附件1：课程大纲

第一天：计算环境搭建与蛋白质序列设计

（6月27日，上午09:00-12:00;下午13:30-16:30）

上午: 模块一 & 模块二

模块一：Linux基础— Linux, Conda, VScode& Docker&Claude Code，kimi code

目标：为后续所有软件安装和运行扫清障碍，建立规范、可复现的科研计算环境管理能力。

Linux基础操作精讲：

l文件系统与导航：ls, cd, pwd, mkdir 的高效使用技巧。

l文件管理：cp, mv, rm, vi, cat, head, tail 的实战应用。

l权限管理：理解并使用chmod 解决脚本执行权限问题。

l实操：在服务器上创建课程项目目录，并进行基本的文件组织。

Conda环境管理核心：  

l核心理念：通过环境隔离解决不同项目间的依赖冲突问题。

l环境生命周期：创建(create)、激活(activate)、退出(deactivate)、删除(remove)

l软件包管理：安装(install/pip install)、查看(list)、导出配置(env export)

l实操：为后续的ESM、ProteinMPNN和RFdiffusion创建独立的Conda环境。

Docker容器化入门:  

l概念对比：Docker与虚拟机的异同，镜像(Image)与容器(Container)的核心关系。

l核心命令：docker pull (拉取官方镜像), docker run (运行容器)。

l应用场景：讲解如何利用Docker一键部署复杂的生物信息学工具。

VScode远程开发实战：

lSSH远程连接：配置Remote-SSH插件，一键连接实验室服务器，本地浏览远程文件。

l科研扩展生态：安装Python、Jupyter、Docker插件，构建蛋白质设计的编程环境。

l实操：通过VScode连接服务器，在课程目录中创建、编辑并直接运行蛋白质生成脚本。

Claude Code & Kimi Code AI辅助编程：

l核心理念：AI嵌入终端与IDE，实现代码生成、重构、Debug闭环，加速生物信息学开发。

l工具定位：自主编程Agent，自然语言直驱文件系统与脚本执行，独立完成"写代码—运行—报错修复—结果分析"完整链路。

l实操：以自然语言驱动蛋白质设计全流程——自动生成RFdiffusion推理脚本、批量处理PDB文件、解析ProteinMPNN序列打分输出。

模块二：ESM模型探索 — 从安装到基础应用

目标：掌握Meta AI的ESM系列工具，为蛋白质序列分析和结构预测打下基础。

ESM (Evolutionary Scale Modeling) 简介：

l蛋白质语言模型：讲解ESM如何将自然语言处理的思想应用于蛋白质序列。

l主要应用：序列嵌入、突变效应预测、结构预测(ESMFold)。

软件安装与环境配置：

l使用pip 在之前创建的Conda环境中安装 fair-esm 库。

l依赖检查与GPU环境确认 ( torch, cuda)。

基础操作演示与实战：

l获取序列嵌入(Embeddings)：编写Python脚本，为给定的FASTA序列生成高维特征表示，并解释其用途。

l序列分类模型训练：基于ESM提取的序列嵌入特征，构建简单的分类器，完成蛋白质功能分类或亚细胞定位预测任务。

l单序列结构预测(ESMFold)：使用ESMFold命令行工具或API，对一条蛋白质序列进行快速结构预测。

l结果分析：解读输出的PDB文件，重点关注pLDDT分数，并使用PyMOL等软件进行三维结构可视化。

l实操练习：学员独立完成一个未知蛋白的结构预测，并评估预测结果的可靠性。

下午: 模块三

模块三：ProteinMPNN深度实践 — 反向折叠与序列设计 (3小时)

目标：精通使用ProteinMPNN，根据给定的蛋白质骨架设计出全新的、高稳定性的氨基酸序列。

软件安装与环境配置:  

l从GitHub克隆 ProteinMPNN 官方仓库 ( git clone)。

l使用Conda创建专用环境并安装所有依赖项。

l下载预训练好的模型权重文件，并放置到指定目录。

序列设计核心流程：

l基础工作流：输入PDB结构文件，运行设计脚本生成候选序列。

l重要参数解析：输入输出路径、生成序列数量、采样温度等。

l结果文件解读：理解输出FASTA中的序列评分及其意义。

进阶设计技巧：

l位点控制策略：固定关键残基、排除特定位置、氨基酸偏好等。

l复杂体系设计：多链蛋白、同源多聚体的序列优化。

l参数调优实践：通过温度参数平衡序列多样性与结构匹配度。

l质量评估方法：筛选高分序列、分析氨基酸组成合理性。

第二天：蛋白质结构生成与综合项目实战

（6月28日，上午09：-12:00；下午13:30-16:30）

上午: 模块四

模块四：RFdiffusion核心技术 — 从无到有生成蛋白质骨架 (3小时)

目标：掌握蛋白质结构生成工具RFdiffusion，实现从头设计全新拓扑结构的能力。

软件安装与环境配置: 

l详细安装流程：分步指导通过git clone 获取源码，使用Conda/Mamba创建环境。

l常见问题排查：总结安装过程中可能遇到的编译错误、依赖冲突等问题及解决方案。

结构生成操作流程: 

l核心脚本run_inference.py ：演示完整的命令行调用格式。

lContig字符串详解：详细讲解如何通过 contig 字符串定义生成长度、引入已知motif、指定二级结构等。例如： 'A1-100' (生成100个残基), '10-20/A1-10/10-20' (在A链1-10号残基两侧各生成10-20个残基)。

常用参数设置和输出结果解析: 

linference.output_prefix: 输出文件命名

ldenoiser.noise_scale_ca: 主链噪声水平控制

ldenoiser.noise_scale_frame: 局部构象噪声控制

lscaffolder.symmetry: 对称性参数（C2, D2, I等）。

l输出结果深度解析：使用PyMOL加载.traj.pdb轨迹文件，观察结构生成过程，并学习如何筛选最优候选结构。

下午: 模块五 & 模块六

模块五：RFdiffusion引导的Binder骨架生成

项目背景：设计一个能够特异性结合EGFR（表皮生长因子受体）的全新蛋白binder，用于潜在的癌症治疗应用。EGFR在多种癌症中过表达，是重要的药物靶点。

EGFR靶标分析：

l解析EGFR蛋白结构特征（621 AA，胞外域关键结合位点）。

l确定设计目标：针对EGFR胞外域设计小分子binder。

l识别关键结合界面和潜在的相互作用热点区域。

RFdiffusion Binder设计实操：

l输入EGFR结构PDB文件，指定目标结合区域。

l设置binder长度范围、扩散步数等关键参数。

l运行脚本生成20-50个候选binder骨架。

结果筛选与评估：

l筛选策略实践：从生成结果中筛选出3-5个最优候选骨架，并进行可视化分析，检查结合界面的合理性。

模块六：序列生成

ProteinMPNN序列设计：

l针对筛选骨架进行序列优化：输入RFdiffusion生成的top3候选骨架，固定界面关键残基，优化其余位置。

l参数调整与序列生成：设置合适的采样温度，每个骨架生成10-20条序列。

l序列筛选与优化：分析ProteinMPNN评分和氨基酸组成，检查界面残基的化学性质，选择每个骨架的top3序列进入验证阶段。

AlphaFold3结构验证：

l序列折叠预测：将ProteinMPNN设计的序列提交AlphaFold3预测，评估pLDDT分数。

l结构比对与验证：计算预测结构与RFdiffusion骨架的RMSD（目标 < 2Å），在PyMOL中叠加比对，检查界面保持情况。

课程总结与讨论

l回顾完整设计流程：靶标分析→ 骨架生成 → 序列设计 → 结构验证。

l讨论挑战与改进方向，介绍后续优化策略。

课程总结与Q&A: 

l回顾两天课程的核心知识点与工作流。

l探讨AI蛋白质设计的当前局限与未来发展方向。

l提供进一步学习的资源和路径建议。

l开放式问答环节，解决学员所有遗留问题。