9月21-22日 上午9:00-12:00 下午13:30-16:30 |
一、合成生物學(xué)功能元件智能挖掘技術(shù) 1.合成生物學(xué)功能元件概述 o功能元件的定義與分類 o功能元件在合成生物學(xué)中的重要性 2.元件數(shù)據(jù)庫與資源 o公共與私有元件數(shù)據(jù)庫 o元件資源的整合與利用 3.智能挖掘技術(shù) o基于傳統(tǒng)計(jì)算生物學(xué)方法的元件挖掘 oAI技術(shù)在元件挖掘中的優(yōu)勢 o基于AI的序列功能注釋和新功能預(yù)測 o基于AI的結(jié)構(gòu)預(yù)測 o基于結(jié)構(gòu)的元件挖掘技術(shù) 4.從催化反應(yīng)出發(fā)挖掘元件 o反應(yīng)數(shù)據(jù)庫介紹 o反應(yīng)表示技術(shù) o反應(yīng)相似性計(jì)算 o基于反應(yīng)相似性的元件挖掘技術(shù) 5.元件挖掘案例解析 6.元件挖掘未來趨勢 二、融合AI的元件評估技術(shù)與策略 1.元件評估概述 o評估參數(shù)與方法 2.AI在元件評估中的應(yīng)用 o基于AI的酶動(dòng)力學(xué)分析 o利用機(jī)器學(xué)習(xí)預(yù)測酶最適催化溫度 o利用機(jī)器學(xué)習(xí)預(yù)測酶最適pH o利用機(jī)器學(xué)習(xí)預(yù)測可溶性 o底物選擇性與專一性分析 3.酶穩(wěn)定性評估 4.元件評估案例解析 5.元件評估未來趨勢 三、酶的理性設(shè)計(jì)(Rosetta) 1.酶改造的目標(biāo)與挑戰(zhàn) 2.常用理性設(shè)計(jì)方法介紹 3.Rosetta軟件介紹 4.Rosetta蛋白結(jié)構(gòu)分析 o蛋白穩(wěn)定性分析 o相互作用界面分析 5.Rosetta蛋白結(jié)構(gòu)預(yù)測 o蛋白配體對接 o結(jié)構(gòu)優(yōu)化 6.Rosetta酶設(shè)計(jì) oRosetta酶設(shè)計(jì)過程 o序列設(shè)計(jì) 7.Rosetta酶設(shè)計(jì)成功案例解析 四、融合AI的酶改造與優(yōu)化策略 1.AI在酶改造中的應(yīng)用 o機(jī)器學(xué)習(xí)酶改造 o深度學(xué)習(xí)酶改造 2.酶改造策略選擇 3.AI輔助的酶改造技術(shù) o無監(jiān)督模型輔助酶改造 o結(jié)合實(shí)驗(yàn)數(shù)據(jù)的酶改造 4.AI酶改造成功案例解析 五、實(shí)操案例 實(shí)例1:基于AI的新型生物元件功能預(yù)測 ·研究背景與目標(biāo) ·元件功能預(yù)測工具介紹 ·EC/GO等元件功能預(yù)測網(wǎng)站實(shí)操 ·實(shí)驗(yàn)結(jié)果與分析 實(shí)例2:基于序列的新型生物元件挖掘 ·研究背景與目標(biāo) ·元件挖掘工具介紹 ·基于序列相似性的元件挖掘網(wǎng)站實(shí)操 ·基于功能域的元件挖掘網(wǎng)站實(shí)操 ·實(shí)驗(yàn)結(jié)果與分析 實(shí)例3:基于結(jié)構(gòu)的新型生物元件挖掘 ·研究背景與目標(biāo) ·結(jié)構(gòu)預(yù)測及結(jié)構(gòu)相似性計(jì)算工具介紹 ·結(jié)構(gòu)預(yù)測網(wǎng)站實(shí)操 ·基于結(jié)構(gòu)相似性的元件挖掘網(wǎng)站實(shí)操 ·實(shí)驗(yàn)結(jié)果與分析 實(shí)例4:基于反應(yīng)相似性的新型生物元件挖掘 ·研究背景與目標(biāo) ·反應(yīng)表示及反應(yīng)相似性計(jì)算工具介紹 ·基于反應(yīng)相似性的元件挖掘網(wǎng)站實(shí)操 ·實(shí)驗(yàn)結(jié)果與分析 實(shí)例5:基于Rosetta的酶元件改造 · 研究背景與目標(biāo) · 酶元件改造工具介紹 Rosetta軟件實(shí)操 · 基于Rosetta design的元件改造網(wǎng)站實(shí)操 · 實(shí)驗(yàn)結(jié)果與分析 實(shí)例6:基于預(yù)訓(xùn)練模型的無監(jiān)督AI元件改造 · 研究背景與目標(biāo) · 預(yù)訓(xùn)練模型介紹 · 基于ESM-1v的元件改造網(wǎng)站實(shí)操 · 實(shí)驗(yàn)結(jié)果與分析 實(shí)例7:基于復(fù)合物的AI元件改造 ·研究背景與目標(biāo) · LigandMPNN模型介紹 · 基于LigandMPNN的元件改造網(wǎng)站實(shí)操 · 實(shí)驗(yàn)結(jié)果與分析 六、總結(jié)與未來展望 1.當(dāng)前技術(shù)的總結(jié) 2.面臨的挑戰(zhàn)與機(jī)遇 3.未來發(fā)展方向與趨勢 廖老師,博士,中國科學(xué)院天津工業(yè)生物技術(shù)研究所研究員。2006年本科畢業(yè)于中國科學(xué)技術(shù)大學(xué),2011年博士畢業(yè)于中國科學(xué)院數(shù)學(xué)與系統(tǒng)科學(xué)研究院,2011- 2014年在美國加拿大阿爾伯塔大學(xué)從事博士后研究,2014年加入中國科學(xué)院天津工業(yè)生物技術(shù)研究所,主要圍繞工業(yè)生物大數(shù)據(jù)智能分析展開研究,開發(fā)核心的數(shù)據(jù)庫、算法和工具。構(gòu)建糖基轉(zhuǎn)移酶數(shù)據(jù)庫pUGTdb等系列工業(yè)生物專屬數(shù)據(jù)庫;開發(fā)了新一代蛋白功能預(yù)測算法HDMLF、酶挖掘與評估工具REME、蛋白同源多聚體預(yù)測算法DeepSub等系列AI工具。近年來在Nature Genetics、Nucleic Acids Research、Science Advances、Molecular Plant、Research等國內(nèi)外高水平期刊發(fā)表文章50余篇,引用2000余次。主持基金委交叉重點(diǎn)專項(xiàng)等多項(xiàng)國家級(jí)、省部級(jí)項(xiàng)目。 |