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

o 功能元件的定义与分类

o 功能元件在合成生物学中的重要性

2. 元件数据库与资源

o 公共与私有元件数据库

o 元件资源的整合与利用

3. 智能挖掘技术

o 基于传统计算生物学方法的元件挖掘

o AI技术在元件挖掘中的优势

o 基于AI的序列功能注释和新功能预测

o 基于AI的结构预测

o 基于结构的元件挖掘技术

4. 从催化反应出发挖掘元件

o 反应数据库介绍

o 反应表示技术

o 反应相似性计算

o 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

o 评估参数与方法

2. AI在元件评估中的应用

o 基于AI的酶动力学分析

o 利用机器学习预测酶最适催化温度

o 利用机器学习预测酶最适pH

o 利用机器学习预测可溶性

o 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

o 蛋白稳定性分析

o 相互作用界面分析

5. Rosetta蛋白结构预测

o 蛋白配体对接

o 结构优化

6. Rosetta酶设计

o Rosetta酶设计过程

o 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

o 机器学习酶改造

o 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

o 无监督模型辅助酶改造

o 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

· 研究背景与目标

· 元件功能预测工具介绍

· EC/GO等元件功能预测网站实操

· 实验结果与分析

实例2：基于序列的新型生物元件挖掘

· 研究背景与目标

· 元件挖掘工具介绍

· 基于序列相似性的元件挖掘网站实操

· 基于功能域的元件挖掘网站实操

· 实验结果与分析

实例3：基于结构的新型生物元件挖掘

· 研究背景与目标

· 结构预测及结构相似性计算工具介绍

· 结构预测网站实操

· 基于结构相似性的元件挖掘网站实操

· 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

· 研究背景与目标

· 反应表示及反应相似性计算工具介绍

· 基于反应相似性的元件挖掘网站实操

· 实验结果与分析

实例5：基于Rosetta的酶元件改造

· 研究背景与目标

· 酶元件改造工具介绍

· Rosetta软件实操

· 基于Rosetta design的元件改造网站实操

· 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

· 研究背景与目标

· 预训练模型介绍

· 基于ESM-1v的元件改造网站实操

· 实验结果与分析

实例7：基于复合物的AI元件改造

· 研究背景与目标

· LigandMPNN模型介绍

· 基于LigandMPNN的元件改造网站实操

· 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

廖老师，博士，中国科学院天津工业生物技术研究所研究员。2006年本科毕业于中国科学技术大学，2011年博士毕业于中国科学院数学与系统科学研究院，2011- 2014年在美国加拿大阿尔伯塔大学从事博士后研究，2014年加入中国科学院天津工业生物技术研究所，主要围绕工业生物大数据智能分析展开研究，开发核心的数据库、算法和工具。构建糖基转移酶数据库pUGTdb等系列工业生物专属数据库；开发了新一代蛋白功能预测算法HDMLF、酶挖掘与评估工具REME、蛋白同源多聚体预测算法DeepSub等系列AI工具。近年来在Nature Genetics、Nucleic Acids Research、Science Advances、Molecular Plant、Research等国内外高水平期刊发表文章50余篇，引用2000余次。主持基金委交叉重点专项等多项国家级、省部级项目。