依据生物化学、酶学、分子生物学以及遗传学等生命科学的研究成果，以计算机化学为基础，通过计算机的模拟、计算和预算药物与受体生物大分子之间的相互作用，考察药物与靶点的结构互补、性质互补等，设计出合理的药物分子。它是设计和优化先导化合物的方法，特别是在食品、生物、化学、医药、植物、疾病方面应泛！靶点的发现与确证是现代新药研发的第一步，也是新药创制过程中的瓶颈之一。

  学习目标：计算机辅助药物设计主要包含：PDB数据库、靶点蛋白、蛋白质-配体、蛋白-配体小分子、蛋白-配体结构、分子对接、蛋白-配体对接、虚拟筛选、蛋白-蛋白对接、蛋白-多糖分子对接、蛋白-水合对接、分子动力学等

  分子对接：分子对接是通过受体的特征以及受体和药物分子之间的相互作用方式来进行药物设计的方法。主要研究分子间(如配体和受体)相互作用,并预测其结合模式和亲合力的一种理论模拟方法.近年来,分子对接方法已成为计算机辅助药物研究领域的一项最火最重要的技术。

  虚拟筛选：虚拟筛选(virtual screening，VS)也称计算机筛选，即在进行生物活性筛选之前，利用计算机上的分子对接软件模拟目标靶点与候选药物之间的相互作用，计算两者之间的亲和力大小，以降低实际筛选化合物数目，同时提高先导化合物发现效率。

  分子动力学：分子动力学是一门结合物理，数学和化学的综合技术。分子动力学是一套分子模拟方法，该方法主要是依靠牛顿力学来模拟分子体系的运动，以在由分子体系的不同状态构成的系统中抽取样本，从而计算体系的构型积分，并以构型积分的结果为基础进一步计算体系的热力学量和其他宏观性质。

  计算机辅助药物设计J. Med. Chem.基于晶体结构的MPS1抑制剂的设计和优化

  目前计算机辅助药物设计受众人体众多，列如CADD、药物设计、药学、药物研发、药物筛选、新药研发、药物化学、生物制药、免疫、天然产物、兽药研发，生物信息、中药药理、中药化学、网络药理、结构药理、食品安全、食品风味、食药研发、食品研发、抗肿瘤药物、肿瘤免疫、酶工程、遗传、抗体药物、农业工程、化学、有机合成、有机化学、结构生物、合成生物等众多科研人员。

  计算机辅助药物设计主讲老师来自国内高校北京协和医院药物研究所，老师主要擅长深度学习、机器学习、药物虚拟筛选、计算机辅助药物设计、人工智能药物发现、分子对接、分子动力学等方面的研究，有十余年的研究经验。

  AIDD人工智能药物发现与设计:是AI和机器学习技术使制药领域实现了现代化。目前机器学习和深度学习算法已被应用于多肽合成、虚拟筛选、毒性预测、药物监测和释放、药效团建模、定量构效关系、药物重定位、多药理和生理活性等药物发现过程。可以很好的将传统的面向化学的药物发现和AI药物设计相结合。此外，世界各地的系统生物学和化学科学家与计算科学家合作，开发现代ML算法和原理，大大的能够在一定程度上促进药物的发现和开发。

  人工智能药物发现与设计研究主要包含：一次和二次药物筛选、肽合成与小分子设计、药物剂量和给药效果的识别、生物活性物质预测与药物释放监测、蛋白质折叠和蛋白质相互作用的预测、基于结构和基于配体的虚拟筛选、QSAR建模与药物再利用、理化性质和生物活性的预测、化合物的作用方式和毒性预测、分子通路的鉴定与多重药理学、临床试验的设计等

  药物筛选：在药物发现中，先导化合物的筛选是至关重要的，AI在识别新的和潜在的先导化合物方面发挥着巨大的作用。在化学空间中有大约1.06亿个化学结构，他们来自不同的研究，如基因组研究、临床和临床前研究、体内分析和微阵列分析。利用机器学习模型，如强化模型、Logistic模型、回归模型和生成模型，根据活性位点、结构和靶结合能力可以筛选出化学结构。

  预测疾病网络：AI和最大似然算法在药物发现和开发中的重要成果之一是预测和估计疾病网络、药物-药物相互作用和药物-靶点关系的总体拓扑和动力学。数据库如DisGeNET、STRTCH、STRING分别被用于确定基因-疾病关联、药物-靶标关联和分子途径。

  分子毒性预测：药物毒性是指化学分子由于化合物的作用方式或新陈代谢方式而对生物体产生的不利影响。AI可以预测药物分子与靶点结合和未结合时的效应，以及体内安全性分析。已经开发了不同的基于Web的工具，如LimTox、pkCSM、admetSAR和Toxtree。

  目前人工智能药物发现与设计研究方向受众人体众多，例如AIDD、药物设计、药学、药物研发、药物筛选、新药研发、药物化学、生物制药、免疫、天然产物、兽药研发，生物信息、中药药理、中药化学、网络药理、结构药理、食品安全、食品风味、食药研发、食品研发、抗肿瘤药物、肿瘤免疫、酶工程、遗传、抗体药物、农业工程、化学、有机合成、有机化学、结构生物、合成生物等众多科研人员以及对该方面感兴趣的爱好者。

  (4)分类评估：准确率、精确率、召回率、F1分数、ROC曲线)回归评估：平均绝对误差、均方差、R2分数、可释方差分数

  CRISPR-Cas9基因编辑：基因编辑是指通过改变生物体基因组中的DNA序列，来修改和调控特定基因的表达或功能。CRISPR-Cas9基因编辑技术是一种大范围的应用的基因编辑方法，它利用CRISPR（簇间重复短回文序列）和Cas9（CRISPR相关的蛋白质9）酶的系统来实现精确的基因组编辑。

  CRISPR-Cas9基因编辑主要包含：基因功能研究、群体编辑、基因启动子调控、基因组大规模筛选、CRISPR基因驱动系统、遗传性疾病治疗、农业育种、传染病控制、基因治疗等

  基因功能研究、：CRISPR-Cas9技术能用来研究基因的功能和调控机制。通过编辑特定的基因或调节其表达水平，可以揭示基因对生物学过程和疾病发生发展的作用，让我们更好地理解基因与表型之间的关系。

  基因组大规模筛选：CRISPR-Cas9技术的高效性和准确性使其成为基因组规模筛选的强大工具，建立基因敲定或过表达的文库，并应用于发现与特定生物过程或疾病相关的基因。

  CRISPR基因驱动系统：CRISPR基因编辑技术不但可以用于基因突变的修复和替换，还能够适用于驱动特定基因在物种中的传递。利用CRISPR-Cas9技术，可以构建基因驱动系统，将目标基因的突变传递给物种的后代，以实现一些生物控制和环境管理的目的，例如控制害虫数量、阻断传染病传播等。

  Cell Death&Disease 靶向FOXO家族的顺式调节元件是诱导白血病细胞分化的新治疗策略

  Nature一种基于CRISPR/Cas9的非病毒精准基因组编辑临床级疗法

  目前 CRISPR-Cas9基因编辑受众人体众多，列如研究基因功能、基因调控、细胞信号传导、生物发育、遗传疾病、癌症治疗、农业育种、食品安全、基因治疗、传染病控制、基因启动子调控、微生物遗传学、临床应用等众多科研人员。

  CRISPR-Cas9基因编辑技术主讲老师来自中国农业科学院，有十余年基因编辑研究经验，熟悉基因编辑在所有的领域应用，在基因编辑系统的开发与优化深耕多年，已发表数十篇SCI，有丰富的教学经验！

  i. PACE和PANCE人工定向蛋白进化系统介绍及其他常规的蛋白进化技术

  ii. ABE系统的进化过程总结（ABEmax/ABE8e每代优化的元件及策略汇总）

  蛋白质晶体结构解析:近年来结构生物学发展迅速并和其他学科相互渗透交叉,特别是受到结构基因组学等热点学科的极大带动。作为结构生物学的基本手段和技术,蛋白质晶体学从解析简单的蛋白质三维结构延伸到解决各类生物大分子及复合物结构,并更看重研究结构与功能之间的相互关系,派生出诸如基于结构的药物设计等应用性很强的分支。生物技术及计算机技术的快速的提升,尤其是高通量技术在生物学领域的应用,为蛋白质晶体学带来了全新的概念和更加广阔的前景

  蛋白质结构与功能的探索是生命科学最重要的研究领域之一,对蛋白质三维结构的精确测定有助于在分子水平上进一步探索生命过程,同时也将极大地推进药理学和药物设计的发展。在蛋白质晶体学中,直接法最初被应用于确定重原子坐标以及从头测定原子分辨率的蛋白结构。而通过将直接法与其他结构分析方法相结合,可以在蛋白质晶体学中开创出更多新的应用.

  蛋白质定向进化可以有效提升酶催化的各种各样的性能,特别是2018年诺贝尔化学奖授予美国加州理工的阿诺德教授后,更是引起了人们极大的关注。但是,定向进化改造后的蛋白质为什么具有更加好的催化性能,突变位点怎么样影响蛋白质的结构变化,这样一些问题需要结合晶体学或者计算化学的研究才能得到更清楚的答案。通过解析突变体的晶体结构,人类能更好地了解突变对蛋白空腔形状、电荷甚至整体构象带来的影响。将定向进化与蛋白晶体结构解析结合到一起,可以更好地认识酶工程改造的分子基础。

  Science Advances 实现了对较小的膜蛋白晶体结构解析方法的研究突破

  目前蛋白质晶体结构解析受众人体众多，免疫、蛋白质结构和功能、肥胖与代谢、作物遗传育种、酶工程、转座子系统研发及应用、结构生物学、眼科、口腔修复、递送系统研发、肿瘤、药物化学、生物信息学、整形外科、糖酶的结构解析、计算生物、病原生物学、中药新药开发、临床药理学、稻瘟病菌蛋白结构、酶功能与结构、微生物学、结构植物病理学、绿色鱼药等众多科研人员。

  蛋白质晶体结构解析主讲老师为国内985、双一流大学，主要擅长多种分子克隆技术、深度学习、机器学习、蛋白质的表达纯化、蛋白晶体的生长及优化、Ubuntu系统操作、蛋白晶体结构的解析及精修。

  2. 蛋白质晶体生长的理论知识（详细讲解温度、pH值、离子强度、有机溶剂、沉淀剂，等等，对蛋白晶体生长的影响；影响蛋白质晶型的因素）

  4. 蛋白质晶体生长条件的优化 （详细讲解晶体优化的方法，包括改变pH值、沉淀剂，等因素）

  3. 蛋白晶体结构解析软件的安装（包括Ubuntu系统、Phenix软件、CCP4软件、PyMoL软件、XDS软件和Adxv软件）

  基因表达预测：基因表达预测是预测基因在特定条件下的表达水平。深度学习能够最终靠分析基因表达谱数据，预测基因的表达量、转录因子等。此外，深度学习还可以预测细胞状态、疾病状态等，为进一步研究基因功能和疾病机制提供有力支持。

  精准医疗：精准医疗是一种根据个体的基因组、表型和环境因素等信息，为其提供个性化医疗方案的医疗模式。深度学习可以帮助研究人员分析海量的基因组和临床数据，以发现疾病与基因组之间的关联，从而为精准医疗提供更精确的依据。此外，深度学习还可以帮助医生根据患者的基因组信息为其制定更合适的诊疗方案。药物发现：药物发现是一个漫长而复杂的过程，涉及到靶点发现、化合物筛选等多个步骤。深度学习可以通过一系列分析大量的生物数据，帮助研究人员寻找潜在的药物靶点，并预测化合物的活性。此外，深度学习还可以优化药物设计和制作的完整过程，以减少相关成本和提高效率。

  Mamoon Rashid｜深度学习基因组学在测序数据中的应用Science Advances利用深度学习发现癌症中的新基因突变Cancer Cell 基于多模态深度学习的泛癌组织学-基因组学整合分析

  目前深度学习基因组学受众人体众多，列如基因组学，生物信息学，生命科学，小麦遗传育种，临床药理学，中药药理学，口腔修复，肿瘤免疫，整形外科，脊椎畸形，中药新药开发，分子流行病，心血管疾病，皮肤病等众多科研人员。

  深度学习基因组学主讲老师刘老师，生物信息学博士，有十余年的测序数据分析经验。研究领域涉及人工智能、自然语言处理、功能基因组学、转录组学、miRNA及靶基因网络分析，单细胞测序数据分析，基因调控网络时序分析，蛋白质互作网络分析，多组学联合分析等。主持省自然科学基金等项目4项，出版医学实用教材《Python医学实战分析》，发表SCI论文22篇，其中一作及并列一作9篇。

  复现卷积神经网络CNN识别基序特征DeepG4、非编码基因突变DeepSEA，预测染色体亲和性Basset，基因表达eQTL

  深度学习在识别拷贝数变异DeepCNV、调控因子DeepFactor上的应用

  3.基因序列及蛋白质相互作用网络中识别关键基因的深度学习工具DeepHE

  1.联合肿瘤基因标记及药物分子结构预测药物反应机制的深度学习工具SWnet

  熟悉代谢组学和机器学习相关硬件和软件；熟悉代谢组学从样本处理到数据分析的全流程；能复现至少1篇CNS或子刊级别的代谢组学文章图片。代谢物分类和识别：通过机器学习算法，将复杂的代谢物组合归类并识别，从而了解代谢物的特征和功能。

  机器学习代谢组学的研究内容涉及多个学科领域，包括生物信息学、统计学、模式识别和计算机科学等，它为代谢组学研究提供了新的方法和工具，有助于加深对生物体代谢系统的理解，并为个体化医学和疾病治疗提供新的思路和策略

  communications biology 代谢组学和机器学习技术揭示了发芽增强了色素大米的多种营养特性

  scientific reports 使用机器学习从基于生物流体的代谢组学预测人体健康

  目前机器学习代谢组学受众群体众多，例如肿瘤生物学 ，移植免疫，细胞培养工艺优化，肠道菌群与消化系统疾病，肿瘤免疫，入侵植物，抗癌药物，内分泌，病害防控，神经系统疾病诊断，动物遗传育种，等众多科研人员

  机器学习代谢组学主讲老师来自985高校神经科学博士，主要利用代谢组学、转录组学和分子生物学等技术探讨研究神经内科慢性病的发病机制和生物标志物。擅长高效液相色谱-质谱联用（LC-MS）技术进行非靶向和靶向代谢组学从样本制备到数据分析的全流程研究，以及多组学大数据的生物信息学整合分析。5年内在J Clin Invest, EBioMedicine, Cell Death Dis, Cell Death Discov, Nanotoxicology等杂志发表SCI论文10篇。

  转录组学主要研究RNA转录本的变化、转录调控以及与表观遗传学的联系等。转录组学主要关注基因表达的起始阶段，即RNA的合成和修饰过程，而表观组学则更侧重于基因表达的终末阶段，即RNA的翻译和修饰过程。

  近年来，表观组学和转录组学在单细胞测序技术的影响下逐渐结合起来，一同研究基因表达和调控的可遗传变化。

  Nature Methods 使用合成无修饰RNA文库对表观转录组图谱进行系统校准

  Chest结合表观遗传和转录生物标志物与基因-基因相互作用和主效应的早期NSCLC预后评分的独立验证Nature Communications化学诱导的相变和染色质的整体构象重组

  全国各大高校、企业、科研院所从事生命科学、有机合成、天然产物、药物、生物信息学、植物学，神经科学、动物学、医学、基因组学、农业科学、肿瘤学、转录组学、生物医学、遗传学、病理学、药学、生物工程等研究科研人员及爱好者

  主讲老师来自国内高校陈老师授课。在国内外学术刊物发表论文数篇，包括Nature Communication, Cell Regeneration等知名期刊，研究方向为生物信息学，发育生物学和遗传学等。利用多组学数据，通过深度学习算法进行数据分析和挖掘，包括ChIP-seq，ATAC-seq，RNA-seq，CNV等。

  福利：报名缴费成功赠送报名班型全套预习视频，课后学习完毕提供全程录像视频回放，针对与培训课程内容做长期答疑，微信解疑群永不解散，参加本次课程的学员可免费再参加一次本单位后期组织的相同的专题培训班（任意一期都可以）

  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！

  证书：参加培训并通过考试的学员，能申请获得工业与信息化部工业文化发展中心颁发的“工业强国建设素质素养提升尚工行动”岗位能力适应评测证书。该证书可在中心官网查询，可作为能力评价，考核和任职的重要依据。评测证书查询网址：（自愿申请，须另行缴纳考试费500元/人）

  引用本次参会学员的一句话：发现真的是脚踏实地的同时 需要偶尔仰望星空很谢谢各位对我们培训的认可！祝愿各位心想事成！

  特别声明：以上内容(如有图片或视频亦包括在内)为自媒体平台“网易号”用户上传并发布，本平台仅提供信息存储服务。

  2023年居民房贷余额增速近10年首次转负，2016年最高时曾高达37%