必学!AI蛋白质设计与AI抗体设计与AI基因编辑与AI构建虚拟细胞线上直播课!

近日，诺贝尔化学奖得主、蛋白质设计先驱 David Baker 教授作为通讯作者（杨为、王顺智等为共同第一作者），在国际顶尖学术期刊 Nature 上发表了题为：The past, present and future of de novo protein design的综述论文。杨为博士已全职加入深圳医学科学院，任特聘研究员，成立蛋白质药物设计课题组。

该综述论文描述了从头蛋白质设计（de novo protein design）的当前状态。尽管在成功率和活动方面仍有改进的空间，但设计新型蛋白质结构、组装体和蛋白质结合剂这一长期存在的难题已接近解决。这些领域当前的关键问题不是如何设计，而是设计什么，开源设计方法如 RFdiffusion 和 ProteinMPNN 以及蛋白质结构预测工具使生物化学家和分子生物学家能够广泛探索可能的应用。在从头设计小分子靶点结合剂、酶和多态蛋白质系统方面也取得了相当大的进展。方法开发目前面临的挑战包括设计用于克服高能垒反应的催化剂，以及更广泛地说，设计将结合、构象变化和催化整合在一起的开关和纳米机器。在接下来的 5-10 年里，预计会设计出复杂的蛋白质纳米机器和材料，其功能远远超出自然进化所产生的功能，应用于医学、技术和可持续性等广泛领域。

在这篇综述论文中，David Baker 团队为我们展望了一个激动人心的新时代——未来十年内，蛋白质从头设计将解决人类面临的重大难题，并在医学、可持续发展和生物技术领域发展成为一项基础性工具。我们可以利用这些工具设计出可能成为攻克癌症、阿尔茨海默病的利器，制造出高效环保的工业催化剂，甚至能组装成微小的“纳米机器”，执行特定的任务。

作为2026年最值得期待的技术！

AI蛋白质设计资料与学习途径少之又少，特培训学习迫在眉睫！联合清华大学、北京大学、西湖大学、浙江大学、中国科技技术大学、天津大学、协和药物研究所、中科院微生物所、上海药物研究所等高校和研究单位已经举办培训把八十余期，参会学员达9000余人！学员好评极高！其中不乏有发表Nature、Cell、Science等国际顶刊！

六大顶尖课程

01 AI蛋白质设计线上直播课

02 AI抗体设计线上直播课

03 合成生物学与基因线路设计

04 AI基因编辑线上直播课

05 AI构建虚拟细胞线上直播课

06 深度学习在多组学融合中的应用

AI蛋白质设计主讲老师在学术界和工业界都有丰富算法开发和应用经验，博士毕业于国内顶尖课题组，从事蛋白质结构预测和蛋白质设计的研究工作，相关工作成果已在Cell Systems、Angew. Chem. Int. Ed.、JCIM等国际知名期刊发表论文。目前在知名药企担任高级研究员，主导AI驱动的大分子药物设计平台开发与团队管理。

学员评价

AI蛋白质设计课表

一、熟悉超算环境与蛋白质从头设计实践

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

a)超算的登录

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

c)一些package安装的常用命令：pip, conda, source等。

d)Jupyter notebook的安装和使用。

e)VS code的基本配置：连接服务器；选择不同python版本的Interpreter；debug模式的使用等。

2.基础知识讲解

a)三类方法在不同程度上探索蛋白质序列空间：

i.蛋白质定向进化（directed evolution）

ii.固定蛋白质主链的序列设计（Fix-backbone protein design）

iii.蛋白质的从头设计（De novo protein design）

b)关键数据库：RCSB PDB， SCOPe， CATH， UniRef， BFD等

c)常见概念和名词： rotamer， scaffold， motif，domain，backbone，side-chain，apo和holo结构，

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生成蛋白质骨架结构，ProteinMPNN精细的生成氨基酸序列。

b)Rfdiffusion3的安装实操

c)Rfdiffusion3的使用实操

d)ProteinMPNN的安装实操

e)ProteinMPNN的使用实操

f)Rfdiffusion+ProteinMPNN生成序列，AphaFold2筛选序列。整体实操流程：

i.计算SAP（Spatial Aggregation Propensity）的值，选择3-6个氨基酸作为hotspot，即结合位点；这里需要使用Rosetta进行计算，首先将安装rosetta，准备蛋白，再计算每一个氨基酸的SAP值，将SAP数值映射到结构上。选择hotspot位点。

ii. Rfdiffusion结构设计，生成~10000个蛋白质主链结构；

根据上面挑选得到的hotspot位点，更改相应的hotspot参数，生成新的结构

iii.ProteinMPNN-FastRelax进行序列设计，每一个主链结构两个对应的序列，共设计~20000个序列；

iv.筛选:使用AlphaFold2预测设计结构，预测的置信度pAE<10，预测结构与设计结构的RMSD<1A，从中挑选95个进行实验验证。

4.其它的蛋白质设计方法的实操*

a)BindCraft——序列生成和筛选的自动化实现

BindCraft相比于Rfdiffusion+ProteinMPNN更加用户友好，一站式设计流程，序列的生成和筛选自动化实现。将讲解其中参数的设计和选择，如过滤序列条件、生成氨基酸的偏好性等。使用包括置信度评分（如AlphaFold2预测得到的pLDDT、ipTM）、物理指标（如Rosetta界面能量）和序列特征（如疏水性比例）进行筛选。

b)MIT开发的Bolzgen方法原理、安装使用讲解。

安装和使用boltzgen讲解，将详细讲解yaml配置文件的写法，以一个靶点为例，从头生成VHH与该靶点结合。

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

二、蛋白质结构预测和分析

1.蛋白质结构预测方法

1)从CASP比赛结果来简述蛋白质结构预测方法的发展。基于能量函数 -> 接触图的应用 -> 端到端的预测结构（AlphaFold2）。

2)AlphaFold2的模型相比于以前的方法有什么改进

a)将基于MSA和基于模板的方法整合，使用注意力机制进行MSA信息和模板信息的相互交流。

b)以前提取MSA信息为计算协方差矩阵，AlphaFold2创造性的直接将MSA信息作为输入，将图像识别的算法转变成了自然语言处理算法，减少了中间处理过程中的信息损失。

3)AlphaFold3相比于AlphaFold2改进了什么，还有什么不足。

a)扩展到了多种生物分子的复合物结构预测，包括蛋白质-DNA、蛋白质-RNA、蛋白质-小分子，并使用扩散模型。

b)复合物组装与动态预测缺陷，抗体-抗原复合物结构准确度有待提高。

4)运行网页server上的AlphaFold3预测结构

5)如何使用AlphaFold3预测蛋白质的糖基化，不同糖基化的类型的输入方法。

6)AlphaFold3输出结果分析，各项置信度指标的含义，以及如何判断预测的准确度，如pLDDT，ipTM，PTM，PAE。

7)本地部署和运行ColabFold，由于AlphaFold3在安装过程中需要下载大量资源，且不能商用，因此不演示AlphaFold3的安装过程，如有问题可以帮助解决。

2.蛋白质结构分析和可视化

1)pdb文件的解读，每一行中的内容代表什么含义。

2)用 pymol 可视化蛋白质结构*

a)pymol的基础操作讲解

b)如何将实验值投影到结构图的颜色上，如何画出发表文章中好看的图

3)计算蛋白质结构中两个氨基酸的距离*

a)使用python的文本文件操作实现

b)使用python中biopython包实现

3.蛋白质结构相关物理性质的计算*

1)二级结构的分类和计算

2)溶剂可及表面积（SASA）的讲解及计算

三：蛋白质序列分析，数据挖掘和训练数据准备

讲解和实操：

1.获得同源序列

1)了解不同蛋白质序列库，如UniRef90，UniClust30，Pfam等

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

3)给定一条蛋白质序列，比对序列库，生成多序列比对（MSA）*

2.对MSA进行频率分析*

1)使用python的文本文件操作实现

2)使用python中biopython包实现

3)绘制序列Logo，可视化的展示每个位点的氨基酸频率和保守性

3.序列的同源性计算和进化树的绘制*

1)不同同源性的计算方法及应用情景，氨基酸序列的identity和Similarity，BLOSUM62的介绍。

2)进化树的绘制

4.基于序列相似性阈值划分训练集和测试集*

1)为什么要做？避免数据泄露

2)选择相似性度量方法

3)相似性矩阵的计算

4)划分数据集

5.大规模蛋白质序列的聚类分析和去冗余*

1)为什么要做？防止过度学习某一类序列特征，消除序列偏差；也能防止训练过程中数据泄露。

2)聚类方法的选择，CD-HIT、MMseq2和Linclust

3)选择代表序列，去冗余

4)实际复现S2ALM这一模型文章中的聚类方法。mmseqs easy-cluster examples/DB.fasta clusterRes tmp --min-seq-id 0.7 -c 0.8 --cov-mode 1

四、蛋白质的大语言模型及其应用

1.基础知识讲解

1)介绍蛋白质的语言模型（26字母语言模型->20氨基酸字母表，上下文依赖->氨基酸的共进化）

2)为什么要开发蛋白质大语言模型？1. 相比于结构或功能信息，序列信息更加海量；2. 蛋白质序列通过进化而来，可以学习蛋白质基本规律，折叠，共进化等

3)模型架构和基础理论：transformer，多头注意力机制，Bert，GPT，T5等

2.基于Bert架构的蛋白质语言模型

1) ESM系列（ESM-1b、ESM-1v、ESM2、ESM C）

2)ESMFold：无需MSA信息的结构预测

3)使用抗体序列库训练的语言模型：Ablang，AntiBERTy

3.类似GPT的生成模型ProGen

1)36层Transformer解码器架构，包含12亿参数

2)引入“控制标签”（如蛋白质家族ID、功能属性）作为输入，生成蛋白质序列空间以外的新的蛋白质序列

3)成功生成新的溶菌酶

4.多模态的蛋白质语言模型ESM3

1)模型架构融合序列，结构和功能信息

2)相比于ESMFold，单体结构预测精度更好

3)基于多模态提示（序列、结构、功能关键词）设计新的蛋白质序列

4)ESM3的安装，生成序列，快速结构预测。*

5.蛋白质语言模型的应用和实战演练*

1)获得序列embedding以构建下游模型（Cell systmes文章举例），从文章github仓库中提炼序列embedding的代码并学习使用。

2)使用不同的蛋白质语言模型，零样本的预测蛋白质突变效应。

3)给定少量的突变效应数据作为训练数据，训练模型，预测新的突变效应值。

五、深度学习辅助酶设计

1.基础知识讲解

酶的过渡态理论，theozyme，fitness landscape，epistasis

2.酶学性质预测

1.DLKcat与GotEnzyme数据库介绍

2.UniKP:利用预训练模型挖掘、改造Kcat

3.CLEAN:基于对比学习的EC号预测挖掘稀有脱卤酶

3.蛋白质热稳定性改造

1.MutCompute介绍

2.利用MutCompute改造PETase(Nature)

3.ThermoMPNN介绍与使用*

4. Pythia介绍与使用*

4.从Frances H. Arnold（2018年因在酶的定向进化领域的贡献获得诺贝尔化学奖）的工作看酶的定向进化方法的发展

1.传统定向进化实验流程

2.MLDE（Mechine Learning Directed Evolution），学习序列与酶性能之间的映射关系，推荐新的突变组合（PNAS文章）

3.ftMLDE（focused training MLDE），主动学习流程，构建informative的训练数据（Cell Systems文章）。零样本突变效应预测挑选数据集，再通过小样本数据训练的策略微调。

5.酶的从头设计

1.从头设计Diels-Alder催化酶

a)基于Rosetta的Inside-out策略（Science文章）

b)通过Foldit蛋白质折叠游戏改善结构问题（Nat. Biotechnol.文章）；

c)Foldit蛋白质折叠游戏的实践*

2.从头设计荧光素酶，Family-wide hallucination，基于该酶家族的结构幻化出新的结构（Nature文章）

3.RFdiffusion+PLACER从头设计丝氨酸水解酶（Science文章）

6. 利用预测结构的相似性，挖掘序列的新酶功能（复现顶刊cell文章）*

1.InterPro数据库中下载数据

2.TM-score计算结构距离

3.UPGMA结构聚类，画出进化树

4.挑选序列

六、蛋白质功能与互作预测；实验验证与AI模型训练预测闭环

1.蛋白质功能预测：

1)基础知识：

a)基因本体论（Gene Ontology, GO），

b)MF/BP/CC，MF Molecular Function分子功能；BP Biological Process生物过程；CCCellular Component 细胞组分。

c)GAF (GO Annotation File) 文件。

d)本体文件来理解GO术语之间的层次关系。

e)解析GAF，提取蛋白质ID和GO ID。

2)DeepGO-SE，通过蛋白质的语言模型提取序列嵌入，预测蛋白质的功能

3)DPFunc：先用蛋白语言模型提取残基特征，再在接触图上用 GCN 学习结构信息，并引入结构域（domain）指导，最后把多层特征映射到 GO 图上，显著提升对罕见功能项和低序列相似蛋白的预测精度

4)Prot2Text-V2模型。Prot2Text-V2将图神经网络（Graph Neural Network, GNN）与大型语言模型（Large Language Model, LLM）融合到同一个编码器-解码器框架中，有效整合了包括蛋白质序列、结构和文本注释在内的多种数据，以自由文本形式输出蛋白质功能预测结果

5)ProteinKG65构建蛋白质知识图谱，基于Gene Ontology (GO) 和 UniProt 等权威知识库，将蛋白质的功能、结构、相互作用等知识组织成图谱形式，支持下游的机器学习任务，如蛋白质功能预测、表示学习、药物靶点发现等

2.蛋白质相互作用预测：

Science文章：使用更深的进化信号：omicMSA+新的深度学习网络：RF2‑PPI。在全人类蛋白质组中筛出一批高置信度的互作，用于补齐人类互作图谱、解释疾病突变和蛋白功能。

1. 更深的进化信号：omicMSA

从约 30 PB 的未组装基因组/转录组数据里挖人类蛋白的同源序列，而不仅仅依赖 UniRef 等传统数据库。

构建omicMSA，使得每个蛋白的深度比常规模板 MSA 深 7 倍左右，协同进化信号显著增强。

2. 新的深度学习网络：RF2‑PPI

通过课程学习您将得到

多种蛋白质设计方法、深度学习酶设计、深度学习抗体设计等流程！让学员快速学会David baker核心方法！培训理论结合实操！提供服务器使用！通过详细讲解实操AlphaFold2、AlphaFold3以及pymol和Foldseek等软件让学员学会蛋白质结构预测！通过详细讲解实操ESM系列（ESM-1b、ESM-1v、ESM2、ESMC、ESM3）、GPT的生成模型ProGen让学员学会蛋白质大语言模型！通过详细讲解实操ProteinMPNN、LigandMPNN、ThermoMPNN、Rfdiffusion等软件让学员学会多种蛋白质设计方法!最后通过深度学习酶设计与深度学习抗体设计让学员通过不同方向不同方法更全面的了解蛋白质设计当下的全面性!六天培训流程循序渐进！知识点全覆盖！更是讲解十篇顶刊文献，让学员更好的知道当下蛋白质设计的核心热点以及优势

AI抗体设计

主讲老师在学术界和工业界都有丰富算法开发和应用经验，博士毕业于国内顶尖课题组，从事蛋白质结构预测和蛋白质设计的研究工作，相关工作成果已在Cell Systems、Angew. Chem. Int. Ed.、JCIM等国际知名期刊发表论文。目前在知名药企担任高级研究员，主导AI驱动的大分子药物设计平台开发与团队管理。

AI抗体设计课表

一、代码基础，抗体基础，介绍各大药企在AI辅助抗体药物开发上的布局，复现GSK在抗体亲和力成熟上的工作

1. 代码基础知识讲解，环境搭建：Linux，VS code*

a) 超算的登录

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

c) 一些package安装的常用命令：pip, conda, source等。

d) VS code的基本配置：连接服务器；选择不同python版本的Interpreter；debug模式的使用等。

2. 抗体基础知识讲解：

a) VDJ重排，germline，CDR区域，表位（epitope/paratope），抗体亲和力成熟，抗体的可开发性等概念介绍

b) 不同抗体编号方案（Kabat，Chothia，IMGT）讲解，使用python自动化对抗体序列编号，并识别CDR区域*

c) 抗体药物开发的基本流程

3. 各大药企在AI辅助抗体药物开发上的布局：讲解各大药企公司发表的文献及报告:

a) Genetech的lab-in-the-loop,结合了实验和计算方法的迭代优化策略的工作

b) Genmab手动建立了多样性的抗体可开发性数据集,以进行可开发性数据的训练和预测.

c) GSK、阿斯利康、诺和诺德等在抗体亲和力成熟上做的工作等。

4. 抗体结构预测

1) 通用蛋白结构预测模型：AlphaFold3。

u 运行网页server上的AlphaFold3预测结构，https://alphafoldserver.com*

u AlphaFold3输出结果分析，各项置信度指标的含义，以及如何判断预测的准确度，如pLDDT，ipTM，PTM，PAE。

u AlphaFold3的安装过程讲解。

a) 抗体专用结构预测模型：ImmuneBuilder，IgFold。实操如何在服务器安装和使用。

5. 复现GSK在抗体亲和力成熟上的工作*

二、基于大语言模型的抗体亲和力成熟。

1. 基础知识讲解

1) 介绍蛋白质的语言模型（26字母语言模型->20氨基酸字母表，上下文依赖->氨基酸的共进化）

2) 为什么要开发蛋白质大语言模型？1. 相比于结构或功能信息，序列信息更加海量；2. 蛋白质序列通过进化而来，可以学习蛋白质基本规律，折叠，共进化等

3) 模型架构和基础理论：transformer，多头注意力机制，Bert，GPT，T5等

2. 基于Bert架构的蛋白质语言模型

1) ESM系列（ESM-1b、ESM-1v、ESM2、ESM C）

2) ESMFold：无需MSA信息的结构预测

3) 多模态的蛋白质语言模型ESM3

4) 使用抗体序列库训练的语言模型：Ablang，AntiBERTy

3. Adaptyv EGFR Binder比赛——设计靶向EGFR的更高亲和力binder。

1) 比赛结果展示

2) 比赛排名靠前的抗体/蛋白是如何设计的

a) 第一轮比赛，排名第一的方法：BindCraft

b) 第二轮比赛，排名第一的方法：Cradle，在Cetuximab的基础上，用的LLM，突变了10个FR的氨基酸

c) 第二轮比赛，排名第二的方法：对一个纳米抗体进行人源化改造

d) 第二轮比赛，排名第三的方法：保留与结合重要的氨基酸，生成其它氨基酸RFdiffusion+inverse folding

4. 零样本的抗体亲和力成熟*

1) Efficient evolution，基于序列的语言模型推荐突变点（Nat. Biotechnol.文章）

i.了解语言模型推荐突变点的原理；

ii. 安装package和模型参数。https://github.com/brianhie/efficient-evolution

iii. 运行以推荐突变点：python bin/recommend.py [sequence]

2) Structure evolution，基于结构的语言模型推荐突变点（Science文章）

i. 了解inverse folding推荐突变点原理

ii. 安装package和模型参数

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. 运行以推荐突变点：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. 小样本的抗体亲和力成熟*，在已有少量样本的亲和力数据下训练模型。

使用MULTI-evolve的方法预测多点的组合突变。

三、抗体可开发性预测和优化

1. 抗体可开发性优化在药物开发过程中的意义，

2. 衡量抗体可开发性要考虑的因素，如免疫原性、自聚集性、结合特异性、稳定性等等

3. 以一篇专利文件为例讲解AI辅助抗体改造的案例。Patent No.: US12110324B2。Generate:Biomedicines公司通过AI方法在tezepelumab上改成的一种靶向（TSLP）的长效单克隆抗体GB-0895。

4. 抗体结构简单物理性质的计算：溶剂可及表面积（SASA）的讲解及计算；等电点的计算；蛋白质表面电荷分布的计算。*

5. 讲解Ginkgo举办的抗体可开发性预测比赛的结果。

6. 公开的抗体可开发性数据的收集。

7. 抗体性质预测的模型实践，展示在小样本的情景下训练机器学习模型*

1) 数据处理，划分数据集

2) 模型构建，基于特征工程的机器学习模型（随机森林，XGboost，ElasticNet等）；学习根据蛋白质序列和结构信息构建常见特征。seq_features = feature_utils.get_all_seq_features(heavy_seq, light_seq, is_fv=True, isotype='igg1', lc_type='lambda')

3) 模型训练和评价，GridSearchCV交叉验证调参等

4) 模型的可解释性，特征重要性分析

四：抗体可开发性预测和优化2和抗体人源化

1. 基于蛋白质语言模型的可开发性预测*

1) 零样本的可开发性预测

2) 少样本的可开发性预测。给定抗体序列和相应的性质，构建下游模型预测。

a) 数据处理，划分数据集

b) 获得序列embedding以构建下游模型，实现蛋白质序列的不同方式encoding，包括"onehot", "georgiev", “esm”系列模型。

c) 深度学习模型的构建。上游的大语言模型+下游简单线性层。

d) 模型训练和评价：绘制训练曲线，训练集和测试集的评价指标随epoch的变化，

2. 免疫原性预测

1) 免疫系统介绍，MHC-I和MHC-II，Anti-drug Antibody等基础概念

2) 免疫原性预测是MHC结合肽段的预测

3) 预测免疫原性。netMHCpan的原理讲解，安装和使用

3. 抗体人源化

1) 人源化的基础知识和流程。目标：保留亲和力+减小免疫原性+好的稳定性和可开发性。CDR移植到人源框架，回复突变，Vernier Zone，

2) Germline的搜索，IMGT/V-QUEST 数据库搜索得到V 基因和J基因相似的人类germline序列。

3) 人源化的经典方法biophi的原理讲解、安装和使用。

4) 基于AI和基于物理能量（Rosetta）的方法是如何辅助抗体人源化的。

5) 排除抗体序列的PTM。

五、抗体（scFv, VHH）的从头设计

1. 从头设计的意义

1) 跨膜蛋白例如GPCR，难以稳定表达为可溶性蛋白

2) VHH动物免疫羊驼成本高。

3) 更高效快速获得候选分子

2. 基础模型方法概念介绍：Diffusion模型、 flow-matching、全原子（all-atom）建模等

3. 不同公司和方法模型、实验结果讲解

1) Rfdiffusion3+ProteinMPNN生成序列，AphaFold2筛选序列。将学会各个包的安装，不同参数的选择，结合的hotspot位点选择。

a) Rfdiffusion3结构设计，生成~10000个蛋白质主链结构；根据hotspot位点，生成新的结构：

./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进行序列设计，每一个主链结构两个对应的序列，共设计~20000个序列；

c) 筛选:使用AlphaFold2预测设计结构，预测的置信度pAE<10，预测结构与设计结构的RMSD<1A，从中挑选95个进行实验验证。

2) Nabla Bio开发的JAM（Joint Atomic Modeling）系统

3) Chai2 Discovery开发的Chai-2方法，用以实现抗体的从头生成

4) MIT开发的Bolzgen方法原理、安装使用讲解。

安装和使用boltzgen讲解，将详细讲解yaml配置文件的写法，以一个靶点为例，从头生成VHH与该靶点结合。

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

4. VHH的生成实践

1) 确定纳米抗体序列框架（Framework区域）序列，生成CDR区域序列。分析整理纳米抗体序列，绘制序列保守性的Logo图，以此确定在生成VHH时，哪些位置的氨基酸需要固定。

2) 对生成的序列进行筛选。在亲和力、序列稳定性、可开发性等各个方面进行筛选。

a) 预测结构与设计结构的RMSD，AlphaFold预测设计结构的置信度pAE等

b) 筛选Cys，Met等氨基酸含量

c) 减少电荷patch

d) 根据等电点等性质筛选。

通过课程学习您将得到

培训聚焦深度学习驱动的抗体设计为核心方向，以David Baker实验室核心设计方法、主流抗体大语言模型、AI抗体结构预测模型为教学核心，秉持理论夯实、实操落地、科研进阶、工程应用的培训原则。依托高性能服务器实操环境，循序渐进讲解行业主流软件、开源模型、代码实操、数据处理与模型调优，搭配十篇顶刊经典文献深度解析，全方位覆盖当下抗体设计领域前沿技术、研究热点与工业落地方案。助力零基础及进阶学员快速打通理论原理、代码实操、模型应用、科研创新全流程，熟练掌握AI抗体设计全套技术栈，可独立完成抗体结构预测、抗体亲和力优化、可开发性改造、抗体从头设计等科研实操任务，适配药物研发、生物工程、合成生物学等科研与工业应用场景。

AI+基因编辑

主讲老师在学术界具有多年的研究经历和应用经验，来自于国内顶尖课题组，从事基因组编辑技术与人工智能交叉融合的研究工作，相关工作成果已在Nature Biotechnology、Nature Plants、Trends in Biotechnology等国际知名期刊发表

AI+基因编辑课表

第一天

1. 基因组编辑技术简述

1.1 基因组测序、编辑和读写时代及基因组编辑技术现状简述

2. 基因组编辑四代技术原理

2.1 四代基因组编辑技术发展历程

2.2 ZFN、TALEN和CRISPR/Cas系统的组成和工作原理

3. CRISPR/Cas系统的来源及分类

3.1 CRISPR/Cas系统的发现过程

3.2 CRISPR/Cas系统的适应性免疫原理

3.3 CRISPR/Cas系统的分类依据和类型

4. CRISPR/Cas系统介导的DNA编辑工具

4.1 CRISPR/Cas9基因编辑工具

4.2 CRISPR/Cas12a基因编辑工具

5. CRISPR/Cas系统衍生工具的发展

5.1 碱基编辑工具的组成、作用原理及其应用

5.2 引导编辑的作用机理、应用及其发展动态

6. CRISPR/Cas介导的基因调控、细胞成像和核酸检测技术

6.1 CRISPR/Cas介导基因调控技术的原理和工具组成

6.2 CRISPR/Cas介导细胞成像技术的原理和工具组成

6.3 CRISPR/Cas介导核酸检测技术的原理和工具组成

第二天

1. 脱靶效应及其检测

1.1 脱靶效应的检测方法：扩增子测序、全基因组测序、GUIDE-seq等

1.2 脱靶效应的规避方法

2. 基因编辑流程-以植物为例

2.1 靶位点sgRNA或crRNA的设计原则

2.2 表达盒设计和构建的方法

2.3 植物原生质体瞬时表达系统

2.4 基因编辑载体的遗传转化

2.5 基因编辑突变体的检测

3. 基因组编辑常用软件实操

3.1 靶位点设计软件Cas-Designer、BE-Designer、PE-Designer等

3.2 突变分析软件Cas- Analyzer、BE-Analyzer、PE- Analyzer

4. 基因组编辑技术在各领域的应用现状及前景

4.1 基因组编辑技术在基因治疗、免疫学、病毒诊断等方面的应用

第三天理论部分（人工智能+基因编辑背景）

1. 深度学习概述

1.1. 深度学习的基础

1.2. 深度神经元网络的工作原理

1.3. 深度学习技术的发展趋势：自监督学习、迁移学习和少样本学习的进展

2. 深度学习在基因编辑中的应用

2.1. 基于监督学习的应用：序列标签模型

2.2. 零样本预测模型的应用：结构模型、大语言模型、多模态模型、

2.3. 少样本预测框架的应用（Design-Build-Test-Learn和Lab-in-the-loop范式）

3. 深度学习在gRNA优化与设计中的应用

3.1. gRNA活性预测

3.2. 脱靶效应预测

3.3. gRNA预测模型介绍

4. AI辅助的蛋白定向进化在基因编辑中的应用

4.1. 蛋白定向进化的基本概念与实验方法

4.2 AI辅助的蛋白进化工具

4.3. AI与实验反馈的结合

5. AI蛋白质设计在基因编辑中的应用

5.1. 蛋白质设计工具

5.2. 酶设计

5.3. binder设计

6. AI酶挖掘在基因编辑中的应用

6.1. 基于大语言模型挖掘基因编辑酶

6.2. 基于结构比对挖掘基因编辑酶

第四天深度学习在基因编辑中的应用实操教学

1. 基础知识和环境搭建

1.1. GPU服务器登录

1.2. Linux基础知识

1.3. Python基础知识

1.4. 常用深度学习工具包介绍及安装

2. 利用深度学习预测gRNA活性

2.1. 配置深度学习环境，安装gRNA活性预测所需的工具

2.2. 高通量数据获取：公开数据集的介绍与使用

2.3. 数据集划分：训练集、验证集、测试集

2.4. 模型搭建与调试：深度学习模型架构设计（如CNN, RNN）

2.5. 模型性能评估：精度、召回率、F1分数等评估指标

2.6. gRNA活性预测：实际应用案例演示和预测结果的解读与应用

3. 利用深度学习预测编辑活性

3.1. 环境配置：安装所需工具与库

3.2. 数据获取：编辑活性相关数据集清洗

3.3. 数据集划分

3.4. 模型搭建与调试

3.5. 模型性能评估

3.6. 编辑活性预测：预测结果的展示与解读

4. 零样本蛋白进化工具AiCE实操

4.1. AiCE的原理与应用场景

4.2. 环境搭建

4.3. 逆折叠模型的使用：如何利用AiCE进行高活性突变预测；案例演示与实际操作

4.4. 应用实例：碱基编辑器的高效进化

5. 少样本蛋白质定向进化工具EVOLVEpro实操

5.1. EVOLVEpro的背景与应用

5.2. 环境搭建与配置

5.3. 基于DMS数据的少样本微调

5.4. 基于实验数据反馈的少样本微调

5.5. 应用实例：Cas12f的高效进化

第五天基因编辑工具设计与挖掘案例复现

1. 设计MLH1 binder提高引导编辑编辑(PE)效率

1.1. 背景知识：基于RFdiffusion + ProteinMPNN + AlphaFold的binder设计流程

1.2. 环境搭建与配置

1.3. 输入结构准备(AlphaFold预测)

1.4. 结构骨架生成：利用RFdiffusion进行结构采样与优化，生成蛋白质结构骨架

1.5. 序列设计：基于RFdiffusion生成的结构骨架，进行序列的优化设计

1.6.复合体结构预测验证：使用AlphaFold进行binder与目标蛋白复合体的结构预测，验证设计的复合体结构是否符合预期

1.7. 结果可视化：使用PyMOL进行结构和设计结果的可视化

2. Cas13抑制剂设计

2.1. 背景知识：Cas13的结构与功能介绍

2.2. 输入结构准备

2.3. 蛋白质设计流程：结合RFdiffusion、ProteinMPNN与AlphaFold设计Cas13抑制剂

2.4. 设计结果分析和可视化

3. 基于蛋白质语言模型挖掘新型CRISPR系统

3.1. 蛋白质语言模型在酶挖掘中的介绍与流程

3.2. 序列数据库介绍与下载

3.3. 搜索(query)序列准备

3.4. 基于ESM语言模型挖掘Cas12家族基因编辑酶

4. 基于三维结构挖掘新型CRISPR系统

4.1. 结构比对的背景知识：结构比对的重要性与应用；比较不同结构比对工具的优缺点

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

4.3. 结构数据库介绍与下载：PDB，AFDB，ESM Atlas

4.4. 输入结构准备：准备用于比对的目标蛋白质结构文件

4.5. Foldseek网页版使用：演示如何使用Foldseek网页版进行结构比对；讲解如何理解输出结果并进行后续分析

4.6. Foldseek本地版使用：本地部署Foldseek并使用命令行工具进行比对

4.7. DALI和TM-align工具本地版使用：介绍DALI与TM-align工具本地版的安装与使用

4.8. 结构进化树构建：使用FoldMason构建蛋白质结构的进化树

通过课程学习您将得到

本次培训聚焦基因组编辑技术体系与人工智能辅助基因编辑设计前沿方向，系统讲解CRISPR基因编辑全套技术原理、编辑工具、脱靶检测、实验流程、主流设计分析软件；深入剖析深度学习在gRNA优化、编辑活性预测、编辑酶改造、新型编辑系统挖掘中的核心应用。培训秉持理论扎实、通俗易懂、实操落地、案例复刻、科研进阶的教学理念，依托高性能GPU服务器，手把手完成Linux环境配置、深度学习模型搭建、AI蛋白进化、从头设计、结构比对、新型CRISPR挖掘等高阶实操。结合当下主流AI生成模型、大语言模型、结构比对工具，复刻多篇顶刊经典研究案例，使学员能够完整掌握传统基因编辑+人工智能基因编辑全流程技术栈，具备独立开展基因编辑载体构建、gRNA智能优化、编辑酶定向进化、新型编辑元件挖掘、人工设计结合蛋白等科研能力，适配植物育种、基因治疗、生物医药、分子诊断等科研及工业研发场景。

AI构建虚拟细胞

AI构建虚拟细胞课表

第一天| 细胞数据数字化与基础表征

上午：理论讲解（第一、二阶段）第一阶段：细胞数据数字化（Data Representation）

核心目标：解决"如何让细胞被AI理解"• 细胞多组学数据的复杂性（RNA、ATAC、Protein、Spatial）• 数据标准化与质量控制的最佳实践• 从原始数据到机器可读结构的核心逻辑配套模型理论：• MultiVI：RNA+ATAC多模态统一表征（重点讲解）• totalVI：RNA+Protein联合编码• MOFA+：多组学因子分析• OmniReg-GPT（新模型，NC2026）：DNA序列基础表征，基因组位点识别与表达预测第二阶段：细胞状态建模（State Learning）

核心目标：解决"如何识别细胞处于什么状态"• 从"细胞数据"到"细胞状态"的转化逻辑• 潜变量空间的生物学意义• 细胞亚群识别与稀有细胞发现配套模型理论：• scVI/scANVI：单细胞潜变量建模（核心）• β-VAE：解耦表征学习• Contrastive Cell Embedding：对比学习在细胞表征中的应用

下午：实操演练（对应上午第一、二阶段理论）实操前置准备：GPU服务器环境适配、Linux与Python环境调试

1. Linux 常用命令进阶：细胞数据文件（单细胞RNA、ATAC数据）的批量管理、权限设置、格式转换；2. Python 环境搭建与优化：细胞数据处理相关包（scanpy、torch、scvi-tools）的安装与调试。实操模型讲解（Python代码解析 + GPU服务器上机实操）

1. 实操模型1：MultiVI（多模态统一表征）—— 对应第一阶段理论，实现RNA+ATAC数据统一编码，完成数据降噪与批次效应校正，掌握潜变量空间构建方法，理解其作为模型底座的核心作用；2. 实操模型2：scVI（单细胞潜变量建模）—— 对应第一、二阶段理论，基于单细胞RNA数据，完成潜变量建模、细胞聚类初步分析，掌握基础表征模型的训练与评估方法，衔接细胞状态识别的核心需求；3. 实操模型：OmniReg-GPT演示（新模型）—— DNA序列特征提取，基因表达预测，理解基础表征模型在基因组学中的应用，展示Nature Communications论文核心技术。

第二天| 细胞状态建模与空间转录组

上午：理论讲解（第二阶段深化）空间转录组基础理论

核心目标：解决"细胞在组织中的空间状态"• 空间转录组技术概览（Visium、Stereo-seq、MERFISH）• 空间约束下的细胞状态识别• 组织微环境与细胞通讯配套模型理论：• GraphST：图神经网络空间表征• STAligner：空间转录组跨样本整合

• Nicheformer（新模型，2025NM）：空间基础模型下午：实操演练（对应上午空间转录组理论）实操前置准备：空间转录组数据预处理与工具包调试

1. Python 工具包适配：PyTorch Geometric（图神经网络）、squidpy（空间分析）工具包的安装与调试；2. 数据预处理复习：空间转录组数据格式（Visium、Stereo-seq）的读取与预处理方法。实操模型讲解（Python代码解析 + GPU服务器上机实操）

1.实操模型：GraphST实操（空间数据聚类与域识别）—— 基于空间转录组数据，构建空间图网络，完成组织域识别与空间聚类，掌握图神经网络在空间数据中的应用；2. 实操模型：STAligner实操（空间转录组跨样本整合）—— 理解空间转录组的批次效应如何消除，掌握去批次的基本原理与核心方法，理解空间组的建模思路3. 实操模型：Nicheformer实操（空间基础模型）—— 细胞微环境表征，掌握空间基础模型的核心应用，深化细胞状态识别的实操能力。

第三天| 调控机制推理与细胞动态预测

上午：理论讲解（第三、四阶段）第三阶段：细胞调控机制建模（Regulatory Modeling）

核心目标：解决"为什么细胞会发生变化"• 细胞调控的底层机制• 从表型识别深入到机制层面• 调控机制建模在药物研发中的核心价值配套模型理论：• GAT：图注意力网络，基因调控网络推理• SCENIC：转录因子调控推断• Gene Regulatory Graph：因果关系建模第四阶段：细胞动态预测（Dynamic Evolution）

核心目标：解决"细胞下一步会走向哪里"• 细胞命运轨迹推演的核心逻辑• 动态预测对药物研发（如耐药、复发预测）的重要意义配套模型理论：• CellRank 2：命运概率与轨迹推演• RNA Velocity：转录动力学建模• stVCR（新模型，Nat Methods 2026）：空间细胞发育轨迹推断，基于Neural ODE的空间-基因双速度场建模

下午：实操演练（对应上午第三、四阶段理论）实操前置准备：图神经网络与动态预测工具包调试

1. Python 工具包适配：PyTorch Geometric（图神经网络）、CellRank（动态预测）工具包的安装与调试；2. 数据预处理复习：回顾上午理论相关的基因表达数据、调控关系数据的预处理方法。实操模型讲解（Python代码解析 + GPU服务器上机实操）

1.实操模型：SCENIC（调控网络机制推理）—— 对应第三阶段理论，基于基因表达数据，构建基因调控网络，识别关键调控节点，掌握机制推理的核心方法，理解其在药物靶点发现中的应用；2. 实操模型：CellRank 2（命运与轨迹推演）—— 对应第四阶段理论，基于单细胞数据，推演细胞分化轨迹，预测细胞未来状态，掌握动态预测的核心方法，贴合药物研发中耐药、复发预测的需求；

3. 实操模型：stVCR实操（新模型）—— 空间轨迹推断，预测细胞分化方向，理解Neural ODE建模空间-基因双速度场的核心原理，展示Nature Methods 2026论文核心技术；

第四天| 药物扰动建模与疾病系统

上午：理论讲解（第五、六阶段）第五阶段：药物作用建模（Drug Perturbation Modeling）

核心目标：解决"药物如何改变细胞命运"• 药物作用于细胞的核心逻辑• 药物扰动建模在药物研发全流程中的应用场景配套模型理论：• ChemCPA：药物剂量-响应建模• scGen：扰动响应生成• CellOT：最优传输扰动预测• scGPT：大模型预测扰动第六阶段：疾病系统建模（Disease System Modeling）

核心目标：解决"疾病中细胞网络如何重构"• 疾病状态下细胞网络的变化规律• 疾病系统建模在患者分层、疾病亚型预测中的核心价值配套模型理论：• DeepProg：疾病预后预测• Numbat-multiome：从单细胞多组学数据推断CNV并重建肿瘤系统发育

下午：实操演练（对应上午第五、六阶段理论）实操前置准备：药物扰动模型工具包调试

1. Python 工具包适配：ChemCPA、scGen等药物扰动相关工具包的安装与调试；2. 数据准备：药物作用相关数据（药物剂量、细胞反应数据）的预处理与导入方法。实操模型讲解（Python代码解析 + GPU服务器上机实操）

1. 实操模型：ChemCPA（药物扰动预测）—— 对应第五阶段理论，构建药物扰动模型，预测不同药物剂量的作用效果、联合用药反应，掌握虚拟筛选的核心能力，理解其在药物研发ROI提升中的作用；2. 实操模型：scGen实操（单药扰动响应生成）—— 基于单细胞数据，生成药物扰动后的细胞状态预测，掌握生成式扰动模型的核心方法；3. 实操模型：DeepProg（疾病预后分析）——基于多组学数据和AI模型，分析疾病状态下患者预后进展。

第五天| 数字孪生与虚拟临床应用

上午：理论讲解（第七、八阶段）第七阶段：数字孪生细胞/组织（Digital Twin）

核心目标：解决"如何构建可推演虚拟人体局部系统"• 数字孪生技术在细胞、组织层面的应用逻辑• 其在降低药企湿实验成本中的核心价值配套模型理论：

• Virtual cell：虚拟细胞总览• DrugCell：药物反应神经网络•PhysiCell（Cell 2026）：细胞仿真引擎第八阶段：虚拟临床与药物研发（Virtual Clinical Translation）

核心目标：解决"如何直接服务药物研发和临床决策"• 虚拟临床试验的设计逻辑• 从体外到体内的预测链条• ROI计算与决策支持配套模型理论：• PK/PD Neural Surrogate：药代动力学神经网络• Clinical Response Simulator：临床响应模拟

下午：实操演练+ 课程总结实操前置准备：数字孪生与虚拟临床模型工具包调试

1. Python 工具包适配：DrugCell、PhysiCell等数字孪生相关工具包的安装与调试。实操模型讲解（Python代码解析 + GPU服务器上机实操）

1. 实操模型：DrugCell（产业级药物反应预测）—— 对应第七阶段理论，构建药物反应预测模型，解释药物作用机制，掌握产业级模型的应用方法，理解其在降低湿实验成本中的作用；2. 实操模型：PhysiCell（数字孪生底层仿真）—— 对应第七阶段理论，搭建虚拟细胞仿真环境，完成从虚拟细胞到虚拟组织的仿真闭环，掌握数字孪生底层操作，衔接虚拟临床应用；

通过课程学习您将得到

• 技术栈回顾：从数据→状态→调控→动态→药物→疾病→孪生→临床• 前沿趋势：大模型、多模态、空间组学、虚拟敲除• 职业发展：计算生物学人才需求与能力路径配套资源

• 课程PPT（理论讲解）• 实操代码包（Jupyter Notebook）• GPU服务器账号（云端实操）• 数据集（公开单细胞/空间数据）• 参考文献（最新顶刊论文，基本是2026、2025新文章+少量经典文章）

授课时间安排

AI蛋白质设计授课时间

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)

共计6天的课通过腾讯会议直播线上实操提供全部录播

AI抗体设计授课时间

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)

共计5天的课通过腾讯会议直播线上实操提供全部录播

AI+基因编辑授课时间

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）

共计5天的课通过腾讯会议直播线上实操提供全部录播

AI构建虚拟细胞授课时间

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）

共计5天的课通过腾讯会议直播线上实操提供全部录播

培训费用及福利

课程报名费用：

AI蛋白质设计、AI构建虚拟细胞、AI基因编辑、AI抗体设计直播课：

公费价：每人每班￥6880元（含报名费、培训费、资料费、提供课后全程回放资料）

自费价：每人每班￥6580元（含报名费、培训费、资料费、提供课后全程回放资料）

重磅优惠:

报二送一（同时报名两个班免费赠送一个学习名额赠送班任选）

优惠1：

两班同报：10880元（原价18640）

三班同报：14880元（原价23620）

特惠一：24880元（可免费学习一整年本单位举办的任意课程）

特惠二：28880元（可免费学习两整年本单位举办的任意课程）

优惠2：提前报名缴费可享受300元优惠（仅限十五名）

报名学习课程可赠送往期课程回放（报多少赠多少）

（可点击跳转详情链接）：

回放一：本课程为视频课！机器学习生物医学培训！

回放二：本课程为视频课！单细胞空间转录组培训！

回放三：本课程为视频课！比较基因组学培训！

回放四：本课程为视频课！机器学习蛋白质组学培训

回放五：本课程为视频课！机器学习微生物组学培训

回放六：本课程为视频课！蛋白质晶体结构解析培训

回放七：本课程为视频课！CRISPR-Cas9基因编辑培训

回放八：本课程为视频课！机器学习代谢组学培训！

回放九：本课程为视频课！深度学习基因组学培训！

培训特色及福利

1、课程特色--全面的课程技术应用、原理流程、实例联系全贯穿

2、学习模式--理论知识与上机操作相结合，让零基础学员快速熟练掌握

3、课程服务答疑--主讲老师将为您实际工作中遇到的问题提供专业解答

授课方式：通过腾讯会议线上直播，理论+实操的授课模式，老师手把手带着操作，从零基础开始讲解，电子PPT和教程开课前一周提前发送给学员，所有培训使用软件都会发送给学员，有什么疑问采取开麦共享屏幕和微信群解疑，学员和老师交流、学员与学员交流，培训完毕后老师长期解疑，培训群不解散，往期培训学员对于培训质量和授课方式一致评价极高！

腾讯会议实时直播解答|手把手带着操作

报名咨询方式（请二维码扫描下方微信）

微信：Z13283822591

电子邮箱：m13283822597@163.com

电话：13283822597