近年來(lái)，人工智能技術(shù)在生命科學(xué)領(lǐng)域掀起革命性浪潮。AlphaFold2 等突破性成果，實(shí)現(xiàn)了蛋白質(zhì)結(jié)構(gòu)的高精度預(yù)測(cè)；生成式 AI 模型（如 RFdiffusion、ProteinMPNN）進(jìn)一步推動(dòng)蛋白質(zhì)從頭設(shè)計(jì)進(jìn)入全新階段。這些技術(shù)正加速新藥研發(fā)、酶工程改造、合成生物學(xué)等領(lǐng)域的創(chuàng)新進(jìn)程，成為全球科研與產(chǎn)業(yè)競(jìng)爭(zhēng)的核心驅(qū)動(dòng)力。然而，盡管 AI 蛋白質(zhì)技術(shù)發(fā)展迅猛，但多數(shù)科研機(jī)構(gòu)與企業(yè)仍面臨嚴(yán)峻挑戰(zhàn)。其次，生物醫(yī)藥、農(nóng)業(yè)科技、綠色制造等行業(yè)對(duì)“計(jì)算+實(shí)驗(yàn)”復(fù)合型人才需求激增。為應(yīng)對(duì)上述挑戰(zhàn)，本課程應(yīng)運(yùn)而生。因此，中國(guó)化工企業(yè)管理協(xié)會(huì)醫(yī)藥化工專業(yè)委員會(huì)決定于 2026年 1 月 22-25 日在杭州市舉辦“2026 第三期 AI 驅(qū)動(dòng)的蛋白質(zhì)結(jié)構(gòu)解析與設(shè)計(jì)專題培訓(xùn)班”。屆時(shí)將邀請(qǐng)行業(yè)內(nèi)實(shí)踐專家針對(duì)相關(guān)內(nèi)容進(jìn)行講解與實(shí)操教學(xué)。參會(huì)名額有限，望各有關(guān)單位積極轉(zhuǎn)發(fā)或組織相關(guān)人員盡快報(bào)名參加。

以下內(nèi)容為GPT視角對(duì)AI 驅(qū)動(dòng)的蛋白質(zhì)結(jié)構(gòu)解析與設(shè)計(jì) （實(shí)操）專題培訓(xùn)班相關(guān)領(lǐng)域的研究解讀，僅供參考：

AI 驅(qū)動(dòng)的蛋白質(zhì)結(jié)構(gòu)解析與設(shè)計(jì)研究現(xiàn)狀

一、技術(shù)突破：從結(jié)構(gòu)預(yù)測(cè)到功能設(shè)計(jì)的跨越

結(jié)構(gòu)預(yù)測(cè)精度逼近實(shí)驗(yàn)水平

AlphaFold系列模型：AlphaFold2（2020年）預(yù)測(cè)的2億多個(gè)蛋白質(zhì)結(jié)構(gòu)覆蓋幾乎所有已知蛋白質(zhì)，為研究提供基礎(chǔ)資源庫(kù)；AlphaFold3（2024年）進(jìn)一步預(yù)測(cè)蛋白質(zhì)與其他分子（如DNA、RNA、小分子）的復(fù)合物結(jié)構(gòu)，模擬動(dòng)態(tài)相互作用。

國(guó)產(chǎn)模型崛起：

OpenComplex-2（北京智源，2025年）：支持單體結(jié)構(gòu)、復(fù)合物建模、分子間相互作用預(yù)測(cè)，計(jì)算效率高于AlphaFold，且能捕捉原子分辨率的平衡構(gòu)象。

HelixFold-S1（百度飛槳，2025年）：采用接觸感知采樣策略，優(yōu)先探索高結(jié)合潛力區(qū)域，顯著提升蛋白質(zhì)-蛋白質(zhì)對(duì)接預(yù)測(cè)的準(zhǔn)確率和效率。

D-I-TASSER（南開(kāi)大學(xué)，2025年）：融合深度學(xué)習(xí)與統(tǒng)計(jì)物理能量函數(shù)，實(shí)現(xiàn)原子級(jí)精度預(yù)測(cè)，尤其擅長(zhǎng)多結(jié)構(gòu)域蛋白質(zhì)的全域結(jié)構(gòu)捕捉。

功能設(shè)計(jì)從“模擬”到“創(chuàng)造”

條件生成模型：如DeepDirect，可根據(jù)特定需求（如耐熱、耐堿）定制蛋白質(zhì)序列與結(jié)構(gòu)。

擴(kuò)散模型應(yīng)用：RFdiffusion能從隨機(jī)噪聲中生成全新蛋白質(zhì)結(jié)構(gòu)，已成功設(shè)計(jì)酶催化、蛇毒中和等領(lǐng)域的蛋白質(zhì)。

無(wú)序蛋白質(zhì)（IDPs）設(shè)計(jì)突破：

RFdiffusion與Logos（大衛(wèi)·貝克團(tuán)隊(duì)，2025年）：無(wú)需已知結(jié)構(gòu)信息，直接預(yù)測(cè)IDRs中潛在的二級(jí)結(jié)構(gòu)傾向，生成高親和力結(jié)合劑，解鎖超50%人類蛋白質(zhì)組的治療潛力。

機(jī)器學(xué)習(xí)+物理模型融合：通過(guò)“自動(dòng)微分”算法在分子動(dòng)力學(xué)框架內(nèi)調(diào)控氨基酸序列，使柔性連接結(jié)構(gòu)開(kāi)發(fā)效率提升300%，環(huán)境響應(yīng)能力測(cè)試成功率達(dá)89%。

二、應(yīng)用拓展：從科研到產(chǎn)業(yè)的全面滲透

醫(yī)藥領(lǐng)域

藥物研發(fā)：AI設(shè)計(jì)蛋白質(zhì)結(jié)合劑針對(duì)“不可成藥”靶點(diǎn)（如IDRs），如針對(duì)2型糖尿病淀粉樣纖維、乳腺癌BRCA1變體、慢性疼痛阿片受體的結(jié)合劑，已進(jìn)入臨床前或臨床試驗(yàn)階段。

疫苗開(kāi)發(fā)：AI優(yōu)化TCR（T細(xì)胞受體）親和力，提升疫苗對(duì)變異病毒的響應(yīng)能力，如tFold-TCR模型在預(yù)測(cè)TCR相關(guān)蛋白質(zhì)相互作用時(shí)，成功率提高30.7%，計(jì)算速度提升25倍。

工業(yè)生物技術(shù)

酶工程：AI定向設(shè)計(jì)耐高溫、耐酸堿的工業(yè)酶，縮短研發(fā)周期至6-12個(gè)月（傳統(tǒng)需2-5年），降低工業(yè)用酶改良成本。例如，上海交大團(tuán)隊(duì)設(shè)計(jì)的耐堿性單域抗體，每年節(jié)省藥企上千萬(wàn)元成本。

生物材料：AI設(shè)計(jì)具備特定力學(xué)特性的新型蛋白質(zhì)，替代石油基或陶瓷材料，降低碳足跡。如麻省理工團(tuán)隊(duì)開(kāi)發(fā)的機(jī)器學(xué)習(xí)算法，已設(shè)計(jì)出可生物降解的包裝材料。

跨學(xué)科融合

考古與古生物學(xué)：AI解析古代蛋白樣品，揭示人類歷史。例如，劍橋大學(xué)利用AI在巴西陶片中發(fā)現(xiàn)魚(yú)類肌肉蛋白證據(jù)，研究古代飲食結(jié)構(gòu)。

環(huán)境科學(xué)：AI設(shè)計(jì)蛋白質(zhì)催化劑，處理工業(yè)廢水或降解塑料。例如，上海交大團(tuán)隊(duì)開(kāi)發(fā)的AI模型，可設(shè)計(jì)能分解聚酯類塑料的酶。

三、產(chǎn)學(xué)研融合：從實(shí)驗(yàn)室到產(chǎn)業(yè)化的閉環(huán)

AI設(shè)計(jì)環(huán)節(jié)

開(kāi)源生態(tài)：AlphaFold2、RoseTTAFold等模型開(kāi)源，推動(dòng)全球研究者開(kāi)發(fā)改進(jìn)工具。例如，Meta的ESMFold、華盛頓大學(xué)的RFdiffusion衍生模型，形成開(kāi)放創(chuàng)新社區(qū)。

企業(yè)參與：大型制藥公司（如輝瑞、諾華）與AI創(chuàng)業(yè)公司（如分子之心、百奧幾何）合作，利用AI平臺(tái)設(shè)計(jì)候選蛋白，突破傳統(tǒng)藥物研發(fā)“十年十億美元”的魔咒。

實(shí)驗(yàn)驗(yàn)證環(huán)節(jié)

自動(dòng)化實(shí)驗(yàn)室：上海交大團(tuán)隊(duì)研制的世界首臺(tái)集成自動(dòng)化裝置，可在24小時(shí)內(nèi)完成100余項(xiàng)蛋白表達(dá)、純化和功能測(cè)試任務(wù)，效率比人工提高近十倍。

高通量篩選：微流控技術(shù)批量合成和測(cè)試蛋白變體，快速篩選性能優(yōu)異的候選分子。例如，分子之心與藥企合作，僅用三天設(shè)計(jì)出數(shù)十個(gè)理想候選蛋白。

產(chǎn)業(yè)落地環(huán)節(jié)

商業(yè)化產(chǎn)品：全球首款由大模型設(shè)計(jì)并規(guī)?；a(chǎn)的蛋白質(zhì)產(chǎn)品（如上海交大團(tuán)隊(duì)設(shè)計(jì)的耐堿性單域抗體）已進(jìn)入市場(chǎng)。

政策支持：中國(guó)政府將生物計(jì)算、AI制藥納入重點(diǎn)發(fā)展規(guī)劃，提供資金和政策扶持。例如，北京化工大學(xué)吳邊教授團(tuán)隊(duì)獲批“基于人工智能的功能蛋白質(zhì)設(shè)計(jì)和優(yōu)化”項(xiàng)目，推動(dòng)跨學(xué)科攻關(guān)。

四、國(guó)際競(jìng)爭(zhēng)格局：中美雙核驅(qū)動(dòng)，全球合作深化

美國(guó)主導(dǎo)基礎(chǔ)算法創(chuàng)新

DeepMind（AlphaFold系列）、華盛頓大學(xué)貝克實(shí)驗(yàn)室（RoseTTAFold、RFdiffusion）等團(tuán)隊(duì)持續(xù)引領(lǐng)技術(shù)突破，2024年諾貝爾化學(xué)獎(jiǎng)授予相關(guān)研究者。

企業(yè)布局：Meta、微軟等科技巨頭投入AI蛋白質(zhì)設(shè)計(jì)，推動(dòng)技術(shù)商業(yè)化。

中國(guó)崛起與應(yīng)用落地

基礎(chǔ)算法：上海交大團(tuán)隊(duì)建立全球最大蛋白質(zhì)序列數(shù)據(jù)庫(kù)（含超90億條序列），訓(xùn)練出高精度預(yù)測(cè)和設(shè)計(jì)模型（如Venus系列）。

產(chǎn)業(yè)化：中國(guó)擁有全球最大生物制藥和工業(yè)酶應(yīng)用市場(chǎng)，高校、科研院所與企業(yè)緊密合作，推動(dòng)AI蛋白質(zhì)技術(shù)在醫(yī)藥、工業(yè)等領(lǐng)域應(yīng)用。例如，分子之心與藥企合作設(shè)計(jì)疫苗穩(wěn)定性專利，百奧幾何與阿里云共建智能化解決方案。

全球合作趨勢(shì)

跨國(guó)研究聯(lián)盟：德國(guó)歐研所（參與AlphaFold數(shù)據(jù)庫(kù)建設(shè)）、加拿大Vector研究所（參與蛋白質(zhì)語(yǔ)言模型研究）等機(jī)構(gòu)，在蛋白質(zhì)動(dòng)力學(xué)模擬與AI結(jié)合方面貢獻(xiàn)突出。

數(shù)據(jù)共享平臺(tái)：未來(lái)將出現(xiàn)更多跨國(guó)界的研究聯(lián)盟和數(shù)據(jù)共享平臺(tái)，共同應(yīng)對(duì)蛋白質(zhì)折疊機(jī)制解析、AI模型可靠性提升等全球性問(wèn)題。

AI 驅(qū)動(dòng)的蛋白質(zhì)結(jié)構(gòu)解析與設(shè)計(jì)研究可以應(yīng)用在哪些行業(yè)或產(chǎn)業(yè)領(lǐng)域

一、醫(yī)藥健康領(lǐng)域：從靶點(diǎn)發(fā)現(xiàn)到精準(zhǔn)治療

藥物研發(fā)

靶點(diǎn)發(fā)現(xiàn)與驗(yàn)證：AI可解析傳統(tǒng)方法難以攻克的“不可成藥”靶點(diǎn)（如無(wú)序蛋白區(qū)域、膜蛋白等），預(yù)測(cè)蛋白質(zhì)與小分子/生物大分子的相互作用，加速先導(dǎo)化合物篩選。例如，AI設(shè)計(jì)針對(duì)BRCA1乳腺癌突變體的蛋白質(zhì)結(jié)合劑，已進(jìn)入臨床試驗(yàn)階段。

抗體工程：通過(guò)AI優(yōu)化抗體親和力、穩(wěn)定性及免疫原性，開(kāi)發(fā)新一代治療性抗體。如上海交大團(tuán)隊(duì)設(shè)計(jì)的耐堿性單域抗體，顯著降低藥企生產(chǎn)成本。

疫苗開(kāi)發(fā)：AI模擬病毒蛋白與宿主受體的結(jié)合模式，設(shè)計(jì)廣譜疫苗。例如，針對(duì)流感病毒或冠狀病毒的變異株，AI可快速預(yù)測(cè)其蛋白結(jié)構(gòu)變化，指導(dǎo)疫苗抗原設(shè)計(jì)。

精準(zhǔn)醫(yī)療

疾病機(jī)制研究：解析疾病相關(guān)蛋白（如阿爾茨海默病的β-淀粉樣蛋白、帕金森病的α-突觸核蛋白）的折疊與聚集機(jī)制，為療法開(kāi)發(fā)提供理論依據(jù)。

個(gè)性化治療：基于患者基因組數(shù)據(jù)，AI設(shè)計(jì)定制化蛋白質(zhì)藥物（如CAR-T細(xì)胞療法中的TCR改造），提升治療效果并減少副作用。

再生醫(yī)學(xué)

組織工程：AI設(shè)計(jì)具有特定力學(xué)或生物活性的蛋白質(zhì)支架，促進(jìn)細(xì)胞黏附與組織再生。例如，設(shè)計(jì)模擬膠原蛋白結(jié)構(gòu)的生物材料，用于皮膚修復(fù)或骨再生。

二、工業(yè)生物技術(shù)：綠色制造與高效催化

酶工程

工業(yè)酶定制：AI定向設(shè)計(jì)耐高溫、耐酸堿或高選擇性的酶，替代傳統(tǒng)化學(xué)催化劑，降低工業(yè)過(guò)程能耗與污染。例如，設(shè)計(jì)用于生物燃料生產(chǎn)的纖維素酶，或用于洗滌劑的蛋白酶。

合成生物學(xué)：AI優(yōu)化代謝通路中的關(guān)鍵酶，提升微生物合成化學(xué)品（如氨基酸、維生素、生物塑料）的效率。例如，通過(guò)改造酶結(jié)構(gòu)，使大腸桿菌合成蜘蛛絲蛋白的產(chǎn)量提高10倍。

生物材料

可持續(xù)材料開(kāi)發(fā)：AI設(shè)計(jì)蛋白質(zhì)基材料（如自組裝纖維、水凝膠），替代石油基或陶瓷材料，應(yīng)用于包裝、紡織、醫(yī)療等領(lǐng)域。例如，麻省理工團(tuán)隊(duì)開(kāi)發(fā)的機(jī)器學(xué)習(xí)算法，已設(shè)計(jì)出可生物降解的包裝材料，其強(qiáng)度與塑料相當(dāng)?shù)甲阚E更低。

三、農(nóng)業(yè)與食品領(lǐng)域：從種子改良到食品安全

作物育種

抗逆性提升：AI解析植物應(yīng)激相關(guān)蛋白（如抗旱、抗鹽蛋白）的結(jié)構(gòu)，設(shè)計(jì)基因編輯靶點(diǎn)，培育耐逆作物。例如，通過(guò)改造光合作用相關(guān)蛋白，提高作物光能利用率。

營(yíng)養(yǎng)強(qiáng)化：設(shè)計(jì)富含特定氨基酸或維生素的蛋白質(zhì)，提升作物營(yíng)養(yǎng)價(jià)值。例如，開(kāi)發(fā)高賴氨酸玉米或高維生素A水稻。

食品科技

替代蛋白：AI設(shè)計(jì)植物基或微生物發(fā)酵生產(chǎn)的肉類替代品，模擬動(dòng)物蛋白的口感與營(yíng)養(yǎng)。例如，通過(guò)優(yōu)化大豆蛋白結(jié)構(gòu)，改善其質(zhì)地與風(fēng)味。

食品安全：AI預(yù)測(cè)食品中過(guò)敏原蛋白的結(jié)構(gòu)與穩(wěn)定性，開(kāi)發(fā)低致敏性食品。例如，設(shè)計(jì)突變型花生蛋白，降低過(guò)敏反應(yīng)風(fēng)險(xiǎn)。

四、環(huán)境保護(hù)與能源領(lǐng)域：污染治理與清潔能源

環(huán)境修復(fù)

污染物降解：AI設(shè)計(jì)能夠分解塑料、農(nóng)藥或重金屬的酶，用于土壤或水體修復(fù)。例如，上海交大團(tuán)隊(duì)開(kāi)發(fā)的AI模型，已設(shè)計(jì)出可高效降解聚酯類塑料的酶。

二氧化碳捕獲：設(shè)計(jì)碳固定酶（如RuBisCO變體），提升光合作用效率，或開(kāi)發(fā)蛋白質(zhì)基吸附材料，直接捕獲工業(yè)排放的CO?。

清潔能源

生物燃料生產(chǎn)：優(yōu)化纖維素酶或氫化酶的結(jié)構(gòu)，提高生物質(zhì)轉(zhuǎn)化為乙醇或氫氣的效率。

微生物燃料電池：設(shè)計(jì)電子傳遞蛋白，提升微生物產(chǎn)電能力，用于廢水處理與能源回收。

五、跨學(xué)科前沿領(lǐng)域：從考古學(xué)到材料科學(xué)

考古與古生物學(xué)

古蛋白分析：AI解析古代生物遺骸中的蛋白質(zhì)殘留，重建古生態(tài)系統(tǒng)或人類飲食結(jié)構(gòu)。例如，劍橋大學(xué)利用AI在巴西陶片中發(fā)現(xiàn)魚(yú)類肌肉蛋白證據(jù)，揭示古代漁業(yè)活動(dòng)。

納米技術(shù)與電子工程

蛋白質(zhì)電子器件：設(shè)計(jì)具有導(dǎo)電或磁性的蛋白質(zhì)，用于納米級(jí)電子元件或生物傳感器。例如，開(kāi)發(fā)基于蛋白質(zhì)的柔性電極，應(yīng)用于可穿戴設(shè)備或植入式醫(yī)療器件。

六、產(chǎn)業(yè)融合趨勢(shì)與未來(lái)方向

AI+自動(dòng)化實(shí)驗(yàn)室：結(jié)合機(jī)器人技術(shù)與高通量篩選，實(shí)現(xiàn)蛋白質(zhì)設(shè)計(jì)-合成-測(cè)試的全流程自動(dòng)化，大幅縮短研發(fā)周期。例如，上海交大團(tuán)隊(duì)研制的集成自動(dòng)化裝置，可在24小時(shí)內(nèi)完成100余項(xiàng)蛋白功能測(cè)試。

數(shù)據(jù)共享與開(kāi)源生態(tài)：全球科研機(jī)構(gòu)與企業(yè)共建蛋白質(zhì)序列與結(jié)構(gòu)數(shù)據(jù)庫(kù)（如AlphaFold數(shù)據(jù)庫(kù)、上海交大90億條序列數(shù)據(jù)庫(kù)），推動(dòng)技術(shù)普惠與協(xié)同創(chuàng)新。

倫理與監(jiān)管框架：隨著AI設(shè)計(jì)蛋白質(zhì)進(jìn)入臨床或工業(yè)應(yīng)用，需建立針對(duì)合成生物學(xué)的安全評(píng)估標(biāo)準(zhǔn)，防范生物安全風(fēng)險(xiǎn)。

AI 驅(qū)動(dòng)的蛋白質(zhì)結(jié)構(gòu)解析與設(shè)計(jì)領(lǐng)域有哪些知名研究機(jī)構(gòu)或企業(yè)品牌

研究機(jī)構(gòu)

華盛頓大學(xué)貝克實(shí)驗(yàn)室：

地位：全球AI蛋白質(zhì)設(shè)計(jì)的先驅(qū)。

貢獻(xiàn)：開(kāi)發(fā)了RFdiffusion等模型，能夠生成自然界中CRISPR-Cas家族數(shù)倍數(shù)量的蛋白質(zhì)集群，為類Cas9效應(yīng)蛋白定制單向?qū)NA（sgRNA）序列。

最新成果：其研發(fā)的Logos模型與機(jī)器學(xué)習(xí)結(jié)合，無(wú)需已知結(jié)構(gòu)信息即可預(yù)測(cè)無(wú)序蛋白質(zhì)（IDPs）中潛在的二級(jí)結(jié)構(gòu)傾向，成功設(shè)計(jì)出高親和力結(jié)合劑。

麻省理工學(xué)院（MIT CSAIL）：

地位：在蛋白質(zhì)設(shè)計(jì)領(lǐng)域具有深厚的研究基礎(chǔ)。

貢獻(xiàn)：開(kāi)發(fā)了BoltzGen等頂尖模型，與華盛頓大學(xué)貝克實(shí)驗(yàn)室的RFdiffusion在創(chuàng)新設(shè)計(jì)思路上異曲同工。

加拿大魁北克省人工智能研究所（Mila）：

地位：由圖靈獎(jiǎng)獲得者Yoshua Bengio創(chuàng)立，圖表示學(xué)習(xí)領(lǐng)域的知名機(jī)構(gòu)。

貢獻(xiàn)：Mila副教授唐建團(tuán)隊(duì)在深度生成模型、圖機(jī)器學(xué)習(xí)及其藥物發(fā)現(xiàn)應(yīng)用方面成果顯著，開(kāi)發(fā)了業(yè)內(nèi)首個(gè)專門(mén)針對(duì)藥物與蛋白質(zhì)的開(kāi)源機(jī)器學(xué)習(xí)平臺(tái)TorchDrug和TorchProtein。

美國(guó)東北大學(xué)：

地位：在AI藥物發(fā)現(xiàn)領(lǐng)域的算法創(chuàng)新方面有所建樹(shù)。

貢獻(xiàn)：金汶功團(tuán)隊(duì)在等變神經(jīng)網(wǎng)絡(luò)、擴(kuò)散模型等多個(gè)方向有所創(chuàng)新，開(kāi)發(fā)出RefineGNN、Mol2Image等模型與算法，成功發(fā)現(xiàn)了新型抗生素。

企業(yè)品牌

DeepMind（現(xiàn)拆分為Isomorphic Labs）：

地位：AI蛋白質(zhì)結(jié)構(gòu)預(yù)測(cè)領(lǐng)域的領(lǐng)導(dǎo)者。

貢獻(xiàn)：開(kāi)發(fā)了AlphaFold系列模型，尤其是AlphaFold3，能夠預(yù)測(cè)蛋白質(zhì)與其他分子（如DNA、RNA、小分子）的復(fù)合物結(jié)構(gòu)，模擬動(dòng)態(tài)相互作用。

Xaira Therapeutics：

地位：綜合性生物技術(shù)公司，致力于利用人工智能推動(dòng)生命科學(xué)的進(jìn)步。

貢獻(xiàn)：由人工智能驅(qū)動(dòng)的蛋白質(zhì)折疊和設(shè)計(jì)先驅(qū)David Baker教授共同創(chuàng)立，擁有先進(jìn)的機(jī)器學(xué)習(xí)研究、大規(guī)模數(shù)據(jù)生成以及強(qiáng)大的療法開(kāi)發(fā)能力。

Nabla Bio：

地位：專注于開(kāi)發(fā)難以成藥靶點(diǎn)的AI蛋白質(zhì)設(shè)計(jì)公司。

貢獻(xiàn)：開(kāi)發(fā)了集成的人工智能和濕實(shí)驗(yàn)室平臺(tái)，采用創(chuàng)新方法直接生成具有所需表位、構(gòu)象和靶標(biāo)特異性的候選藥物，成功解鎖數(shù)百個(gè)以前難以成藥的靶點(diǎn)。

Absci：

地位：人工智能驅(qū)動(dòng)的藥物發(fā)現(xiàn)和開(kāi)發(fā)公司，專注于抗體領(lǐng)域。

貢獻(xiàn)：其綜合藥物創(chuàng)造平臺(tái)結(jié)合了生成式AI和一套可擴(kuò)展的實(shí)驗(yàn)室技術(shù)，通過(guò)測(cè)量數(shù)百萬(wàn)個(gè)蛋白質(zhì)-蛋白質(zhì)相互作用來(lái)生成專有數(shù)據(jù)，用于訓(xùn)練AI模型并加速藥物發(fā)現(xiàn)。

Profluent：

地位：專注于利用深度生成式模型開(kāi)發(fā)新型功能性蛋白質(zhì)的AI蛋白質(zhì)設(shè)計(jì)公司。

貢獻(xiàn)：發(fā)布了開(kāi)源、可編程的AI設(shè)計(jì)基因編輯工具OpenCRISPR，以及基于蛋白質(zhì)結(jié)構(gòu)的語(yǔ)言模型proseLM，進(jìn)一步擴(kuò)展了其在蛋白質(zhì)設(shè)計(jì)領(lǐng)域的技術(shù)能力。

BigHat Biosciences：

地位：專注于開(kāi)發(fā)下一代抗體的生物技術(shù)公司。

貢獻(xiàn)：其Milliner AI抗體設(shè)計(jì)平臺(tái)將實(shí)驗(yàn)室研究與機(jī)器學(xué)習(xí)結(jié)合起來(lái)，使每種抗體從計(jì)算機(jī)設(shè)計(jì)到表達(dá)、純化和表征僅需數(shù)天時(shí)間，顯著提高了抗體設(shè)計(jì)的效率和成功率。

國(guó)內(nèi)企業(yè)：

天鶩科技：國(guó)內(nèi)最早布局AI蛋白質(zhì)設(shè)計(jì)的企業(yè)之一，其自主研發(fā)的蛋白質(zhì)設(shè)計(jì)通用人工智能AccelProtein?能夠直接預(yù)測(cè)蛋白質(zhì)功能，實(shí)現(xiàn)了從“序列到功能”的端到端預(yù)測(cè)。

力文所：通過(guò)AI算法驅(qū)動(dòng)進(jìn)行蛋白質(zhì)設(shè)計(jì)的科技型企業(yè)，其原創(chuàng)的全原子模型蛋白質(zhì)設(shè)計(jì)平臺(tái)Pallatom，是目前全球少數(shù)能實(shí)現(xiàn)高性能、全原子級(jí)別精準(zhǔn)設(shè)計(jì)的AI模型之一。

AI 驅(qū)動(dòng)的蛋白質(zhì)結(jié)構(gòu)解析與設(shè)計(jì)領(lǐng)域有哪些招聘崗位或就業(yè)機(jī)會(huì)

一、科研機(jī)構(gòu)與高校

助理研究員/博士后

機(jī)構(gòu)示例：上海交通大學(xué)醫(yī)學(xué)院、浙江大學(xué)杭州國(guó)際科創(chuàng)中心、北京大學(xué)等。

職責(zé)：

主導(dǎo)AI蛋白質(zhì)設(shè)計(jì)、結(jié)構(gòu)預(yù)測(cè)及功能優(yōu)化研究。

開(kāi)發(fā)機(jī)器學(xué)習(xí)/深度學(xué)習(xí)算法，應(yīng)用于蛋白質(zhì)序列設(shè)計(jì)、分子對(duì)接及高通量篩選。

參與課題組科研工作，撰寫(xiě)基金申請(qǐng)及學(xué)術(shù)論文。

要求：

博士學(xué)歷，計(jì)算生物學(xué)、生物信息學(xué)、結(jié)構(gòu)生物學(xué)或相關(guān)專業(yè)背景。

熟練掌握Python、PyTorch/TensorFlow，熟悉分子建模軟件（如Rosetta、Gromacs）。

具備獨(dú)立科研能力及團(tuán)隊(duì)協(xié)作精神，有高質(zhì)量論文發(fā)表者優(yōu)先。

待遇：

事業(yè)編制崗位提供有競(jìng)爭(zhēng)力的薪酬（如浙江大學(xué)博士后年薪40萬(wàn)起，含地方人才補(bǔ)助）。

支持申報(bào)國(guó)家級(jí)基金及人才計(jì)劃，享受科研獎(jiǎng)勵(lì)與績(jī)效。

客座學(xué)生/實(shí)習(xí)研究員

機(jī)構(gòu)示例：上海交通大學(xué)醫(yī)學(xué)院、中科院相關(guān)研究所。

職責(zé)：

參與蛋白質(zhì)設(shè)計(jì)項(xiàng)目，承擔(dān)數(shù)據(jù)收集、算法測(cè)試等任務(wù)。

協(xié)助撰寫(xiě)科研論文及技術(shù)報(bào)告。

要求：

碩士/博士在讀，熟悉Linux環(huán)境及Python編程。

對(duì)AI與蛋白質(zhì)交叉領(lǐng)域有濃厚興趣。

二、生物醫(yī)藥企業(yè)

AI算法工程師（蛋白質(zhì)方向）

企業(yè)示例：恒瑞醫(yī)藥、百濟(jì)神州、華大基因、德睿智藥等。

職責(zé)：

開(kāi)發(fā)機(jī)器學(xué)習(xí)模型，優(yōu)化蛋白質(zhì)結(jié)構(gòu)預(yù)測(cè)與功能設(shè)計(jì)。

構(gòu)建高通量設(shè)計(jì)-驗(yàn)證閉環(huán)，加速抗體藥物、多肽藥物研發(fā)。

整合計(jì)算工具鏈，提升設(shè)計(jì)流程效率。

要求：

碩士學(xué)歷，計(jì)算生物學(xué)、生物信息學(xué)或AI相關(guān)背景。

具備蛋白理化性質(zhì)優(yōu)化經(jīng)驗(yàn)，熟悉抗體人源化、親和力成熟等流程。

熟練使用Python及深度學(xué)習(xí)框架（如PyTorch）。

待遇：

薪資范圍15-50K/月，部分崗位提供股權(quán)激勵(lì)及年終獎(jiǎng)金。

蛋白質(zhì)研發(fā)工程師

企業(yè)示例：天鶩科技、分子之心、百奧幾何等。

職責(zé)：

設(shè)計(jì)新型蛋白質(zhì)（如酶、抗體、生物材料）并驗(yàn)證其功能。

優(yōu)化蛋白質(zhì)穩(wěn)定性、溶解度及低聚集傾向性。

結(jié)合濕實(shí)驗(yàn)數(shù)據(jù)反饋優(yōu)化AI模型。

要求：

本科及以上學(xué)歷，生物技術(shù)、生物工程或AI交叉背景。

熟悉蛋白質(zhì)表達(dá)、純化及結(jié)構(gòu)分析技術(shù)。

有AI蛋白質(zhì)設(shè)計(jì)項(xiàng)目經(jīng)驗(yàn)者優(yōu)先。

待遇：

薪資范圍9-30K/月，部分崗位提供項(xiàng)目獎(jiǎng)金及股權(quán)激勵(lì)。

三、生物技術(shù)公司（合成生物學(xué)與工業(yè)酶方向）

酶工程高級(jí)研究員

企業(yè)示例：藍(lán)晶微生物、華大合成生物等。

職責(zé)：

設(shè)計(jì)工業(yè)酶（如纖維素酶、蛋白酶）并優(yōu)化其催化效率。

開(kāi)發(fā)定向進(jìn)化文庫(kù)，篩選高性能突變體。

結(jié)合AI模型預(yù)測(cè)酶結(jié)構(gòu)-功能關(guān)系。

要求：

博士學(xué)歷，酶工程、生物催化或計(jì)算生物學(xué)背景。

熟悉高通量篩選及分子動(dòng)力學(xué)模擬。

待遇：

薪資范圍20-40K/月，提供科研經(jīng)費(fèi)及產(chǎn)業(yè)化獎(jiǎng)勵(lì)。

合成生物學(xué)算法工程師

企業(yè)示例：百奧幾何、分子之心等。

職責(zé)：

開(kāi)發(fā)代謝通路優(yōu)化算法，設(shè)計(jì)合成生物系統(tǒng)。

構(gòu)建合成生物學(xué)信息數(shù)據(jù)庫(kù)，支持?jǐn)?shù)據(jù)驅(qū)動(dòng)決策。

要求：

碩士學(xué)歷，計(jì)算生物學(xué)或合成生物學(xué)背景。

熟悉代謝工程及基因組編輯技術(shù)（如CRISPR）。

四、科技企業(yè)（AI與自動(dòng)化方向）

AI蛋白設(shè)計(jì)研究員

企業(yè)示例：合肥微觀紀(jì)元、華為等。

職責(zé)：

探索大模型（如Transformer、擴(kuò)散模型）在蛋白質(zhì)設(shè)計(jì)中的應(yīng)用。

開(kāi)發(fā)自動(dòng)化工作流，集成AI預(yù)測(cè)與濕實(shí)驗(yàn)驗(yàn)證。

要求：

碩士學(xué)歷，AI、數(shù)學(xué)或物理背景。

熟悉高性能計(jì)算與多任務(wù)調(diào)度。

結(jié)構(gòu)光/三維成像算法工程師

企業(yè)示例：蘇州杰銳思智能科技、易思維（杭州）科技等。

職責(zé)：

開(kāi)發(fā)蛋白質(zhì)結(jié)構(gòu)成像算法，支持動(dòng)態(tài)結(jié)構(gòu)解析。

要求：

碩士學(xué)歷，計(jì)算機(jī)視覺(jué)或圖像處理背景。

熟悉結(jié)構(gòu)光或深度學(xué)習(xí)三維重建技術(shù)。

五、跨領(lǐng)域就業(yè)方向

農(nóng)業(yè)與食品科技

企業(yè)示例：隆平高科、蒙牛乳業(yè)。

崗位：農(nóng)業(yè)生物技術(shù)研究員、食品安全工程師。

職責(zé)：設(shè)計(jì)抗病蟲(chóng)害作物蛋白、優(yōu)化食品加工酶。

新材料與環(huán)保

企業(yè)示例：中科院納米技術(shù)研究所、北控水務(wù)。

崗位：納米材料研發(fā)工程師、生物修復(fù)技術(shù)員。

職責(zé)：設(shè)計(jì)智能材料、開(kāi)發(fā)污染治理用酶。