一、課程內(nèi)容

第一天

蛋白質(zhì)結(jié)構(gòu)及分子動(dòng)力學(xué)基礎(chǔ)

a）蛋白質(zhì)設(shè)計(jì)概述

b）蛋白質(zhì)結(jié)構(gòu)基礎(chǔ)

pdb文件格式詳解

數(shù)據(jù)庫詳解

同源建模

c）分子動(dòng)力學(xué)基礎(chǔ)

分子-蛋白對(duì)接

蛋白-蛋白對(duì)接

可視化軟件pymol使用

AMBER分子動(dòng)力學(xué)模擬

高斯加速分子動(dòng)力學(xué)模擬

模擬軌跡RG,RMSD,RMSF,二級(jí)結(jié)構(gòu)變化，PCA分析

MM-GB/PBSA方法計(jì)算結(jié)合自由能

實(shí)踐范例: 蛋白和小分子配體的分子動(dòng)力學(xué)模擬

第二天

機(jī)器學(xué)習(xí)與深度學(xué)習(xí)基本知識(shí)

a）經(jīng)典模型

線性及非線性映射：線性回歸、邏輯回歸

聚類：K-近鄰聚類

核方法：支持向量機(jī)

樹方法：決策樹、隨機(jī)森林

神經(jīng)網(wǎng)絡(luò)：多層感知機(jī)

機(jī)器學(xué)習(xí)藥物篩選分類案例實(shí)操

b）深度學(xué)習(xí)

深度神經(jīng)網(wǎng)絡(luò)DNN

卷積神經(jīng)網(wǎng)絡(luò)CNN

循環(huán)神經(jīng)網(wǎng)絡(luò)RNN

深度學(xué)習(xí)常用的loss介紹

模型評(píng)估與優(yōu)化方法

評(píng)估指標(biāo)：準(zhǔn)確率、召回率、F1分?jǐn)?shù)等

優(yōu)化方法：正則化、Dropout等

超參數(shù)調(diào)優(yōu)

超參數(shù)對(duì)于模型的影響

網(wǎng)格搜索、隨機(jī)搜索

基于蛋白和分子圖結(jié)構(gòu)的深度學(xué)習(xí)案例實(shí)操

c）前沿架構(gòu)原理及實(shí)操

Transformer

BERT

GPT

ViT

第三天

蛋白結(jié)構(gòu)預(yù)測(cè)及其下游應(yīng)用

a）蛋白結(jié)構(gòu)預(yù)測(cè)背景介紹

b）Rosettafold和alphafold

AF和AF2的差異與創(chuàng)新

AF3的差異與創(chuàng)新

Alphafold使用詳解

AlphaFold 3和AlphaFold 2的區(qū)別（包含實(shí)踐示范：如何使用AlphaFold 3大模型開源服務(wù)器進(jìn)行蛋白質(zhì)結(jié)構(gòu)預(yù)測(cè)以及相互作用預(yù)測(cè)）

Rosettafold詳解

c）基于Alphafold的下游應(yīng)用

基于AF的蛋白-蛋白對(duì)接/蛋白-多肽對(duì)接

利用AF2做多構(gòu)象預(yù)測(cè)和功能發(fā)現(xiàn)

基于AF2的環(huán)肽設(shè)計(jì)

d）trrosetta幻想設(shè)計(jì)

e）基于ProteinMPNN的蛋白質(zhì)設(shè)計(jì)

MPNN模型簡(jiǎn)介

設(shè)計(jì)流程

方法比較

第四天

蛋白質(zhì)的從頭生成模型

a）擴(kuò)散模型

b）RFdiffusion實(shí)現(xiàn)蛋白結(jié)構(gòu)設(shè)計(jì)

蛋白Binder生成

蛋白骨架設(shè)計(jì)

單體蛋白從頭生成

多聚體蛋白從頭生成

RoseTTAFold All-Atom大模型的介紹

c）Chroma的基本構(gòu)架與實(shí)現(xiàn)

蛋白構(gòu)象空間全空間采樣

d）ProteinGenerator蛋白質(zhì)骨架與序列設(shè)計(jì)

與rfdiffusion的異同

e）蛋白設(shè)計(jì)案例實(shí)操

第五天

lecture5 蛋白大語言模型的應(yīng)用

a）ProGEN與ProGEN2

模型構(gòu)架講解

與基于結(jié)構(gòu)方法的比較

性能與改進(jìn)

b）ESM-fold

ESM-fold的基本架構(gòu)

ESMfold網(wǎng)絡(luò)講解

ESMFold大模型的實(shí)操

與alphafold方法的對(duì)比

ESM-fold的性能評(píng)估

c） 基于大語言模型的下游應(yīng)用

孤兒蛋白結(jié)構(gòu)的預(yù)測(cè)

大型蛋白復(fù)合物結(jié)構(gòu)預(yù)測(cè)

d）多肽設(shè)計(jì)概覽

基于RFdiffusion實(shí)現(xiàn)多肽設(shè)計(jì)

基于AF2的環(huán)肽設(shè)計(jì)

e）妙用ChatGPT

GPT直接用于生物體系的探索

二、學(xué)習(xí)目標(biāo)

這一課程旨在為學(xué)生提供深度學(xué)習(xí)與蛋白質(zhì)設(shè)計(jì)領(lǐng)域的全面知識(shí)。通過講授深度學(xué)習(xí)的基本概念和前沿技術(shù)，學(xué)生將理解深度學(xué)習(xí)在生物信息學(xué)特別是蛋白質(zhì)設(shè)計(jì)中的具體應(yīng)用。學(xué)生將了解如何使用主流深度學(xué)習(xí)框架PyTorch進(jìn)行模型構(gòu)建與優(yōu)化，并通過實(shí)踐操作掌握蛋白質(zhì)結(jié)構(gòu)預(yù)測(cè)、蛋白質(zhì)功能預(yù)測(cè)和分子對(duì)接等關(guān)鍵技術(shù)。課程將介紹AlphaFold等先進(jìn)模型，并探討其在藥物發(fā)現(xiàn)中的重要性。同時(shí)通過多肽設(shè)計(jì)、逆向中心法則等專題，學(xué)生將全面了解從功能推導(dǎo)結(jié)構(gòu)和從零開始設(shè)計(jì)蛋白質(zhì)的策略。

三、講師介紹

授課老師來自清華大學(xué)，科研上致力于計(jì)算生物學(xué)及生物信息學(xué)研究，主要關(guān)注深度學(xué)習(xí)方法（特別是大模型）在生物醫(yī)學(xué)中的應(yīng)用。除了在清華大學(xué)的科研工作外曾在斯坦福大學(xué)進(jìn)行過深度學(xué)習(xí)預(yù)測(cè)蛋白質(zhì)-DNA結(jié)合的工作，也曾參與微軟研究院蛋白質(zhì)-小分子大模型相關(guān)研究。以第一作者/共同一作在SCI期刊發(fā)表研究論文數(shù)篇，還曾擔(dān)任Plos Computational Biology等國(guó)際知名期刊的審稿人。

四、授課時(shí)間

2024.10.12-2024.10.13

全天課程（上午9：00-11：30下午13：30-17：00）

2024.10.15-2024.10.16

晚上授課（晚19：00—晚22：00）

2024.10.19-2024.10.20

全天課程（上午9：00-11：30下午13：30-17：00）

五、報(bào)名費(fèi)用及福利

公費(fèi)價(jià)：6380元? ? ? 自費(fèi)價(jià)：5880元