一、课程定位

本课程由经验丰富的专家围绕药企真实研发场景设计，主线为“结构数据治理—AI结构预测—结构判读—蛋白/抗体设计—虚拟筛选—湿实验验证—研发决策”。课程不把AI预测结果直接等同于药物候选物，而是强调预测结果的置信度、边界条件、验证路径和可追溯决策。

l 面向对象：药企研发技术人员、结构生物学人员、蛋白/抗体工程人员、ADC早研人员、药物设计与计算团队、CMC早期可开发性评估人员。

l 课程目标：帮助学员理解AI结构生物学工具能做什么、不能做什么，以及如何把AI输出转化为可验证的实验方案和研发决策。

l 课程产出：每位学员能够完成一个公开蛋白或抗体相关靶点的结构检索、预测、置信度判读、结构可视化、候选设计思路和湿实验验证计划。

l 课程边界：AlphaFold3、生成式蛋白设计、AI docking和AI抗体设计均按“能力—限制—适用场景—验证要求”讲授，不承诺商业化黑箱平台效果。

主办单位：中国化工企业管理协会医药化工专业委员会

北京华夏凯晟医药技术中心

时间：2026年8月9日-10日

地点：线上直播

二、课程总览

时间	主题	核心目标
第一天上午	结构数据与AI结构预测基础	理解药企为什么需要结构AI；掌握PDB、AlphaFold DB、UniProt、FASTA、PDB/mmCIF等基础数据；建立AlphaFold2/ColabFold工作流；学习pLDDT与PAE的风险判读。
第一天下午	结构可视化、验证规划与药企案例	掌握PyMOL结构可视化与标注；了解AlphaFold3复合物建模能力与许可边界；把预测结构转化为靶点评估、抗原设计、突变解释和实验验证规划。
第二天上午	AI蛋白设计与抗体工程	理解ProteinMPNN、RFdiffusion、Rosetta/能量函数的分工；学习AI设计结果筛选；掌握抗体编号、CDR识别、表位/互补位、可开发性风险和抗体/双抗/ADC结构AI应用。
第二天下午	分子对接、虚拟筛选与项目闭环	比较Vina、Gnina、DiffDock；理解MD与AI动态构象的应用边界；形成“输入数据—AI工具—输出结果—验证实验—决策标准”的药企项目闭环。

三、第一天：结构预测、结构判读与药企研发应用

上午：结构数据与AI结构预测基础

时间	模块	授课内容	实操/产出
09:00-09:30	药企为什么需要AI结构生物学	结构解析瓶颈；晶体学、cryo-EM、NMR与AI预测的互补关系；预测结构在靶点评估、抗原设计、突变解释、结构辅助立项中的价值；AI不能替代实验结构、亲和力测定、功能实验和CMC验证。	形成“预测结构不是最终证据”的基本判断框架。
09:30-10:20	结构数据来源与数据治理	PDB、AlphaFold DB、UniProt、FASTA、PDB/mmCIF；结构来源、实验方法、分辨率、缺失残基、配体、糖基化、PTM、构象状态；序列一致性核查；批量检索与版本记录。	完成一个靶点的序列、实验结构、预测结构和功能注释检索。
10:20-10:35	课间休息	—	—
10:35-11:25	AlphaFold2/ColabFold工作流	输入序列、MSA、模板、模型输出、ranked模型、批量预测、结果命名与项目管理；ColabFold与本地运行的适用场景；云端演示与数据合规注意事项。	生成或读取一个预测结构结果包，并能解释主要输出文件。
11:25-12:10	pLDDT、PAE与预测结构风险判读	pLDDT局部置信度；PAE结构域间相对位置置信度；低置信度loop、无序区、多结构域相对取向、复合物界面和对接风险；哪些区域可用于建模，哪些区域不能直接用于对接、突变设计或专利判断。	输出一页结构风险判读记录：可信区域、谨慎区域、不可直接使用区域。

下午：结构可视化、验证规划与药企案例

时间	模块	授课内容	实操/产出
13:30-14:20	PyMOL结构可视化实操	结构加载；链、结构域、二级结构、活性位点、抗原表位、界面残基、突变位点和低置信度区标注；结构图输出规范；PDB结构与AlphaFold结构并列展示。	完成一张可用于课件或项目汇报的结构解释图。
14:20-15:05	AlphaFold3与复合物建模前沿	蛋白、核酸、小分子、离子和修饰残基复合物建模能力；与AlphaFold2的差异；服务器与本地推理的限制；非商业用途与药企使用边界；不把AlphaFold3作为商业实操主承诺。	形成AlphaFold3适用性判断表：可尝试、谨慎尝试、暂不作为决策依据。
15:05-15:20	课间休息	—	—
15:20-16:20	预测结构如何进入药企研发决策	靶点可成药性初筛；抗原片段选择；突变位点解释；表位假设；构象可及性；同源蛋白选择性风险；结构辅助立项；AI预测结果如何写入研发记录和验证计划。	完成“结构预测到研发决策”的一页模板。
16:20-17:30	实操案例：从公开靶点到验证计划	选择一个公开蛋白或抗体相关靶点，完成序列检索、结构检索/预测、置信度判读、PyMOL标注、风险点识别、验证实验设计。	形成小组汇报：输入数据、结构结果、风险判读、实验验证和下一步决策。

四、第二天：蛋白/抗体设计、虚拟筛选与干湿实验闭环

上午：AI蛋白设计与抗体工程

时间	模块	授课内容	实操/产出
09:00-09:45	从结构预测到蛋白设计	结构预测与蛋白设计的关系；ProteinMPNN用于给定骨架的序列设计；RFdiffusion用于骨架生成、motif scaffold和binder设计；Rosetta/能量函数用于物理合理性与局部优化；AI设计结果必须进入表达和功能验证。	理解“骨架生成—序列设计—结构复核—实验验证”的基本流程。
09:45-10:30	AI设计结果如何筛选	结构复核、pLDDT/PAE、界面面积、接触残基、氢键/盐桥、疏水斑块、聚集风险、表达风险、稳定性风险、免疫原性初筛；设计结果不以模型分数单一排序。	建立候选设计筛选矩阵。
10:30-10:45	课间休息	—	—
10:45-11:30	抗体结构与CDR工程	SAbDab抗体结构数据；ANARCI/AbNumber抗体编号；Kabat、Chothia、IMGT、AHo编号差异；CDR、框架区、表位、互补位；亲和力预测的边界；结构建模与实验亲和力测定的衔接。	完成一条抗体序列的编号、CDR识别和结构风险初判。
11:30-12:10	抗体、双抗与ADC中的结构AI应用	抗原结构选择；抗体内吞与表位假设；表位竞争；双抗几何可行性；ADC linker-payload空间可及性；抗体可开发性；CMC早期风险：聚集、黏度、稳定性、糖基化和纯化可行性。	形成抗体/ADC结构AI应用清单。

下午：分子对接、虚拟筛选与项目闭环

时间	模块	授课内容	实操/产出
13:30-14:20	Vina、Gnina、DiffDock对比	传统搜索与打分；CNN重评分；扩散生成式对接；蛋白结构准备、口袋定义、配体质子化、互变异构、柔性处理、对照配体、重对接、假阳性控制；AI docking不能替代结合和功能实验。	完成一个虚拟筛选流程图。
14:20-15:00	分子动力学与AI动态构象	MD用于构象稳定性、界面波动、口袋开放/关闭、突变影响和蛋白-配体相互作用稳定性评估；OpenMM/GROMACS等工具的定位；AI与MD结合的应用边界；不做深度MD理论课。	形成“是否需要MD”的判断标准。
15:00-15:15	课间休息	—	—
15:15-16:15	干湿实验闭环设计	表达、纯化、SEC-HPLC、DSF、DLS、SPR/BLI、ELISA、酶活、细胞活性、内吞、稳定性、动物前验证；AI输出如何转化为实验批次、对照组、判定标准和退出标准。	完成一个AI候选物的湿实验验证计划。
16:15-17:30	药企项目研讨	学员带项目问题，按“输入数据—AI工具—输出结果—验证实验—决策标准”模板讨论；识别缺失数据、不可直接决策的模型结果、可立即执行的验证实验。	输出项目闭环卡片：下一步实验、成功标准、风险点和Go/No-go条件。

五、实操案例设计

案例	输入条件	工具/资料	学员产出
案例1：公开蛋白结构判读	选择一个已有PDB结构和AlphaFold预测结构的靶点	PDB/mmCIF、UniProt序列、AlphaFold结构、PyMOL	结构质量、缺失残基、pLDDT/PAE、可用区域与风险区域
案例2：抗体/抗原结构分析	选择一个公开抗体-抗原复合物或抗原结构	SAbDab、ANARCI/AbNumber、PyMOL	CDR识别、表位/互补位、界面残基、亲和力预测边界
案例3：AI设计结果筛选	给定一个骨架或motif设计任务	RFdiffusion、ProteinMPNN、AlphaFold/ESMFold复核	候选序列筛选矩阵、表达/稳定性/功能验证计划
案例4：虚拟筛选闭环	选择一个结构明确的小分子靶点	Vina/Gnina/DiffDock、PyMOL、基础ADMET/可合成性判断	口袋定义、对接结果判读、假阳性控制、SPR/BLI或酶活验证方案

六、课程强调的药企落地原则

l 原则1：AI结构预测用于提出假设、缩小搜索空间和设计验证方案，不能直接替代实验结构、结合实验、功能实验和CMC研究。

l 原则2：任何预测结构进入对接、突变设计、抗体工程或专利判断前，必须先完成pLDDT、PAE、结构域关系、缺失残基、构象状态和模板来源核查。

l 原则3：蛋白设计不是“模型分数最高即最好”，候选筛选应同时考虑结构合理性、表达、纯化、聚集、稳定性、免疫原性、功能活性和项目可行性。

l 原则4：AI docking和虚拟筛选必须设置阳性对照、阴性对照、重对接、已知配体复现、口袋合理性和实验验证，不以单一打分做Go/No-go。

l 原则5：药企内部使用AI工具时，应保留输入数据、版本、参数、模型来源、输出结果、人工复核意见和实验验证记录，形成可追溯研发证据链。

七、软件、数据库与公开资料支撑

类别	工具/资料	课程用途
结构数据库	PDB、RCSB PDB、PDBx/mmCIF、AlphaFold DB、UniProt	结构检索、序列核查、注释整合、实验结构与预测结构比较
结构预测与判读	AlphaFold2、ColabFold、AlphaFold3、ESMFold/RoseTTAFold概览	单蛋白结构预测、复合物建模前沿、置信度和适用边界判读
结构可视化	PyMOL、ChimeraX可选	结构展示、残基标注、界面分析、低置信度区域标注、项目汇报图生成
蛋白设计	ProteinMPNN、RFdiffusion、Rosetta/能量函数	骨架生成、序列设计、候选筛选、结构复核和实验验证计划
抗体工程	SAbDab、ANARCI、AbNumber、TAP/可开发性评估工具	抗体编号、CDR识别、抗体结构数据集、可开发性风险初筛
虚拟筛选/对接	AutoDock Vina、Gnina、DiffDock	口袋定义、对接姿态、AI重评分、扩散式姿态生成、假阳性控制
动态构象	OpenMM/GROMACS/MDAnalysis可选	构象稳定性、界面波动、口袋动态、突变影响与蛋白-配体相互作用稳定性
验证实验	SPR/BLI、DSF、SEC-HPLC、DLS、ELISA、酶活、细胞活性、内吞实验	把AI输出转化为药企可执行验证方案和研发决策

八、学员项目研讨模板

项目卡片要素	填写内容
项目目标	靶点确认 / 抗原设计 / 突变解释 / 蛋白设计 / 抗体工程 / 虚拟筛选 / CMC早期可开发性评估
输入数据	序列、结构、配体、抗体序列、突变信息、已知活性数据、表达纯化数据、文献和专利信息
AI工具	AlphaFold/ColabFold、AlphaFold3、ProteinMPNN、RFdiffusion、SAbDab/ANARCI、Vina/Gnina/DiffDock、MD工具
输出结果	结构模型、置信度、候选序列、候选构象、对接姿态、风险区域、候选优先级
人工复核	结构可信度、数据来源、参数版本、模型局限、是否存在低置信度区域和不可直接决策区域
验证实验	表达、纯化、热稳定性、聚集、亲和力、功能活性、内吞、细胞实验、动物前验证、CMC早期可开发性
决策标准	进入下一轮设计 / 进入实验验证 / 暂停 / 放弃 / 补充数据后再评估

九、培训费：4000元/链接；（会务费包括：培训、研讨、电子版资料、电子版培训证书网上可查、一年在线不限次回放等）；

十、联系方式：

联系人：马超13240487419

附件二：AI结构生物学在药企研发中的应用研修班--报名表

单位名称					联系人
地址					邮编
姓名	性别	职务	座机号	E-mail		手机



汇款备注：AI结构生物学户名：北京华夏凯晟医药技术中心开户行：中国工商银行股份有限公司北京玉泉路支行账号：020 006 300 920 0091778
联系人：马超13240487419