近日，諾貝爾化學獎得主、蛋白質設計先驅David Baker 教授作為通訊作者（楊為、王順智等為共同第一作者），在國際頂尖學術期刊Nature上發表了題為：The past, present and future of de novo protein design的綜述論文。楊為博士已全職加入深圳醫學科學院，任特聘研究員，成立蛋白質藥物設計課題組。

該綜述論文描述了從頭蛋白質設計（de novo protein design）的當前狀態。盡管在成功率和活動方面仍有改進的空間，但設計新型蛋白質結構、組裝體和蛋白質結合劑這一長期存在的難題已接近解決。這些領域當前的關鍵問題不是如何設計，而是設計什么，開源設計方法如 RFdiffusion 和 ProteinMPNN 以及蛋白質結構預測工具使生物化學家和分子生物學家能夠廣泛探索可能的應用。在從頭設計小分子靶點結合劑、酶和多態蛋白質系統方面也取得了相當大的進展。方法開發目前面臨的挑戰包括設計用于克服高能壘反應的催化劑，以及更廣泛地說，設計將結合、構象變化和催化整合在一起的開關和納米機器。在接下來的 5-10 年里，預計會設計出復雜的蛋白質納米機器和材料，其功能遠遠超出自然進化所產生的功能，應用于醫學、技術和可持續性等廣泛領域。

在這篇綜述論文中，David Baker 團隊為我們展望了一個激動人心的新時代——未來十年內，蛋白質從頭設計將解決人類面臨的重大難題，并在醫學、可持續發展和生物技術領域發展成為一項基礎性工具。我們可以利用這些工具設計出可能成為攻克癌癥、阿爾茨海默病的利器，制造出高效環保的工業催化劑，甚至能組裝成微小的“納米機器”，執行特定的任務。

作為2026年最值得期待的技術！

AI蛋白質設計資料與學習途徑少之又少，特培訓學習迫在眉睫！聯合清華大學、北京大學、西湖大學、浙江大學、中國科技技術大學、天津大學、協和藥物研究所、中科院微生物所、上海藥物研究所等高校和研究單位已經舉辦培訓把八十余期，參會學員達9000余人！學員好評極高！其中不乏有發表Nature、Cell、Science等國際頂刊！

六大頂尖課程

01AI蛋白質設計線上直播課

02AI抗體設計線上直播課

03 AI基因編輯線上直播課

04 AI構建虛擬細胞線上直播課

AI蛋白質設計主講老師在學術界和工業界都有豐富算法開發和應用經驗，博士畢業于國內頂尖課題組，從事蛋白質結構預測和蛋白質設計的研究工作，相關工作成果已在Cell Systems、Angew. Chem. Int. Ed.、JCIM等國際知名期刊發表論文。目前在知名藥企擔任高級研究員，主導AI驅動的大分子藥物設計平臺開發與團隊管理。

學員評價

01

AI蛋白質設計課表

一、熟悉超算環境與蛋白質從頭設計實踐

1.環境搭建：Linux，VS code，Jupyter notebook*

a)超算的登錄

b)Linux系統的常用shell命令：vim, ls, cd, less, rm等；

c)一些package安裝的常用命令：pip, conda, source等。

d)Jupyter notebook的安裝和使用。

e)VS code的基本配置：連接服務器；選擇不同python版本的Interpreter；debug模式的使用等。

2.基礎知識講解

a)三類方法在不同程度上探索蛋白質序列空間：

i.蛋白質定向進化（directed evolution）

ii.固定蛋白質主鏈的序列設計（Fix-backbone protein design）

iii.蛋白質的從頭設計（De novo protein design）

b)關鍵數據庫：RCSB PDB， SCOPe， CATH， UniRef， BFD等

c)常見概念和名詞： rotamer， scaffold， motif，domain，backbone，side-chain，apo和holo結構，

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生成蛋白質骨架結構，ProteinMPNN精細的生成氨基酸序列。

b)Rfdiffusion3的安裝實操

c)Rfdiffusion3的使用實操

d)ProteinMPNN的安裝實操

e)ProteinMPNN的使用實操

f)Rfdiffusion+ProteinMPNN生成序列，AphaFold2篩選序列。整體實操流程：

i.計算SAP（Spatial Aggregation Propensity）的值，選擇3-6個氨基酸作為hotspot，即結合位點；這里需要使用Rosetta進行計算，首先將安裝rosetta，準備蛋白，再計算每一個氨基酸的SAP值，將SAP數值映射到結構上。選擇hotspot位點。

ii. Rfdiffusion結構設計，生成~10000個蛋白質主鏈結構；

根據上面挑選得到的hotspot位點，更改相應的hotspot參數，生成新的結構

iii.ProteinMPNN-FastRelax進行序列設計，每一個主鏈結構兩個對應的序列，共設計~20000個序列；

iv.篩選:使用AlphaFold2預測設計結構，預測的置信度pAE<10，預測結構與設計結構的RMSD<1A，從中挑選95個進行實驗驗證。

4.其它的蛋白質設計方法的實操*

a)BindCraft——序列生成和篩選的自動化實現

BindCraft相比于Rfdiffusion+ProteinMPNN更加用戶友好，一站式設計流程，序列的生成和篩選自動化實現。將講解其中參數的設計和選擇，如過濾序列條件、生成氨基酸的偏好性等。使用包括置信度評分（如AlphaFold2預測得到的pLDDT、ipTM）、物理指標（如Rosetta界面能量）和序列特征（如疏水性比例）進行篩選。

b)MIT開發的Bolzgen方法原理、安裝使用講解。

安裝和使用boltzgen講解，將詳細講解yaml配置文件的寫法，以一個靶點為例，從頭生成VHH與該靶點結合。

c)PPIFlow：基于flow-matching的生成方法，原理，安裝和使用方法。

二、蛋白質結構預測和分析

1.蛋白質結構預測方法

1)從CASP比賽結果來簡述蛋白質結構預測方法的發展?；谀芰亢瘮?-> 接觸圖的應用 -> 端到端的預測結構（AlphaFold2）。

2)AlphaFold2的模型相比于以前的方法有什么改進

a)將基于MSA和基于模板的方法整合，使用注意力機制進行MSA信息和模板信息的相互交流。

b)以前提取MSA信息為計算協方差矩陣 ，AlphaFold2創造性的直接將MSA信息作為輸入，將圖像識別的算法轉變成了自然語言處理算法，減少了中間處理過程中的信息損失。

3)AlphaFold3相比于AlphaFold2改進了什么，還有什么不足。

a)擴展到了多種生物分子的復合物結構預測，包括蛋白質-DNA、蛋白質-RNA、蛋白質-小分子，并使用擴散模型。

b)復合物組裝與動態預測缺陷，抗體-抗原復合物結構準確度有待提高。

4)運行網頁server上的AlphaFold3預測結構

5)如何使用AlphaFold3預測蛋白質的糖基化，不同糖基化的類型的輸入方法。

6)AlphaFold3輸出結果分析，各項置信度指標的含義，以及如何判斷預測的準確度，如pLDDT，ipTM，PTM，PAE。

7)本地部署和運行ColabFold，由于AlphaFold3在安裝過程中需要下載大量資源，且不能商用，因此不演示AlphaFold3的安裝過程，如有問題可以幫助解決。

2.蛋白質結構分析和可視化

1)pdb文件的解讀，每一行中的內容代表什么含義。

2)用 pymol 可視化蛋白質結構*

a)pymol的基礎操作講解

b)如何將實驗值投影到結構圖的顏色上，如何畫出發表文章中好看的圖

3)計算蛋白質結構中兩個氨基酸的距離*

a)使用python的文本文件操作實現

b)使用python中biopython包實現

3.蛋白質結構相關物理性質的計算*

1)二級結構的分類和計算

2)溶劑可及表面積（SASA）的講解及計算

三：蛋白質序列分析，數據挖掘和訓練數據準備

講解和實操：

1.獲得同源序列

1)了解不同蛋白質序列庫，如UniRef90，UniClust30，Pfam等

2)了解不同工具原理并使用：NCBI BLAST，Jackhmmer，HHblits

3)給定一條蛋白質序列，比對序列庫，生成多序列比對（MSA）*

2.對MSA進行頻率分析*

1)使用python的文本文件操作實現

2)使用python中biopython包實現

3)繪制序列Logo，可視化的展示每個位點的氨基酸頻率和保守性

3.序列的同源性計算和進化樹的繪制*

1)不同同源性的計算方法及應用情景，氨基酸序列的identity和Similarity，BLOSUM62的介紹。

2)進化樹的繪制

4.基于序列相似性閾值劃分訓練集和測試集*

1)為什么要做？避免數據泄露

2)選擇相似性度量方法

3)相似性矩陣的計算

4)劃分數據集

5.大規模蛋白質序列的聚類分析和去冗余*

1)為什么要做？防止過度學習某一類序列特征，消除序列偏差；也能防止訓練過程中數據泄露。

2)聚類方法的選擇，CD-HIT、MMseq2和Linclust

3)選擇代表序列，去冗余

4)實際復現S2ALM這一模型文章中的聚類方法。mmseqs easy-cluster examples/DB.fasta clusterRes tmp --min-seq-id 0.7 -c 0.8 --cov-mode 1

四、蛋白質的大語言模型及其應用

1.基礎知識講解

1)介紹蛋白質的語言模型（26字母語言模型->20氨基酸字母表，上下文依賴->氨基酸的共進化）

2)為什么要開發蛋白質大語言模型？1. 相比于結構或功能信息，序列信息更加海量；2. 蛋白質序列通過進化而來，可以學習蛋白質基本規律，折疊，共進化等

3)模型架構和基礎理論：transformer，多頭注意力機制，Bert，GPT，T5等

2.基于Bert架構的蛋白質語言模型

1) ESM系列（ESM-1b、ESM-1v、ESM2、ESM C）

2)ESMFold：無需MSA信息的結構預測

3)使用抗體序列庫訓練的語言模型：Ablang，AntiBERTy

3.類似GPT的生成模型ProGen

1)36層Transformer解碼器架構，包含12億參數

2)引入“控制標簽”（如蛋白質家族ID、功能屬性）作為輸入，生成蛋白質序列空間以外的新的蛋白質序列

3)成功生成新的溶菌酶

4.多模態的蛋白質語言模型ESM3

1)模型架構融合序列，結構和功能信息

2)相比于ESMFold，單體結構預測精度更好

3)基于多模態提示（序列、結構、功能關鍵詞）設計新的蛋白質序列

4)ESM3的安裝，生成序列，快速結構預測。*

5.蛋白質語言模型的應用和實戰演練*

1)獲得序列embedding以構建下游模型（Cell systmes文章舉例），從文章github倉庫中提煉序列embedding的代碼并學習使用。

2)使用不同的蛋白質語言模型，零樣本的預測蛋白質突變效應。

3)給定少量的突變效應數據作為訓練數據，訓練模型，預測新的突變效應值。

五、深度學習輔助酶設計

1.基礎知識講解

酶的過渡態理論，theozyme，fitness landscape，epistasis

2.酶學性質預測

1.DLKcat與GotEnzyme數據庫介紹

2.UniKP:利用預訓練模型挖掘、改造Kcat

3.CLEAN:基于對比學習的EC號預測挖掘稀有脫鹵酶

3.蛋白質熱穩定性改造

1.MutCompute介紹

2.利用MutCompute改造PETase(Nature)

3.ThermoMPNN介紹與使用*

4. Pythia介紹與使用*

4.從Frances H. Arnold（2018年因在酶的定向進化領域的貢獻獲得諾貝爾化學獎）的工作看酶的定向進化方法的發展

1.傳統定向進化實驗流程

2.MLDE（Mechine Learning Directed Evolution）， 學習序列與酶性能之間的映射關系，推薦新的突變組合（PNAS文章）

3.ftMLDE（focused training MLDE），主動學習流程，構建informative的訓練數據（Cell Systems文章）。零樣本突變效應預測挑選數據集，再通過小樣本數據訓練的策略微調。

5.酶的從頭設計

1.從頭設計Diels-Alder催化酶

a)基于Rosetta的Inside-out策略（Science文章）

b)通過Foldit蛋白質折疊游戲改善結構問題（Nat. Biotechnol.文章）；

c)Foldit蛋白質折疊游戲的實踐*

2.從頭設計熒光素酶，Family-wide hallucination，基于該酶家族的結構幻化出新的結構（Nature文章）

3.RFdiffusion+PLACER從頭設計絲氨酸水解酶（Science文章）

6. 利用預測結構的相似性，挖掘序列的新酶功能（復現頂刊cell文章）*

1.InterPro數據庫中下載數據

2.TM-score計算結構距離

3.UPGMA結構聚類，畫出進化樹

4.挑選序列

六、蛋白質功能與互作預測；實驗驗證與AI模型訓練預測閉環

1.蛋白質功能預測：

1)基礎知識：

a)基因本體論（Gene Ontology, GO），

b)MF/BP/CC，MF Molecular Function分子功能；BP Biological Process生物過程；CCCellular Component 細胞組分。

c)GAF (GO Annotation File) 文件。

d)本體文件來理解GO術語之間的層次關系。

e)解析GAF，提取蛋白質ID和GO ID。

2)DeepGO-SE，通過蛋白質的語言模型提取序列嵌入，預測蛋白質的功能

3)DPFunc：先用蛋白語言模型提取殘基特征，再在接觸圖上用 GCN 學習結構信息，并引入結構域（domain）指導，最后把多層特征映射到 GO 圖上，顯著提升對罕見功能項和低序列相似蛋白的預測精度

4)Prot2Text-V2模型。Prot2Text-V2將圖神經網絡（Graph Neural Network, GNN）與大型語言模型（Large Language Model, LLM）融合到同一個編碼器-解碼器框架中，有效整合了包括蛋白質序列、結構和文本注釋在內的多種數據，以自由文本形式輸出蛋白質功能預測結果

5)ProteinKG65構建蛋白質知識圖譜，基于Gene Ontology (GO) 和 UniProt 等權威知識庫，將蛋白質的功能、結構、相互作用等知識組織成圖譜形式，支持下游的機器學習任務，如蛋白質功能預測、表示學習、藥物靶點發現等

2.蛋白質相互作用預測：

Science文章：使用更深的進化信號：omicMSA+新的深度學習網絡：RF2?PPI。在全人類蛋白質組中篩出一批高置信度的互作，用于補齊人類互作圖譜、解釋疾病突變和蛋白功能。

1. 更深的進化信號：omicMSA

從約 30 PB 的未組裝基因組/轉錄組數據里挖人類蛋白的同源序列，而不僅僅依賴 UniRef 等傳統數據庫。

構建omicMSA，使得每個蛋白的深度比常規模板 MSA 深 7 倍左右，協同進化信號顯著增強。

2. 新的深度學習網絡：RF2?PPI

02

通過課程學習您將得到

多種蛋白質設計方法、深度學習酶設計、深度學習抗體設計等流程！讓學員快速學會David baker核心方法！培訓理論結合實操！提供服務器使用！通過詳細講解實操AlphaFold2、AlphaFold3以及pymol和Foldseek等軟件讓學員學會蛋白質結構預測！通過詳細講解實操ESM系列（ESM-1b、ESM-1v、ESM2、ESMC、ESM3）、GPT的生成模型ProGen讓學員學會蛋白質大語言模型！通過詳細講解實操ProteinMPNN、LigandMPNN、ThermoMPNN、Rfdiffusion等軟件讓學員學會多種蛋白質設計方法!最后通過深度學習酶設計與深度學習抗體設計讓學員通過不同方向不同方法更全面的了解蛋白質設計當下的全面性!六天培訓流程循序漸進！知識點全覆蓋！更是講解十篇頂刊文獻，讓學員更好的知道當下蛋白質設計的核心熱點以及優勢

AI抗體設計

主講老師在學術界和工業界都有豐富算法開發和應用經驗，博士畢業于國內頂尖課題組，從事蛋白質結構預測和蛋白質設計的研究工作，相關工作成果已在Cell Systems、Angew. Chem. Int. Ed.、JCIM等國際知名期刊發表論文。目前在知名藥企擔任高級研究員，主導AI驅動的大分子藥物設計平臺開發與團隊管理。

02

AI抗體設計課表

一、代碼基礎，抗體基礎，介紹各大藥企在AI輔助抗體藥物開發上的布局，復現GSK在抗體親和力成熟上的工作

1. 代碼基礎知識講解，環境搭建：Linux，VS code*

a) 超算的登錄

b) Linux系統的常用shell命令：vim, ls, cd, less, rm等；

c) 一些package安裝的常用命令：pip, conda, source等。

d) VS code的基本配置：連接服務器；選擇不同python版本的Interpreter；debug模式的使用等。

2. 抗體基礎知識講解：

a) VDJ重排，germline，CDR區域，表位（epitope/paratope），抗體親和力成熟，抗體的可開發性等概念介紹

b) 不同抗體編號方案（Kabat，Chothia，IMGT）講解，使用python自動化對抗體序列編號，并識別CDR區域*

c) 抗體藥物開發的基本流程

3. 各大藥企在AI輔助抗體藥物開發上的布局：講解各大藥企公司發表的文獻及報告:

a) Genetech的lab-in-the-loop,結合了實驗和計算方法的迭代優化策略的工作

b) Genmab手動建立了多樣性的抗體可開發性數據集,以進行可開發性數據的訓練和預測.

c) GSK、阿斯利康、諾和諾德等在抗體親和力成熟上做的工作等。

4. 抗體結構預測

1) 通用蛋白結構預測模型：AlphaFold3。

u 運行網頁server上的AlphaFold3預測結構，https://alphafoldserver.com*

u AlphaFold3輸出結果分析，各項置信度指標的含義，以及如何判斷預測的準確度，如pLDDT，ipTM，PTM，PAE。

u AlphaFold3的安裝過程講解。

a) 抗體專用結構預測模型：ImmuneBuilder，IgFold。實操如何在服務器安裝和使用。

5. 復現GSK在抗體親和力成熟上的工作*

二、基于大語言模型的抗體親和力成熟。

1. 基礎知識講解

1) 介紹蛋白質的語言模型（26字母語言模型->20氨基酸字母表，上下文依賴->氨基酸的共進化）

2) 為什么要開發蛋白質大語言模型？1. 相比于結構或功能信息，序列信息更加海量；2. 蛋白質序列通過進化而來，可以學習蛋白質基本規律，折疊，共進化等

3) 模型架構和基礎理論：transformer，多頭注意力機制，Bert，GPT，T5等

2. 基于Bert架構的蛋白質語言模型

1) ESM系列（ESM-1b、ESM-1v、ESM2、ESM C）

2) ESMFold：無需MSA信息的結構預測

3) 多模態的蛋白質語言模型ESM3

4) 使用抗體序列庫訓練的語言模型：Ablang，AntiBERTy

3. Adaptyv EGFR Binder比賽——設計靶向EGFR的更高親和力binder。

1) 比賽結果展示

2) 比賽排名靠前的抗體/蛋白是如何設計的

a) 第一輪比賽，排名第一的方法：BindCraft

b) 第二輪比賽，排名第一的方法：Cradle，在Cetuximab的基礎上，用的LLM，突變了10個FR的氨基酸

c) 第二輪比賽，排名第二的方法：對一個納米抗體進行人源化改造

d) 第二輪比賽，排名第三的方法：保留與結合重要的氨基酸，生成其它氨基酸RFdiffusion+inverse folding

4. 零樣本的抗體親和力成熟*

1) Efficient evolution，基于序列的語言模型推薦突變點（Nat. Biotechnol.文章）

i. 了解語言模型推薦突變點的原理；

ii. 安裝package和模型參數。https://github.com/brianhie/efficient-evolution

iii. 運行以推薦突變點：python bin/recommend.py [sequence]

2) Structure evolution，基于結構的語言模型推薦突變點（Science文章）

i. 了解inverse folding推薦突變點原理

ii. 安裝package和模型參數

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. 運行以推薦突變點：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. 小樣本的抗體親和力成熟*，在已有少量樣本的親和力數據下訓練模型。

使用MULTI-evolve的方法預測多點的組合突變。

三、抗體可開發 性預測和優化

1. 抗體可開發性優化在藥物開發過程中的意義，

2. 衡量抗體可開發性要考慮的因素，如免疫原性、自聚集性、結合特異性、穩定性等等

3. 以一篇專利文件為例講解AI輔助抗體改造的案例。Patent No.: US12110324B2。Generate:Biomedicines公司通過AI方法在tezepelumab上改成的一種靶向（TSLP）的長效單克隆抗體GB-0895。

4. 抗體結構簡單物理性質的計算：溶劑可及表面積（SASA）的講解及計算；等電點的計算；蛋白質表面電荷分布的計算。*

5. 講解Ginkgo舉辦的抗體可開發性預測比賽的結果。

6. 公開的抗體可開發性數據的收集。

7. 抗體性質預測的模型實踐，展示在小樣本的情景下訓練機器學習模型*

1) 數據處理，劃分數據集

2) 模型構建，基于特征工程的機器學習模型（隨機森林，XGboost，ElasticNet等）；學習根據蛋白質序列和結構信息構建常見特征。seq_features = feature_utils.get_all_seq_features(heavy_seq, light_seq, is_fv=True, isotype='igg1', lc_type='lambda')

3) 模型訓練和評價，GridSearchCV交叉驗證調參等

4) 模型的可解釋性，特征重要性分析

四：抗體可開發性預測和優化2和抗體人源化

1. 基于蛋白質語言模型的可開發性預測*

1) 零樣本的可開發性預測

2) 少樣本的可開發性預測。給定抗體序列和相應的性質，構建下游模型預測。

a) 數據處理，劃分數據集

b) 獲得序列embedding以構建下游模型，實現蛋白質序列的不同方式encoding，包括"onehot", "georgiev", “esm”系列模型。

c) 深度學習模型的構建。上游的大語言模型+下游簡單線性層。

d) 模型訓練和評價：繪制訓練曲線，訓練集和測試集的評價指標隨epoch的變化，

2. 免疫原性預測

1) 免疫系統介紹，MHC-I和MHC-II，Anti-drug Antibody等基礎概念

2) 免疫原性預測是MHC結合肽段的預測

3) 預測免疫原性。netMHCpan的原理講解，安裝和使用

3. 抗體人源化

1) 人源化的基礎知識和流程。目標：保留親和力+減小免疫原性+好的穩定性和可開發性。CDR移植到人源框架，回復突變，Vernier Zone，

2) Germline的搜索，IMGT/V-QUEST 數據庫搜索得到V 基因和J基因相似的人類germline序列。

3) 人源化的經典方法biophi的原理講解、安裝和使用。

4) 基于AI和基于物理能量（Rosetta）的方法是如何輔助抗體人源化的。

5) 排除抗體序列的PTM。

五、抗體（scFv, VHH）的從頭設計

1. 從頭設計的意義

1) 跨膜蛋白例如GPCR，難以穩定表達為可溶性蛋白

2) VHH動物免疫羊駝成本高。

3) 更高效快速獲得候選分子

2. 基礎模型方法概念介紹：Diffusion模型、 flow-matching、全原子（all-atom）建模等

3. 不同公司和方法模型、實驗結果講解

1) Rfdiffusion3+ProteinMPNN生成序列，AphaFold2篩選序列。將學會各個包的安裝，不同參數的選擇，結合的hotspot位點選擇。

a) Rfdiffusion3結構設計，生成~10000個蛋白質主鏈結構；根據hotspot位點，生成新的結構：

./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進行序列設計，每一個主鏈結構兩個對應的序列，共設計~20000個序列；

c) 篩選:使用AlphaFold2預測設計結構，預測的置信度pAE<10，預測結構與設計結構的RMSD<1A，從中挑選95個進行實驗驗證。

2) Nabla Bio開發的JAM（Joint Atomic Modeling）系統

3) Chai2 Discovery開發的Chai-2方法，用以實現抗體的從頭生成

4) MIT開發的Bolzgen方法原理、安裝使用講解。

安裝和使用boltzgen講解，將詳細講解yaml配置文件的寫法，以一個靶點為例，從頭生成VHH與該靶點結合。

5) PPIFlow：基于flow-matching的生成方法，原理，安裝和使用方法。

4. VHH的生成實踐

1) 確定納米抗體序列框架（Framework區域）序列，生成CDR區域序列。分析整理納米抗體序列，繪制序列保守性的Logo圖，以此確定在生成VHH時，哪些位置的氨基酸需要固定。

2) 對生成的序列進行篩選。在親和力、序列穩定性、可開發性等各個方面進行篩選。

a) 預測結構與設計結構的RMSD，AlphaFold預測設計結構的置信度pAE等

b) 篩選Cys，Met等氨基酸含量

c) 減少電荷patch

d) 根據等電點等性質篩選。

02

通過課程學習您將得到

培訓聚焦深度學習驅動的抗體設計為核心方向，以David Baker實驗室核心設計方法、主流抗體大語言模型、AI抗體結構預測模型為教學核心，秉持理論夯實、實操落地、科研進階、工程應用的培訓原則。依托高性能服務器實操環境，循序漸進講解行業主流軟件、開源模型、代碼實操、數據處理與模型調優，搭配十篇頂刊經典文獻深度解析，全方位覆蓋當下抗體設計領域前沿技術、研究熱點與工業落地方案。助力零基礎及進階學員快速打通理論原理、代碼實操、模型應用、科研創新全流程，熟練掌握AI抗體設計全套技術棧，可獨立完成抗體結構預測、抗體親和力優化、可開發性改造、抗體從頭設計等科研實操任務，適配藥物研發、生物工程、合成生物學等科研與工業應用場景。

AI+基因編輯

主講老師在學術界具有多年的研究經歷和應用經驗，來自于國內頂尖課題組，從事基因組編輯技術與人工智能交叉融合的研究工作，相關工作成果已在Nature Biotechnology、Nature Plants、Trends in Biotechnology等國際知名期刊發表

03

AI+基因編輯課表

第一天

1. 基因組編輯技術簡述

1.1 基因組測序、編輯和讀寫時代及基因組編輯技術現狀簡述

2. 基因組編輯四代技術原理

2.1 四代基因組編輯技術發展歷程

2.2 ZFN、TALEN和CRISPR/Cas系統的組成和工作原理

3. CRISPR/Cas系統的來源及分類

3.1 CRISPR/Cas系統的發現過程

3.2 CRISPR/Cas系統的適應性免疫原理

3.3 CRISPR/Cas系統的分類依據和類型

4. CRISPR/Cas系統介導的DNA編輯工具

4.1 CRISPR/Cas9基因編輯工具

4.2 CRISPR/Cas12a基因編輯工具

5. CRISPR/Cas系統衍生工具的發展

5.1 堿基編輯工具的組成、作用原理及其應用

5.2 引導編輯的作用機理、應用及其發展動態

6. CRISPR/Cas介導的基因調控、細胞成像和核酸檢測技術

6.1 CRISPR/Cas介導基因調控技術的原理和工具組成

6.2 CRISPR/Cas介導細胞成像技術的原理和工具組成

6.3 CRISPR/Cas介導核酸檢測技術的原理和工具組成

第二天

1. 脫靶效應及其檢測

1.1 脫靶效應的檢測方法：擴增子測序、全基因組測序、GUIDE-seq等

1.2 脫靶效應的規避方法

2. 基因編輯流程-以植物為例

2.1 靶位點sgRNA或crRNA的設計原則

2.2 表達盒設計和構建的方法

2.3 植物原生質體瞬時表達系統

2.4 基因編輯載體的遺傳轉化

2.5 基因編輯突變體的檢測

3. 基因組編輯常用軟件實操

3.1 靶位點設計軟件Cas-Designer、BE-Designer、PE-Designer等

3.2 突變分析軟件Cas- Analyzer、BE-Analyzer、PE- Analyzer

4. 基因組編輯技術在各領域的應用現狀及前景

4.1 基因組編輯技術在基因治療、免疫學、病毒診斷等方面的應用

第三天 理論部分（人工智能+基因編輯背景）

1. 深度學習概述

1.1. 深度學習的基礎

1.2. 深度神經元網絡的工作原理

1.3. 深度學習技術的發展趨勢：自監督學習、遷移學習和少樣本學習的進展

2. 深度學習在基因編輯中的應用

2.1. 基于監督學習的應用：序列標簽模型

2.2. 零樣本預測模型的應用：結構模型、大語言模型、多模態模型、

2.3. 少樣本預測框架的應用（Design-Build-Test-Learn和Lab-in-the-loop范式）

3. 深度學習在gRNA優化與設計中的應用

3.1. gRNA活性預測

3.2. 脫靶效應預測

3.3. gRNA預測模型介紹

4. AI輔助的蛋白定向進化在基因編輯中的應用

4.1. 蛋白定向進化的基本概念與實驗方法

4.2 AI輔助的蛋白進化工具

4.3. AI與實驗反饋的結合

5. AI蛋白質設計在基因編輯中的應用

5.1. 蛋白質設計工具

5.2. 酶設計

5.3. binder設計

6. AI酶挖掘在基因編輯中的應用

6.1. 基于大語言模型挖掘基因編輯酶

6.2. 基于結構比對挖掘基因編輯酶

第四天深度學習在基因編輯中的應用實操教學

1. 基礎知識和環境搭建

1.1. GPU服務器登錄

1.2. Linux基礎知識

1.3. Python基礎知識

1.4. 常用深度學習工具包介紹及安裝

2. 利用深度學習預測gRNA活性

2.1. 配置深度學習環境，安裝gRNA活性預測所需的工具

2.2. 高通量數據獲取：公開數據集的介紹與使用

2.3. 數據集劃分：訓練集、驗證集、測試集

2.4. 模型搭建與調試：深度學習模型架構設計（如CNN, RNN）

2.5. 模型性能評估：精度、召回率、F1分數等評估指標

2.6. gRNA活性預測：實際應用案例演示和預測結果的解讀與應用

3. 利用深度學習預測編輯活性

3.1. 環境配置：安裝所需工具與庫

3.2. 數據獲?。壕庉嫽钚韵嚓P數據集清洗

3.3. 數據集劃分

3.4. 模型搭建與調試

3.5. 模型性能評估

3.6. 編輯活性預測：預測結果的展示與解讀

4. 零樣本蛋白進化工具AiCE實操

4.1. AiCE的原理與應用場景

4.2. 環境搭建

4.3. 逆折疊模型的使用：如何利用AiCE進行高活性突變預測；案例演示與實際操作

4.4. 應用實例：堿基編輯器的高效進化

5. 少樣本蛋白質定向進化工具EVOLVEpro實操

5.1. EVOLVEpro的背景與應用

5.2. 環境搭建與配置

5.3. 基于DMS數據的少樣本微調

5.4. 基于實驗數據反饋的少樣本微調

5.5. 應用實例：Cas12f的高效進化

第五天 基因編輯工具設計與挖掘案例復現

1. 設計MLH1 binder提高引導編輯編輯(PE)效率

1.1. 背景知識：基于RFdiffusion + ProteinMPNN + AlphaFold的binder設計流程

1.2. 環境搭建與配置

1.3. 輸入結構準備(AlphaFold預測)

1.4. 結構骨架生成：利用RFdiffusion進行結構采樣與優化，生成蛋白質結構骨架

1.5. 序列設計：基于RFdiffusion生成的結構骨架，進行序列的優化設計

1.6.復合體結構預測驗證：使用AlphaFold進行binder與目標蛋白復合體的結構預測，驗證設計的復合體結構是否符合預期

1.7. 結果可視化：使用PyMOL進行結構和設計結果的可視化

2. Cas13抑制劑設計

2.1. 背景知識：Cas13的結構與功能介紹

2.2. 輸入結構準備

2.3. 蛋白質設計流程：結合RFdiffusion、ProteinMPNN與AlphaFold設計Cas13抑制劑

2.4. 設計結果分析和可視化

3. 基于蛋白質語言模型挖掘新型CRISPR系統

3.1. 蛋白質語言模型在酶挖掘中的介紹與流程

3.2. 序列數據庫介紹與下載

3.3. 搜索(query)序列準備

3.4. 基于ESM語言模型挖掘Cas12家族基因編輯酶

4. 基于三維結構挖掘新型CRISPR系統

4.1. 結構比對的背景知識：結構比對的重要性與應用；比較不同結構比對工具的優缺點

4.2. Foldseek系列工具介紹：介紹Foldseek、Foldseek multimer、Folddisco、FoldMason等工具的基本原理和使用

4.3. 結構數據庫介紹與下載：PDB，AFDB，ESM Atlas

4.4. 輸入結構準備：準備用于比對的目標蛋白質結構文件

4.5. Foldseek網頁版使用：演示如何使用Foldseek網頁版進行結構比對；講解如何理解輸出結果并進行后續分析

4.6. Foldseek本地版使用：本地部署Foldseek并使用命令行工具進行比對

4.7. DALI和TM-align工具本地版使用：介紹DALI與TM-align工具本地版的安裝與使用

4.8. 結構進化樹構建：使用FoldMason構建蛋白質結構的進化樹

02

通過課程學習您將得到

本次培訓聚焦基因組編輯技術體系與人工智能輔助基因編輯設計前沿方向，系統講解CRISPR基因編輯全套技術原理、編輯工具、脫靶檢測、實驗流程、主流設計分析軟件；深入剖析深度學習在gRNA優化、編輯活性預測、編輯酶改造、新型編輯系統挖掘中的核心應用。培訓秉持理論扎實、通俗易懂、實操落地、案例復刻、科研進階的教學理念，依托高性能GPU服務器，手把手完成Linux環境配置、深度學習模型搭建、AI蛋白進化、從頭設計、結構比對、新型CRISPR挖掘等高階實操。結合當下主流AI生成模型、大語言模型、結構比對工具，復刻多篇頂刊經典研究案例，使學員能夠完整掌握傳統基因編輯+人工智能基因編輯全流程技術棧，具備獨立開展基因編輯載體構建、gRNA智能優化、編輯酶定向進化、新型編輯元件挖掘、人工設計結合蛋白等科研能力，適配植物育種、基因治療、生物醫藥、分子診斷等科研及工業研發場景。

AI構建虛擬細胞

主講老師在學術界具有多年的研究經歷和應用經驗，來自于國內頂尖課題組，從事基因組編輯技術與人工智能交叉融合的研究工作，相關工作成果已在Nature Biotechnology、Nature Plants、Trends in Biotechnology等國際知名期刊發表

04

AI構建虛擬細胞課表

第一天| 細胞數據數字化與基礎表征

上午：理論講解（第一、二階段）第一階段：細胞數據數字化（Data Representation）

核心目標：解決"如何讓細胞被AI理解"? 細胞多組學數據的復雜性（RNA、ATAC、Protein、Spatial）? 數據標準化與質量控制的最佳實踐? 從原始數據到機器可讀結構的核心邏輯配套模型理論：? MultiVI：RNA+ATAC多模態統一表征（重點講解）? totalVI：RNA+Protein聯合編碼? MOFA+：多組學因子分析? OmniReg-GPT（新模型，NC2026）：DNA序列基礎表征，基因組位點識別與表達預測第二階段：細胞狀態建模（State Learning）

核心目標：解決"如何識別細胞處于什么狀態"? 從"細胞數據"到"細胞狀態"的轉化邏輯? 潛變量空間的生物學意義? 細胞亞群識別與稀有細胞發現配套模型理論：? scVI/scANVI：單細胞潛變量建模（核心）? β-VAE：解耦表征學習? Contrastive Cell Embedding：對比學習在細胞表征中的應用

下午：實操演練（對應上午第一、二階段理論）實操前置準備：GPU服務器環境適配、Linux與Python環境調試

1. Linux 常用命令進階：細胞數據文件（單細胞RNA、ATAC數據）的批量管理、權限設置、格式轉換；2. Python 環境搭建與優化：細胞數據處理相關包（scanpy、torch、scvi-tools）的安裝與調試。實操模型講解（Python代碼解析 + GPU服務器上機實操）

1. 實操模型1：MultiVI（多模態統一表征）—— 對應第一階段理論，實現RNA+ATAC數據統一編碼，完成數據降噪與批次效應校正，掌握潛變量空間構建方法，理解其作為模型底座的核心作用；2. 實操模型2：scVI（單細胞潛變量建模）—— 對應第一、二階段理論，基于單細胞RNA數據，完成潛變量建模、細胞聚類初步分析，掌握基礎表征模型的訓練與評估方法，銜接細胞狀態識別的核心需求；3. 實操模型：OmniReg-GPT演示（新模型）—— DNA序列特征提取，基因表達預測，理解基礎表征模型在基因組學中的應用，展示Nature Communications論文核心技術。

第二天| 細胞狀態建模與空間轉錄組

上午：理論講解（第二階段深化）空間轉錄組基礎理論

核心目標：解決"細胞在組織中的空間狀態"? 空間轉錄組技術概覽（Visium、Stereo-seq、MERFISH）? 空間約束下的細胞狀態識別? 組織微環境與細胞通訊配套模型理論：? GraphST：圖神經網絡空間表征? STAligner：空間轉錄組跨樣本整合

? Nicheformer（新模型，2025NM）：空間基礎模型下午：實操演練（對應上午空間轉錄組理論）實操前置準備：空間轉錄組數據預處理與工具包調試

1. Python 工具包適配：PyTorch Geometric（圖神經網絡）、squidpy（空間分析）工具包的安裝與調試；2. 數據預處理復習：空間轉錄組數據格式（Visium、Stereo-seq）的讀取與預處理方法。實操模型講解（Python代碼解析 + GPU服務器上機實操）

1.實操模型：GraphST實操（空間數據聚類與域識別）—— 基于空間轉錄組數據，構建空間圖網絡，完成組織域識別與空間聚類，掌握圖神經網絡在空間數據中的應用；2. 實操模型：STAligner實操（空間轉錄組跨樣本整合）—— 理解空間轉錄組的批次效應如何消除，掌握去批次的基本原理與核心方法，理解空間組的建模思路3. 實操模型：Nicheformer實操（空間基礎模型）—— 細胞微環境表征，掌握空間基礎模型的核心應用，深化細胞狀態識別的實操能力。

第三天| 調控機制推理與細胞動態預測

上午：理論講解（第三、四階段）第三階段：細胞調控機制建模（Regulatory Modeling）

核心目標：解決"為什么細胞會發生變化"? 細胞調控的底層機制? 從表型識別深入到機制層面? 調控機制建模在藥物研發中的核心價值配套模型理論：? GAT：圖注意力網絡，基因調控網絡推理? SCENIC：轉錄因子調控推斷? Gene Regulatory Graph：因果關系建模第四階段：細胞動態預測（Dynamic Evolution）

核心目標：解決"細胞下一步會走向哪里"? 細胞命運軌跡推演的核心邏輯? 動態預測對藥物研發（如耐藥、復發預測）的重要意義配套模型理論：? CellRank 2：命運概率與軌跡推演? RNA Velocity：轉錄動力學建模? stVCR（新模型，Nat Methods 2026）：空間細胞發育軌跡推斷，基于Neural ODE的空間-基因雙速度場建模

下午：實操演練（對應上午第三、四階段理論）實操前置準備：圖神經網絡與動態預測工具包調試

1. Python 工具包適配：PyTorch Geometric（圖神經網絡）、CellRank（動態預測）工具包的安裝與調試；2. 數據預處理復習：回顧上午理論相關的基因表達數據、調控關系數據的預處理方法。實操模型講解（Python代碼解析 + GPU服務器上機實操）

1.實操模型：SCENIC（調控網絡機制推理）—— 對應第三階段理論，基于基因表達數據，構建基因調控網絡，識別關鍵調控節點，掌握機制推理的核心方法，理解其在藥物靶點發現中的應用；2. 實操模型：CellRank 2（命運與軌跡推演）—— 對應第四階段理論，基于單細胞數據，推演細胞分化軌跡，預測細胞未來狀態，掌握動態預測的核心方法，貼合藥物研發中耐藥、復發預測的需求；

3. 實操模型：stVCR實操（新模型）—— 空間軌跡推斷，預測細胞分化方向，理解Neural ODE建?？臻g-基因雙速度場的核心原理，展示Nature Methods 2026論文核心技術；

第四天| 藥物擾動建模與疾病系統

上午：理論講解（第五、六階段）第五階段：藥物作用建模（Drug Perturbation Modeling）

核心目標：解決"藥物如何改變細胞命運"? 藥物作用于細胞的核心邏輯? 藥物擾動建模在藥物研發全流程中的應用場景配套模型理論：? ChemCPA：藥物劑量-響應建模? scGen：擾動響應生成? CellOT：最優傳輸擾動預測? scGPT：大模型預測擾動第六階段：疾病系統建模（Disease System Modeling）

核心目標：解決"疾病中細胞網絡如何重構"? 疾病狀態下細胞網絡的變化規律? 疾病系統建模在患者分層、疾病亞型預測中的核心價值配套模型理論：? DeepProg：疾病預后預測? Numbat-multiome：從單細胞多組學數據推斷CNV并重建腫瘤系統發育

下午：實操演練（對應上午第五、六階段理論）實操前置準備：藥物擾動模型工具包調試

1. Python 工具包適配：ChemCPA、scGen等藥物擾動相關工具包的安裝與調試；2. 數據準備：藥物作用相關數據（藥物劑量、細胞反應數據）的預處理與導入方法。實操模型講解（Python代碼解析 + GPU服務器上機實操）

1. 實操模型：ChemCPA（藥物擾動預測）—— 對應第五階段理論，構建藥物擾動模型，預測不同藥物劑量的作用效果、聯合用藥反應，掌握虛擬篩選的核心能力，理解其在藥物研發ROI提升中的作用；2. 實操模型：scGen實操（單藥擾動響應生成）—— 基于單細胞數據，生成藥物擾動后的細胞狀態預測，掌握生成式擾動模型的核心方法；3. 實操模型：DeepProg（疾病預后分析）——基于多組學數據和AI模型，分析疾病狀態下患者預后進展。

第五天| 數字孿生與虛擬臨床應用

上午：理論講解（第七、八階段）第七階段：數字孿生細胞/組織（Digital Twin）

核心目標：解決"如何構建可推演虛擬人體局部系統"? 數字孿生技術在細胞、組織層面的應用邏輯? 其在降低藥企濕實驗成本中的核心價值配套模型理論：

? Virtual cell：虛擬細胞總覽? DrugCell：藥物反應神經網絡?PhysiCell（Cell 2026）：細胞仿真引擎第八階段：虛擬臨床與藥物研發（Virtual Clinical Translation）

核心目標：解決"如何直接服務藥物研發和臨床決策"? 虛擬臨床試驗的設計邏輯? 從體外到體內的預測鏈條? ROI計算與決策支持配套模型理論：? PK/PD Neural Surrogate：藥代動力學神經網絡? Clinical Response Simulator：臨床響應模擬

下午：實操演練+ 課程總結實操前置準備：數字孿生與虛擬臨床模型工具包調試

1. Python 工具包適配：DrugCell、PhysiCell等數字孿生相關工具包的安裝與調試。實操模型講解（Python代碼解析 + GPU服務器上機實操）

1. 實操模型：DrugCell（產業級藥物反應預測）—— 對應第七階段理論，構建藥物反應預測模型，解釋藥物作用機制，掌握產業級模型的應用方法，理解其在降低濕實驗成本中的作用；2. 實操模型：PhysiCell（數字孿生底層仿真）—— 對應第七階段理論，搭建虛擬細胞仿真環境，完成從虛擬細胞到虛擬組織的仿真閉環，掌握數字孿生底層操作，銜接虛擬臨床應用；

02

通過課程學習您將得到

? 技術?；仡櫍簭臄祿鸂顟B→調控→動態→藥物→疾病→孿生→臨床? 前沿趨勢：大模型、多模態、空間組學、虛擬敲除? 職業發展：計算生物學人才需求與能力路徑配套資源

? 課程PPT（理論講解）? 實操代碼包（Jupyter Notebook）? GPU服務器賬號（云端實操）? 數據集（公開單細胞/空間數據）? 參考文獻（最新頂刊論文，基本是2026、2025新文章+少量經典文章）

授課時間安排

01

AI蛋白質設計授課時間

2026.6.06-2026.6.07白天(09:00-11:30--13:30-17:00)

2026.6.10-2026.6.11晚上(19:00-22:00)

2026.6.13-2026.6.14白天(09:00-11:30--13:30-17:00)

2026.6.16-2026.6.17晚上(19:00-22:00)

共計6天的課 通過騰訊會議直播 線上實操 提供全部錄播

02

AI抗體設計授課時間

2026.6.23-2026.6.26晚上(19:00-22:00)

2026.6.27-2026.6.28白天(09:00-11:30--13:30-17:00)

2026.6.29-2026.6.30晚上(19:00-22:00)

共計5天的課 通過騰訊會議直播 線上實操 提供全部錄播

03

AI+基因編輯授課時間

2026.6.13-2026.6.14白天(09:00-11:30--13:30-17:00)

2026.6.25-2026.6.26晚上(19:00-22:00)

2026.6.27-2026.6.28白天(09:00-11:30--13:30-17:00）

共計5天的課 通過騰訊會議直播 線上實操 提供全部錄播

04

AI構建虛擬細胞授課時間

2026.6.13-2026.6.14白天(09:00-11:30--13:30-17:00)

2026.6.25-2026.6.26晚上(19:00-22:00)

2026.6.27-2026.6.28白天(09:00-11:30--13:30-17:00）

共計5天的課 通過騰訊會議直播 線上實操 提供全部錄播

培訓費用及福利

課程報名費用：

AI蛋白質設計、AI構建虛擬細胞、AI基因編輯、AI抗體設計直播課：

公費價：每人每班￥6880元 （含報名費、培訓費、資料費、提供課后全程回放資料）

自費價：每人每班￥6080元 （含報名費、培訓費、資料費、提供課后全程回放資料）

重磅優惠:

報二送一（同時報名兩個班免費贈送一個學習名額贈送班任選）

優惠1：

兩班同報：10880元 （原價18640）

三班同報：14880元 （原價23620）

特惠一：24880元 （可免費學習一整年本單位舉辦的任意課程）

特惠二：28880元（可免費學習兩整年本單位舉辦的任意課程）

優惠2：提前報名繳費可享受600元優惠（僅限十五名）

報名學習課程可贈送往期課程回放（報多少贈多少）

（可點擊跳轉詳情鏈接）：

回放一：

回放二：

回放三：

回放四：

回放五：

回放六：

回放七：

回放八：

回放九：

培訓特色及福利

1、課程特色--全面的課程技術應用、原理流程、實例聯系全貫穿

2、學習模式--理論知識與上機操作相結合，讓零基礎學員快速熟練掌握

3、課程服務答疑--主講老師將為您實際工作中遇到的問題提供專業解答

授課方式：通過騰訊會議線上直播，理論+實操的授課模式，老師手把手帶著操作，從零基礎開始講解，電子PPT和教程開課前一周提前發送給學員，所有培訓使用軟件都會發送給學員，有什么疑問采取開麥共享屏幕和微信群解疑，學員和老師交流、學員與學員交流，培訓完畢后老師長期解疑，培訓群不解散，往期培訓學員對于培訓質量和授課方式一致評價極高！

騰訊會議實時直播解答|手把手帶著操作

報名咨詢方式（請二維碼掃描下方微信）

聯系人：葉老師

報名電話：13838281574 ( 微信同號）

郵箱：y13838281574@163.com

引用往期參會學員的一句話：

發現真的是腳踏實地的同時 需要偶爾仰望星空非常感謝各位對我們培訓的認可！ 祝愿各位心想事成！