小分子对接 5.1核酸-小分子的应用现状 5.2相关的程序介绍 5.3核酸-小分子的结合种类 5.4核酸-小分子对接 5.5相关结果的分析 以人端粒 g -四链和配体分子对接为例。 操作流程介绍及实战演示 第四天 拓展对接的使用方法 1.柔性对接 1.1柔性对接的使用场景介绍 1.2柔性对接的优势 1.3蛋白-配体的柔性对接 重点：柔性残基的设置方法 1.4相关结果的分析 以周期蛋白依赖性激酶 2（CDK2）与配体1CK为例 2.共价对接 2.1两种共价对接方法的介绍 2.1.1柔性侧链法 2.1.2两点吸引子法 2.2蛋白和配体的收集以及预处理 2.3共价药物分子与靶蛋白的共价对接 2.4结果的对比 以目前火热的新冠共价药物为例。 3.蛋白-水合对接 3.1水合作用在蛋白-配体相互作用中的意义及方法介绍 3.2蛋白和配体的收集以及预处理 3.3对接相关参数的准备 重点：水分子的加入和处理 3.4蛋白-水分子-配体对接 3.5结果分析 以乙酰胆碱结合蛋白 (AChBP)与尼古丁复合物为例 第五天 分子动力学模拟（linux与gromacs使用安装） 1. linux系统的介绍和简单使用 1.1 linux常用命令行 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.origin介绍及使用 第六天 溶剂化分子动力学模拟的执行 1.一般的溶剂化蛋白的处理流程 2.蛋白晶体的准备 3.结构的能量最小化 4.对体系的预平衡 5.无限制的分子动力学模拟 6.分子动力学结果展示与解读 以水中的溶菌酶为例 第七天 蛋白-配体分子动力学模拟的执行 1.蛋白-配体在分子动力学模拟的处理流程 2.蛋白晶体的准备 3.蛋白-配体模拟初始构象的准备 4.配体分子力场拓扑文件的准备 4.1高斯的简要介绍 4.2 ambertool的简要介绍 4.3生成小分子的力场参数文件 5.对复合物体系温度和压力分别限制的预平衡 6.无限制的分子动力学模拟 7.分子动力学结果展示与解读 8.轨迹后处理及分析 以新冠病毒蛋白主蛋白酶靶点及相关抑制剂为例       02 课程目标 让学员熟练掌握：PDB数据库、靶点蛋白、蛋白质-配体、蛋白-配体小分子、蛋白-配体结构、分子对接、蛋白-配体对接、虚拟筛选、蛋白-蛋白对接、蛋白-多糖分子对接、蛋白-水合对接、分子动力学等技术 03 培训对象 目前计算机辅助药物设计受众人体众多，列如CADD、药物设计、药学、药物研发、药物筛选、新药研发、药物化学、生物制药、免疫、天然产物、兽药研发，生物信息、中药药理、中药化学、网络药理、结构药理、食品安全、食品风味、食药研发、食品研发、抗肿瘤药物、肿瘤免疫、酶工程、遗传、抗体药物、农业工程、化学、有机合成、有机化学、结构生物、合成生物等众多科研人员。 04 培训架构 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 05 授课资料 老师备课PPT将近1000余页，培训软件都会提供以及指导安装    目前为止已经举办30余期，参会学员达3000余人，学员评价一致非常满意，算是国内CADD计算机辅助药物设计最好的培训课程 计算机辅助药物设计主讲老师来自国内高校北京协和医院药物研究所，主要擅长药物虚拟筛选、计算机辅助药物设计、人工智能药物发现、分子对接、分子动力学等方面的研究，有十余年的研究经验，以第一作发表论文20余篇 讲师介绍  计算机辅助药物设计主讲老师来自国内高校北京协和医院药物研究所，老师主要擅长深度学习、机器学习、药物虚拟筛选、计算机辅助药物设计、人工智能药物发现、分子对接、分子动力学等方面的研究，有十余年的研究经验。 授课时间安排 01 深度学习蛋白质设计授课时间 2024.08.17-2024.08.18（9：00-11：30）--（13：30-17：00） 2024.08.24-2024.08.25（9：00-11：30）--（13：30-17：00） 2024.08.28-2024.08.29（9：00-11：30）--（13：30-17：00） 共计全6天的课 通过腾讯会议直播    线上实操    提供全部录播 02 CADD计算机辅助药物设计授课时间 2024.08.10-2024.08.11（9：00-11：30）--（13：30-17：00） 2024.08.13-2024.08.16（9：00-11：30）--（13：30-17：00） 2024.8.20-2024.08.23（9：00-11：30）--（13：30-17：00） 共计全7天的课 通过腾讯会议直播    线上实操    提供全部录播 培训费用及福利 课程报名费用： 深度学习蛋白质设计： 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￥6480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： 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￥5480元 （含报名费、培训费、资料费、提供课后全程回放资料） 重磅优惠: 报二送一（同时报名两个班免费赠送一个学习名额赠送班任选） 报四送二（同时报名四个班免费赠送两个学习名额赠送班任选） 优惠1： 两班同报：10880元  （原价18640） 三班同报：14880元   （原价23620） 可免费学习一年特惠：24880元 （可免费学习一整年本单位举办的任意课程） 可免费学习两年特惠：（28880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（仅限十五名） 报名学习课程可赠送往期课程回放（报多少赠多少） （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！ 回访二：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！AIDD人工智能药物设计培训！ 回放九：本课程为视频课！机器学习代谢组学培训！ 回放十：本课程为视频课！深度学习基因组学培训！ （蓝色字体可以点击查看       均为培训视频课） 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！ 腾讯会议实时直播解答|手把手带着操作 学员对于培训给予高度评价 学员培训后投顶刊 报名咨询方式（请二维码扫描下方微信） 微信：766728764  电子邮箱：m15238680799@163.com  电话：15238680799 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 往期参会单位 ▼ 国外院系高校；有来自麻省理工大学、University of Bristol (布里斯托大学)、加州伯克利大学、Osaka University(大版大学）、乔治梅森大学、加州理工大学、曼彻斯特大学 、莱斯大学、波士顿大学、德州 农工大学、德雷克大学、美国联合大学、普林斯顿大学、斯坦福大学、Imperial College London、KAUSTuniversity、理海大学、TheUniversityofQueensland、澳大利亚昆士兰大学、耶鲁大学、牛津大学、剑桥大学、匹兹堡大学、悉尼大学、多伦多大学、西雅图华盛顿大学、伦敦大学、杜克大学、东京大学、哥伦比亚大学、康奈尔大学、纽约大学、西北大学、布朗大学、华盛顿大学等  国内院系高校；有来自中山大学、清华大学、浙江大学、北京大学第一医院、中国医学科学院北京协和医院、西北民族大学、西南大学、山东大学、启元实验室、中国人民解放军总医院第一医学中心、广东海洋大学、武汉大学、中国农业大学、河南师范大学、南京工业大学、上海交通大学、南方科技大学、南京大学、中国医学科学院基础医学研究所、青海省农林科学院、天津中医药大学第一附属医院、山东大学、黑龙江八一农垦大学、南昌大学第二附属医院、台州市中心医院（台州学院附属医院）、宁波大 学附属人民医院、新疆农业大学、北京林业大学、广西医科大学、湖南文理学院、滨州医学院、滨州医学 院烟台附属医院、华南师范大学、中国环境科学研究院、云南师范大学、昆明理工大学、湖北医药学院、临港实验室、 苏州大学、福州大学、南方医院、南昌大学第二附属医院、深圳市中医院、湖南文理学院、河南科技学院、福建省立医院、中南大学湘雅医院、深圳市中医院、省立同德医院、内蒙古科技大学包头师范学院、 乌鲁木齐市疾病预防控制中心、中国林业科学研究院林业研究所、中国农业科学院兰州畜牧与兽药研究 所、鲁东大学、河北工程大学、南方医科大学珠江医院、首都医科大学附属北京妇产医院、重庆医科大学 附属第二医院、复旦大学上海医学院、陕西中医药大学附属医院、中国 医学科学院血液病医院（中国医学科学院血液学研究所）、深圳北京大学、 香港科技大学医学中心、天津市肿瘤医院、陆军特色医学中心、空军军医大学第一附属医院、江南大学、 中国科学院深圳先进技术研究院等5000余名学员还有很多公司和科研院所以及高校！感谢对我们培训的认可！还有许多因为时间冲突无法参加。这次我们诚挚邀请您来参加！ 声明：此内容由第三方提供、授权发布或者转载自第三方；本内容一切版权及连带责任由第三方负责，与本公众号无关。据此内容作出的任何判断，后果自负。