栏目分类
发布日期：2025-04-06 16:01 点击次数：166
加拿大魁北克省东谈主工智能磋商所Mila 投稿
量子位 | 公众号 QbitAI
精确预测和筹算卵白质的序列、结构及模拟其动态变化，一直是科学界的紧要挑战。
在行将举行的AAAI 2025会议上，加拿大魁北克省东谈主工智能磋商所Mila、好意思国东北大学和MIT的学者将组织一场主题为“东谈主工智能在卵白质筹算中的利用”的教程。
（文末附教程纵贯车）
综不雅当下，AI与生命科学深度交融布景下，卵白质磋商正资格前所未有的AI初始变革。
行为生命活动的中枢，卵白质在细胞结构构建、物资输送和催化化学反馈中饰演着要津扮装。如今，AI时刻的介入，往时所未有的速率和力度，重塑了卵白质磋商的方式，带来了无尽可能。
这不仅加快了新药研发和生物时刻改造，也为措置环境和工业鸿沟的挑战提供了新的器用。
本次教程将全面回首AI在卵白质预测与筹算鸿沟的最新施展，探讨刻下的磋商效力和将来的发展标的。
同期，教程将磋商AI在卵白质筹算中的将来趋势，相干可能靠近的挑战和机遇。
不管是卵白质序列暗示学习，仍是结构磋商，AI皆展现出雄伟后劲。
本次教程中，主持方将详备先容AI在卵白质序列、结构和功能预测与筹算中的利用法子。通过生成模子进行卵白质筹算，致使不错创造具有特定功能的新式卵白质。
教程但愿参与者具备机器学习的基础常识，但即使穷乏计较生物学或生物信息学劝诫也无妨，课程将提供初学先容，匡助大家了解这一交叉学科鸿沟。
教程定于好意思东时分2月26日上昼8:30至中午12:30在宾夕法尼亚州费城会议中心117号房间举行。
教程大纲：多维度解锁卵白质筹算神秘本次教程将从多个维度深入贯通 AI 卵白质筹算鸿沟的要津问题、前沿法子和磋商趋势，具体实质如下：
（一）序章：前沿瞻念察与基础常识本部分将重心先容AI在卵白质磋商鸿沟取得的紧要松弛。
从早期探索到最新效力，AI 在卵白质磋商中的每一步施展皆意旨长远。
同期，将对卵白质的基本结构、功能特别在生命活动中的伏击扮装进行科普熟谙。
临了，相干如何对卵白质数据进行学习，为后续深入磋商奠定坚实基础。
（二）卵白质暗示学习：挖掘数据的潜在价值本部分是教程的中枢之一，将详备先容多种卵白质暗示学习的法子。
在序列暗示学习中，将深入探讨自记忆言语模子、掩码言语模子和扩散言语模子，这些模子以不同相貌对卵白质序列进行编码，索求要津信息。
结构暗示学习方面，几何深度学习为磋商卵白质的几何结构提供了新视角；GVP、GearNet等卵白质结构编码器，以及多种结构预历练算法，从不同角度对卵白质结构进行学习和优化。
多模态暗示学习结合了序列、结构、功能和文本等多种信息，模子如ESM-GearNet、SaProt、DPLM-2、ESM3、ProtST等，展示了多模态交融在卵白质磋商中的苍劲智商。
临了，将先容这些法子在卵白质理罢职务、卵白质适合性预测和抗体亲和力优化等方面的利用。
（三）卵白质结构和能源学预测，探索分子动态神秘卵白质结构和动态预测是磋商中的中枢问题之一。
本部分将先容单链折叠（如 AlphaFold2、ESMFold）、侧链预测（如 AttnPacker、DiffPack）和复合物预测（如 AlphaFold-Multimer、AlphaFold3）等前沿法子。
在卵白质构象采样方面，与会东谈主员将探讨玻尔兹曼生成器、基于粗粒度的法子、基于刚性框架的法子以及卵白质结构言语模子。
在分子能源学（MD）轨迹模拟中，将先容神经模拟器、条款转念算子和轨迹生成器等前沿法子。
（四） 卵白质筹算：开启新式卵白质创造之门
在序列筹算方面，主持方将先容无条款序列生成（如ProGen）和逆折叠（如ESM-IF、ProteinMPNN）的法子。
结构筹算中，FrameDiff、FrameFlow、Genie2、Chroma、RFDiffusion、FoldFlow、FoldFlow-2等模子将是相干的重心。
序列-结构协同筹算部分，ProtSeed、ProteinGenerator、MultiFlow、Protpardelle、DPLM-2 等模子将展示如何同期优化卵白质的序列和结构。
抗体筹算将聚焦于RefineGNN、AbX等法子。
（五）总结与磋商：共绘卵白质筹算的将来蓝图
这一部分将系统回首扫数教程的中枢实质，梳理东谈主工智能在卵白质筹算鸿沟的最新施展与取得的效力。
此外，主持方还将对该鸿沟将来可能的发展趋势进行磋商，深入探讨前沿磋商中可能遭遇的挑战及潜在的机遇。
临了，教程极端设立了互动问答设施，以进一步增进换取、启发念念考，共同探索卵白质筹算磋商的新标的。
教程背后组织团队本次教程由加拿大Mila素养唐建，和好意思国东北大学素养金汶功团队勾搭组织。
唐建博士是加拿大魁北克省东谈主工智能磋商中心Mila副素养，该中心由图灵奖获取者、“AI之父” Yoshua Bengio 创立。
他仍是加拿大CIFAR AI讲席素养、北京百奥几何公司首创东谈主兼首席实施官。
此外，唐建是图暗示学习鸿沟的知名学者，在深度生成模子、图机器学习特别药物发现利用方面效力显贵。
他曾发表图暗示学习鸿沟的经典论文LINE（单篇援用次数朝上6000次），并将这些时刻始创性地利用于药物发现鸿沟，发表了一系列极具影响力的代表作，包括最早用于分子图的预历练算法InfoGraph、第一个用于分子三维结构生成的扩散生成模子ConfGF和GeoDiff，以及最早基于卵白质三维结构的预历练模子之一GearNet。
他还与英伟达、Intel、IBM 等机构共同开导了业内首个专诚针对药物与卵白质的开源机器学习平台TorchDrug和TorchProtein。关系磋商发表于Nature、PNAS、Nature Communications、Nature Machine Intelligence、NeurIPS、ICML、ICLR等顶级会议与期刊。
同期，唐建还担任 NeurIPS 和 ICML 的鸿沟主席，以及机器学习鸿沟著明期刊 Journal of Machine Learning Research (JMLR) 的实施剪辑。
金汶功博士是好意思国东北大学Khoury计较机科学学院助理素养，同期担任Broad Institute Eric and Wendy Schmidt 中心的探问磋商科学家。
他于MIT CSAIL获取博士学位，导师为Regina Barzilay和Tommi Jaakkola。
在AI药物发现鸿沟的算法改造方面，金汶功团队等变神经网罗、扩散模子等多个标的有所设置，开导出RefineGNN、Mol2Image等模子与算法，效力发表于NeurIPS、ICLR等顶会。
在药物发现方面，团队生效发现了新式抗生素，效力发表在Cell和 Nature等。
在化学工程鸿沟，团队还助力达成自动化化学合成试验室，其开导的化学反馈适度预测算法精度达到化学家级别，关系效力发表于NeurIPS和Chemical Science等期刊。
教程相接：https://deepgraphlearning.github.io/ProteinTutorial_AAAI2025/