各有關單位：
隨著生物學和工程學的不斷發(fā)展，基因工程和生物元件設計已經(jīng)成為合成生物學中的重點領域，生物元件作為生物系統(tǒng)中的基本構(gòu)件，在基因工程和合成生物學領域扮演著舉足輕重的作用。因此，為了加快我國合成生物學研究進展，培養(yǎng)先進的科學人才，中國化工企業(yè)管理協(xié)會醫(yī)藥化工專業(yè)委員會將于2024年9月20-22日在濟南舉辦“基于AI的生物元件挖掘與改造專題培訓班”。屆時將邀請業(yè)內(nèi)知名專家針對主題內(nèi)容安排詳細授課，課程內(nèi)容涉及蛋白質(zhì)、酶等生物元件挖掘與改造，理論結(jié)合實踐，富含實操講解。望有關單位積極安排人員參加，具體事宜通知如下：

一、會議安排：
會議地點：濟南（具體地點直接通知報名單位）
9月20日：全天報道
9月21日-22日培訓課程（詳情請參考附件一）

二、培訓形式
理論講解，實例分析，專題講授，實操演練、互動答疑；

三、組織機構(gòu)
主辦單位：中國化工企業(yè)管理協(xié)會醫(yī)藥化工專業(yè)委員會
承辦單位：中科凱晟（北京）化工技術研究院

四、培訓課程及專家情況

9月21-22日   上午9：00-12：00       下午13:30-16:30

一、合成生物學功能元件智能挖掘技術 1.合成生物學功能元件概述 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 o基于傳統(tǒng)計算生物學方法的元件挖掘 oAI技術在元件挖掘中的優(yōu)勢 o基于AI的序列功能注釋和新功能預測 o基于AI的結(jié)構(gòu)預測 o基于結(jié)構(gòu)的元件挖掘技術 4.從催化反應出發(fā)挖掘元件 o反應數(shù)據(jù)庫介紹 o反應表示技術 o反應相似性計算 o基于反應相似性的元件挖掘技術 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在元件評估中的應用 o基于AI的酶動力學分析 o利用機器學習預測酶最適催化溫度 o利用機器學習預測酶最適pH o利用機器學習預測可溶性 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、酶的理性設計（Rosetta） 1.酶改造的目標與挑戰(zhàn) 2.常用理性設計方法介紹 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)預測 o蛋白配體對接 o結(jié)構(gòu)優(yōu)化 6.Rosetta酶設計 oRosetta酶設計過程 o序列設計 7.Rosetta酶設計成功案例解析 四、融合AI的酶改造與優(yōu)化策略 1.AI在酶改造中的應用 o機器學習酶改造 o深度學習酶改造 2.酶改造策略選擇 3.AI輔助的酶改造技術 o無監(jiān)督模型輔助酶改造 o結(jié)合實驗數(shù)據(jù)的酶改造 4.AI酶改造成功案例解析 五、實操案例 實例1：基于AI的新型生物元件功能預測 ·研究背景與目標 ·元件功能預測工具介紹 ·EC/GO等元件功能預測網(wǎng)站實操 ·實驗結(jié)果與分析 實例2：基于序列的新型生物元件挖掘 ·研究背景與目標 ·元件挖掘工具介紹 ·基于序列相似性的元件挖掘網(wǎng)站實操 ·基于功能域的元件挖掘網(wǎng)站實操 ·實驗結(jié)果與分析 實例3：基于結(jié)構(gòu)的新型生物元件挖掘 ·研究背景與目標 ·結(jié)構(gòu)預測及結(jié)構(gòu)相似性計算工具介紹 ·結(jié)構(gòu)預測網(wǎng)站實操 ·基于結(jié)構(gòu)相似性的元件挖掘網(wǎng)站實操 ·實驗結(jié)果與分析 實例4：基于反應相似性的新型生物元件挖掘 ·研究背景與目標 ·反應表示及反應相似性計算工具介紹 ·基于反應相似性的元件挖掘網(wǎng)站實操 ·實驗結(jié)果與分析 實例5：基于Rosetta的酶元件改造 · 研究背景與目標 · 酶元件改造工具介紹 Rosetta軟件實操 · 基于Rosetta design的元件改造網(wǎng)站實操 · 實驗結(jié)果與分析 實例6：基于預訓練模型的無監(jiān)督AI元件改造 · 研究背景與目標 · 預訓練模型介紹 · 基于ESM-1v的元件改造網(wǎng)站實操 · 實驗結(jié)果與分析 實例7：基于復合物的AI元件改造 ·研究背景與目標 · LigandMPNN模型介紹 · 基于LigandMPNN的元件改造網(wǎng)站實操 · 實驗結(jié)果與分析 六、總結(jié)與未來展望 1.當前技術的總結(jié) 2.面臨的挑戰(zhàn)與機遇 3.未來發(fā)展方向與趨勢 廖老師，博士，中國科學院天津工業(yè)生物技術研究所研究員。2006年本科畢業(yè)于中國科學技術大學，2011年博士畢業(yè)于中國科學院數(shù)學與系統(tǒng)科學研究院，2011- 2014年在美國加拿大阿爾伯塔大學從事博士后研究，2014年加入中國科學院天津工業(yè)生物技術研究所，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測算法HDMLF、酶挖掘與評估工具REME、蛋白同源多聚體預測算法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專項等多項國家級、省部級項目。

五、培訓對象
1.生物信息學、計算生物學及人工智能生物學領域?qū)＜壹皩W者；
2.醫(yī)藥醫(yī)療、食品健康等行業(yè)涉及蛋白質(zhì)及酶功能元件設計與開發(fā)技術人員；

六、會議注冊
2500元/人，同一企業(yè)三人以上報名 2200元/人，（含會務費、資料費、會議期間中餐等）住宿統(tǒng)一安排，費用自理。

七、問題及報告征集（截止到9月13日）：
請在回執(zhí)表問題征集欄填寫您所關注及遇到的問題，以便講師在備課時更具備針對性。

八、聯(lián)系方式：
電    話：13001080157(同微信）          
聯(lián) 系 人：趙老師              
電子郵箱：zghg2012@126.com