基于AI的生物元件挖掘与改造专题会（济南）

9月21-22日  上午9：00-12：00       下午13:30-16:30

一、合成生物学功能元件智能挖掘技术

1. 合成生物学功能元件概述
   • 功能元件的定义与分类
   • 功能元件在合成生物学中的重要性
2. 元件数据库与资源
   • 公共与私有元件数据库
   • 元件资源的整合与利用
3. 智能挖掘技术
   • 基于传统计算生物学方法的元件挖掘
   • AI技术在元件挖掘中的优势
   • 基于AI的序列功能注释和新功能预测
   • 基于AI的结构预测
   • 基于结构的元件挖掘技术
4. 从催化反应出发挖掘元件
   • 反应数据库介绍
   • 反应表示技术
   • 反应相似性计算
   • 基于反应相似性的元件挖掘技术
5. 元件挖掘案例解析
6. 元件挖掘未来趋势

二、融合AI的元件评估技术与策略

1. 元件评估概述
   • 评估参数与方法
2. AI在元件评估中的应用
   • 基于AI的酶动力学分析
   • 利用机器学习预测酶最适催化温度
   • 利用机器学习预测酶最适pH
   • 利用机器学习预测可溶性
   • 底物选择性与专一性分析
3. 酶稳定性评估
4. 元件评估案例解析
5. 元件评估未来趋势

三、酶的理性设计（Rosetta）

1. 酶改造的目标与挑战
2. 常用理性设计方法介绍
3. Rosetta软件介绍
4. Rosetta蛋白结构分析
   • 蛋白稳定性分析
   • 相互作用界面分析
5. Rosetta蛋白结构预测
   • 蛋白配体对接
   • 结构优化
6. Rosetta酶设计
   • Rosetta酶设计过程
   • 序列设计
7. Rosetta酶设计成功案例解析

• 四、融合AI的酶改造与优化策略

1. AI在酶改造中的应用
   • 机器学习酶改造
   • 深度学习酶改造
2. 酶改造策略选择
3. AI辅助的酶改造技术
   • 无监督模型辅助酶改造
   • 结合实验数据的酶改造
4. AI酶改造成功案例解析

五、实操案例

实例1：基于AI的新型生物元件功能预测

1. 研究背景与目标
2. 元件功能预测工具介绍
3. EC/GO等元件功能预测网站实操
4. 实验结果与分析

实例2：基于序列的新型生物元件挖掘

1. 研究背景与目标
2. 元件挖掘工具介绍
3. 基于序列相似性的元件挖掘网站实操
4. 基于功能域的元件挖掘网站实操
5. 实验结果与分析

实例3：基于结构的新型生物元件挖掘

1. 研究背景与目标
2. 结构预测及结构相似性计算工具介绍
3. 结构预测网站实操
4. 基于结构相似性的元件挖掘网站实操
5. 实验结果与分析

实例4：基于反应相似性的新型生物元件挖掘

1. 研究背景与目标
2. 反应表示及反应相似性计算工具介绍
3. 基于反应相似性的元件挖掘网站实操
4. 实验结果与分析

实例5：基于Rosetta的酶元件改造

1. 研究背景与目标
2. 酶元件改造工具介绍
3. Rosetta软件实操
4. 基于Rosetta design的元件改造网站实操
5. 实验结果与分析

实例6：基于预训练模型的无监督AI元件改造

1. 研究背景与目标
2. 预训练模型介绍
3. 基于ESM-1v的元件改造网站实操
4. 实验结果与分析

实例7：基于复合物的AI元件改造

1. 研究背景与目标
2. LigandMPNN模型介绍
3. 基于LigandMPNN的元件改造网站实操
4. 实验结果与分析

六、总结与未来展望

1. 当前技术的总结
2. 面临的挑战与机遇
3. 未来发展方向与趋势