2024-08-07
课程背景：
近年来，随着计算机科学及相关基础学科的发展与进步，基于计算机图形学、数据库技术、人工智能等新技术的药物分子设计手段正日臻成熟，不断取得突破性进展，有力推动药物设计领域日趋完善。这不仅为新药创制事业提供了新利器，更有效加速了新药成功开发的概率、缩短新药上市周期，更好地满足临床需求。
AlphaFold3与ChatGPT的引入，为计算机辅助药物设计（computer-aided drug design，CADD）带来了新的变革。AlphaFold3在蛋白质结构预测方面取得了前所未有的突破，而ChatGPT则能提供智能化的研究辅助。这些方法大大加快了新药设计的速度，节省了药物发现的人力和物力，使药物学家能够以理论为指导，有目的地开发新药。同时，在药物机制的研究中，在用实验方法验证药物与受体的相互作用之前，通常会用分子对接的方法预测药物与靶标的结合，以节省实验花费。计算机辅助药物设计已经成为新药开发、药物机制研究中重要的研究手段之一。
学习目标：
本课程将系统讲解AlphaFold3、ChatGPT及AudoDock系列软件在CADD中的创新应用，结合实际案例进行实战演练。您将学会：
·应用传统CADD技术，如分子对接和虚拟筛选，解决药物设计问题
·应用AlphaFold3进行高精度蛋白质结构、蛋白与配体相互作用预测
·利用ChatGPT辅助编写CADD相关的Python程序，提高工作效率
我们保证：零基础起步，课程结束时，您将能独立运用这些尖端工具进行药物设计研究。
适合对象： 各级医院临床医生、药师、科研单位研究人员、高校老师、硕/博士研究生、对计算机辅助药物设计感兴趣的广大师生（尤其适合初学者和无基础的学员，无需任何基础，也无需学习任何编程语言）。
课程特色：
本学习班全程在线电脑实战教学，90%以上为上机指导操作，无繁琐的理论授课。建立专属班级交流平台，学员学完后可以继续在班级群与老师同学交流问题，巩固学习内容。
讲师简介：
赵老师，生物信息学博士，大学教授，从事计算生物学、生物信息学方向研究十余年，主持参与了多项国家自然基金项目，发表数十篇SCI论文，含多篇5分以上的文章。讲课效果好，深得学员好评。在本次课程中，主讲老师将深入讲解AlphaFold3和ChatGPT在计算机辅助药物设计中的最新应用，分享前沿研究成果和实践经验。
会议时间：2024年9.28-29，上午9:00-12:00，下午14:00-17:30
会议地点：腾讯会议网络会议室
主办单位：上海统循会务咨询有限公司
收费标准：
3000元/人。
优惠措施：提前报名并付费可以提前拿到学习资料
3人组团，每人优惠100元，4人组团，每人优惠200元
6人组团，可免一人注册费（即只交5个人的费用）
注意事项：所有资料均为电子版，会后主办方提供全程录屏作为复习资料
交费方式：
A：银行转账
账户名称：上海统循会务咨询有限公司 账户号：1001064709100070186
开 户 行：中国工商银行上海浦东世博永泰路支行
B：支付宝转账
账号：17701825941@163.com 户名:上海统循会务咨询有限公司
C：公务卡支付
详细内容：
时间 | 授课内容 | |
第1天 | 8:30-12:00 | 1. 分子对接基础知识 2. 分子结构文件的获取和处理 化合物结构的获取 化合物ADMET性质预测 多肽结构的获取 蛋白结构的获取 蛋白结构的同源建模 不同格式结构文件的转换 3. PyMol软件介绍 蛋白对象的操作、展现、隐藏、标记、测量 分子对接结果的美化展示 4. 配体-受体结合位点可视化分析工具介绍 |
14:00-17:30 | 1. 用AutoDock及autoDock vina进行小分子与蛋白对接 准备工作 准备受体文件 准备配体文件 确定对接盒子 蛋白受体格点计算 设置对接参数 用AutoDock作分子对接 结果查看与分析 用AutoDock vina 作对接 确定对接盒子的其他方法 用AutoDock Vina 作虚拟筛选 蛋白活性口袋的预测 化合物的下载与处理 AutoDock vina 进行一对多或多对多的对接 计算redocking多个pose的RMSD 虚拟筛选 | |
第2天 | 8:30-12:00 | 金属酶蛋白与小分子对接 用AutoDock4Zn作对接的方法 用AotoDock vina作对接的方法 金属离子与蛋白结合位点预测与对接 蛋白-小分子柔性对接 蛋白-多肽对接 用免费在线平台作对接 用ADCP作对接—结合位点已知的情况 用ADCP作对接—结合位点未知的情况 蛋白-蛋白对接 |
14:00-18:00 | AlphaFold3在CADD中的应用 AlphaFold3简介 蛋白结构预测 糖基化蛋白结构预测 蛋白-金属离子相互作用预测 蛋白-RNA相互作用预测 蛋白-DNA相互作用预测 蛋白-多肽相互作用预测 蛋白-蛋白相互作用预测 蛋白-化合物相互作用预测 批量构建和上传预测任务 | |
备注：自带笔记本电脑，安装WINDOWS 10。 | ||
报名方式：
多模态AI大模型的定制化构建服务（基于清华大学人工智能团队）
基于单病种数据库的多模态AI大模型优势：
人工智能大数据模型可以辅助医护人员进行快速筛查信息，节约医疗资源，提升医疗效率和利用率。
多模态融合可以挖掘潜在因果关联，通过多个多模态的相关性追踪和挖掘可以辅助医护人员在诊断方面和预测预后方面有帮助。
模型构建“一劳永逸”，大模型可复用程度高，并且可更新、可增加模态。
人工智能平台提供标准化可复制流程，使用人工智能平台辅助诊疗可提供标准化接口，内部对使用者透明，减少学习利用成本。
人工智能模型具有高度定制化的优势。可根据不同任务和不同的元数据进行调整和二次训练。
技术方案：
1. 针对所研究的病种，收集相关的影像、临床报告文本、实验室测量/生理信号监测/穿戴式设备监测数据以及必要的标注信息，建立数据集。
2. 针对各模态数据的特点设计编码器架构，提取、建模数据当中隐含的特征，构建由数据表征（嵌入向量）组成的知识集
3. 为保证模态内知识语义的一致性，使用大规模自然图像、文本数据集上预训练的编码器模型，并维护历史知识库，以信息熵为一致性约束条件，微调更新编码器
4. 以跨模态互信息最大化为约束条件，训练投影算子，将各模态知识向量在表征空间中对齐
5. 使用多模态知识特征融合网络，将各模态特征映射到统一的表征空间，再利用针对任务设计的分类/回归预测网络，对所研究的任务进行预测
项目首席科学家：2013 年毕业于美国密苏里大学哥伦比亚分校，获生物物理博士学位，研究方向为单分子光学成像及图像处理。随后在加州大学伯克利分校物理系 Ahmet Yildiz 实验室做博士后，博后期间从事染色体超分辨成像、CRISPR/Cas9 染色体标记及晶格状光片照明显微镜研究。2018年加入清华大学深圳国际研究生院，在原有工作基础上开展交叉科学研究，近四年主持及参与国家 及深圳重点实验室等科技计划项目7项，累计经费2000万。人工智能图像分割如多尺度Mixed-UNet半监督磁共振图像标注方法、多模态心理健康诊断预测、基于超图学习的多维度病理性近视发展趋势预测、CRP急救视频动作识别、乳腺癌病灶三维交互可视化、中医舌诊齿痕分割分类等方面都有文章准备发表或者已经发表。在 Cell、 Nature Communications（2篇）、EMBO Reports、ACS Sensors、Biosensors and Bioelectronics等发表 SCI 论文 40 篇，成果目前已被多篇 Cell、Nature、Nature Communications 等高水平文章引用。申请专利20余项，在新型成像方法及人工智能算法方面专利6项。
拟从事研究内容或研究计划
1.生物医学工程
2.医学影像及人工智能
3.计算机研究相关
合作扫码咨询
summer
