本系列讲座围绕着计算模拟和 AI 技术在药物设计流程中的应用，以及相关的算法原理介绍展开，旨在帮助有药物计算需求的科研人员快速入门 AI for Life Science 领域。
在上期的基于结构的虚拟筛选主题讲座中，我们详细介绍了 Docking 的算法原理、参数含义和操作流程，以及基于结构的虚拟筛选使用技巧和具体案例。然而，受限于 Docking 算法的基本原理，在面对需要精确评估配体与靶点间亲和力的情况时，其精度已无法满足药物设计的需求。因此，一些严格基于物理学基本原理，能够更精确地计算药物分子与靶点间结合自由能的方法被开发出来，并得到了不断的完善和优化。在实际的使用过程中，会根据研究的体系和计算精度的要求，挑选合适的自由能计算工具，从而达到准确性和计算速度的最优平衡点，提升药物发现流程的效率和成功率。在本期培训中，我们以药物计算中的自由能计算为主题，对常见自由能计算方法（MM-PB/GBSA，FEP）的算法原理及简单的应用进行介绍。在后续的培训中，我们会进一步讲解 FEP 计算工具的使用，并通过案例，帮助大家掌握工具的具体应用。
在药物设计过程中，特别是先导化合物优化阶段，精确评估药物分子与靶蛋白的结合自由能，有助于深刻理解药物分子的构效关系（Structure Affinity Relationship，SAR），对理性设计具有高活性和高选择性的候选化合物具有重要的指导意义。常见的结合自由能计算方法有 MM-PB/GBSA、TI、FEP 等。其中，自由能微扰（Free Energy Perturbation, FEP）[1,2]是目前公认精度最高、迁移性最好的亲和力评估计算方法，随着 GPU 算力的大幅度提升、力场及采样方法的进步，自由能微扰方法在药物设计中的应用越来越广泛。![]()
图1 MM PB/GBSA 结合自由能计算示意图
![]()
图2 FEP 自由能计算示意图
药物计算中的自由能计算（上）：基于物理模型的计算方法介绍培训时间：
2024年6月22日（周六）9:00-12:00
腾讯会议
培训日程：
时间 | 具体内容 |
9:00 - 9:30 | 结合自由能计算的意义 |
9:30 - 10:30 | MM-PB/GBSA 方法的原理和工具使用 |
10:30 - 11:30 | FEP 计算的原理介绍 |
11:30 - 12:00 | Q&A 环节 |
培训主讲：
宋珂，深势科技高级计算科学家。2012年毕业于山东大学化学与化工学院，获“理论与计算化学专业”博士学位，随后进入复旦大学化学系开展博士后研究工作。2016年加入上海科技大学-免疫化学研究所，在计算生物学平台和生物医学大数据平台工作。主要研究方向为：利用量子化学方法研究催化反应机理，利用分子动力学方法研究生物大分子的功能机理，以及药物分子的筛选和 MOA 研究。
1. 本次培训在线上进行，如您有意向报名本次培训，请扫描下方二维码或访问链接，点击“立即报名”，并填写报名信息：
![]()
课程链接：
2. 填写报名问卷后，请不要快速切出，问卷末尾将显示本次培训的微信群二维码，请大家扫码进入课程群。如果二维码无法加入，请添加小助手微信（HermiteService），小助手会手动拉你入群；3. 培训涉及到的账号将由小助手进行开通，如您遇到任何问题，可以添加下方课程小助手微信：![]()
1. 药物计算系列培训开启报名 | 走进计算视角下的药物设计
2. 药物计算系列培训第二期 | 基于结构的虚拟筛选：原理、技巧及结果解读
3. 自由能微扰（FEP）在新型HBV核心蛋白变构调节剂研发中的应用 | 药物计算特邀报告
[1]Zhu, F., Bourguet, F.A., Bennett, W.F.D. et al. Large-scale application of free energy perturbation calculations for antibody design. Sci. Rep. 2022, 12, 12489
[2] Cournia Z., Allen B., Sherman W. Relative Binding Free Energy Calculations in Drug Discovery: Recent Advances and Practical Considerations. J. Chem. Inf. Model. 2017, 57, 12, 2911–2937深势科技是“AI for Science”科学研究范式的引领者和践行者。AI for Science 即运用 AI 学习一系列的科学原理和科学知识，并进一步解决科学研究和工业研发领域的关键问题。深势科技依托在交叉学科领域的深耕，构建了“深势 · 宇知®”AI for Science 大模型体系，将众多学科的科研方法从“实验试错 / 计算机”时代带入了“预训练模型时代”，并以“微尺度工业设计与仿真”为切入点，打造了Bohrium® 玻尔®科研空间站、Hermite® 药物计算设计平台、RiDYMO® 难成药靶标研发平台及 Piloteye® 电池设计自动化平台等科研和工业研发基础设施，形成了 AI for Science 的“创新 - 落地”链路和开放生态，赋能“千行百业”，为人类经济发展最基础的生物医药、能源、材料和信息科学与工程研究打造新一代工业设计与仿真系统。深势科技是国家高新技术企业、国家专精特新“小巨人”企业，在北京、上海、深圳等城市布局研发中心。科研技术团队由中国科学院院士领衔，汇集了超百位数学、 物理、化学、生物、材料、计算机等多个领域的优秀青年科学家和工程师，其中博士及博士后在公司成员中占比超过 35%。核心成员获得过2020年全球高性能计算领域的最高奖项“戈登贝尔奖”，相关工作入选2020年中国十大科技进展和全球 AI 领域十大技术突破。
