小白友好

原標題：AI蛋白質設計前沿教程，AAAI'25三大機構攜手4小時全面剖析
文章來源：量子位
內容字數：5255字

AI驅動蛋白質研究變革：AAAI 2025教程解讀

加拿大魁北克省人工智能研究所Mila、美國東北大學和MIT的學者將在AAAI 2025會議上舉辦一場關于“人工智能在蛋白質設計中的應用”的教程。該教程將全面回顧AI在蛋白質預測與設計領域的最新進展，并展望未來的發展趨勢和挑戰。

1. AI重塑蛋白質研究格局

蛋白質是生命活動的核心，在細胞結構構建、物質運輸和催化化學反應中扮演著關鍵角色。AI技術的介入，以前所未有的速度和力度重塑了蛋白質研究的格局，加速了新藥研發和生物技術創新，并為解決環境和工業領域的挑戰提供了新的工具。

2. 教程內容概述

本教程將從多個維度深入解析AI蛋白質設計領域的關鍵問題、前沿方法和研究趨勢，具體包括：

2.1 序章：前沿洞察與基礎知識

本部分將介紹AI在蛋白質研究領域的重大突破，從早期探索到最新成果，并對蛋白質的基本結構、功能及其在生命活動中的重要角色進行科普講解。最后，討論如何對蛋白質數據進行學習，為后續研究奠定基礎。

2.2 蛋白質表示學習：挖掘數據的潛在價值

本部分是教程的核心，將詳細介紹多種蛋白質表示學習方法。包括序列表示學習（自回歸語言模型、掩碼語言模型和擴散語言模型）、結構表示學習（幾何深度學習、GVP、GearNet等蛋白質結構編碼器和結構預訓練算法）以及多模態表示學習（ESM-GearNet、SaProt、DPLM-2、ESM3、ProtST等）。最后，將介紹這些方法在蛋白質理解任務、蛋白質適應性預測和抗體親和力優化等方面的應用。

2.3 蛋白質結構和動力學預測，探索分子動態奧秘

本部分將介紹單鏈折疊、側鏈預測和復合物預測等前沿方法（如AlphaFold2、ESMFold、AttnPacker、DiffPack、AlphaFold-Multimer、AlphaFold3）。此外，還將探討蛋白質構象采樣和分子動力學（MD）軌跡模擬中的前沿方法。

2.4 蛋白質設計：開啟新型蛋白質創造之門

本部分將介紹序列設計（無條件序列生成和逆折疊方法，如ProGen、ESM-IF、ProteinMPNN）、結構設計（FrameDiff、FrameFlow、Genie2、Chroma、RFDiffusion、FoldFlow、FoldFlow-2等模型）和序列-結構協同設計（ProtSeed、ProteinGenerator、MultiFlow、Protpardelle、DPLM-2等模型）方法，以及抗體設計（RefineGNN、AbX等方法）。

2.5 總結與展望：共繪蛋白質設計的未來藍圖

本部分將回顧教程的核心內容，梳理人工智能在蛋白質設計領域的最新進展，并展望未來發展趨勢、挑戰和機遇。教程還將設置互動問答環節。

3. 教程組織團隊

本教程由加拿大Mila教授唐建和美國東北大學教授金汶功團隊聯合組織。兩位教授及其團隊在AI藥物發現和圖表示學習領域擁有豐富的經驗和顯著的成果。

4. 教程信息

教程定于美東時間2月26日上午8:30至中午12:30在賓夕法尼亞州費城會議中心117號房間舉行。教程鏈接：[https://deepgraphlearning.github.io/ProteinTutorial_AAAI2025/](https://deepgraphlearning.github.io/ProteinTutorial_AAAI2025/)

聯系作者

文章來源：量子位
作者微信：
作者簡介：追蹤人工智能新趨勢，關注科技行業新突破