AI蛋白质设计前沿教程，AAAI'25三大机构携手4小时全面剖析

小白友好

原标题：AI蛋白质设计前沿教程，AAAI'25三大机构携手4小时全面剖析
文章来源：量子位
内容字数：5255字

AI驱动蛋白质研究变革：AAAI 2025教程解读

加拿大魁北克省人工智能研究所Mila、美国东北大学和MIT的学者将在AAAI 2025会议上举办一场关于“人工智能在蛋白质设计中的应用”的教程。该教程将全面回顾AI在蛋白质预测与设计领域的最新进展，并展望未来的发展趋势和挑战。

1. AI重塑蛋白质研究格局

蛋白质是生命活动的核心，在细胞结构构建、物质运输和催化化学反应中扮演着关键角色。AI技术的介入，以前所未有的速度和力度重塑了蛋白质研究的格局，加速了新药研发和生物技术创新，并为解决环境和工业领域的挑战提供了新的工具。

2. 教程内容概述

本教程将从多个维度深入解析AI蛋白质设计领域的关键问题、前沿方法和研究趋势，具体包括：

2.1 序章：前沿洞察与基础知识

本部分将介绍AI在蛋白质研究领域的重大突破，从早期探索到最新成果，并对蛋白质的基本结构、功能及其在生命活动中的重要角色进行科普讲解。最后，讨论如何对蛋白质数据进行学习，为后续研究奠定基础。

2.2 蛋白质表示学习：挖掘数据的潜在价值

本部分是教程的核心，将详细介绍多种蛋白质表示学习方法。包括序列表示学习（自回归语言模型、掩码语言模型和扩散语言模型）、结构表示学习（几何深度学习、GVP、GearNet等蛋白质结构编码器和结构预训练算法）以及多模态表示学习（ESM-GearNet、SaProt、DPLM-2、ESM3、ProtST等）。最后，将介绍这些方法在蛋白质理解任务、蛋白质适应性预测和抗体亲和力优化等方面的应用。

2.3 蛋白质结构和动力学预测，探索分子动态奥秘

本部分将介绍单链折叠、侧链预测和复合物预测等前沿方法（如AlphaFold2、ESMFold、AttnPacker、DiffPack、AlphaFold-Multimer、AlphaFold3）。此外，还将探讨蛋白质构象采样和分子动力学（MD）轨迹模拟中的前沿方法。

2.4 蛋白质设计：开启新型蛋白质创造之门

本部分将介绍序列设计（无条件序列生成和逆折叠方法，如ProGen、ESM-IF、ProteinMPNN）、结构设计（FrameDiff、FrameFlow、Genie2、Chroma、RFDiffusion、FoldFlow、FoldFlow-2等模型）和序列-结构协同设计（ProtSeed、ProteinGenerator、MultiFlow、Protpardelle、DPLM-2等模型）方法，以及抗体设计（RefineGNN、AbX等方法）。

2.5 总结与展望：共绘蛋白质设计的未来蓝图

本部分将回顾教程的核心内容，梳理人工智能在蛋白质设计领域的最新进展，并展望未来发展趋势、挑战和机遇。教程还将设置互动问答环节。

3. 教程组织团队

本教程由加拿大Mila教授唐建和美国东北大学教授金汶功团队联合组织。两位教授及其团队在AI药物发现和图表示学习领域拥有丰富的经验和显著的成果。

4. 教程信息

教程定于美东时间2月26日上午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。教程链接：[https://deepgraphlearning.github.io/ProteinTutorial_AAAI2025/](https://deepgraphlearning.github.io/ProteinTutorial_AAAI2025/)

联系作者

文章来源：量子位
作者微信：
作者简介：追踪人工智能新趋势，关注科技行业新突破