导语


当今时代,科学领域正在迅速发展,尤其是在生物科学和人工智能交汇的领域。随着计算机科学的不断进步,深度学习技术已经开始改变我们对生物分子的理解和设计。在这个领域中,几何深度学习正崭露头角,为蛋白质的理解与生成提供了令人激动的新机会。蛋白质作为生命体内的基本构建块,扮演着关键的生物学角色,因此对其进行深入研究和精确控制对医学、药物研发和生命科学的发展至关重要。本次我们将探讨几何深度学习如何应用于蛋白质领域,以及它如何帮助我们更好地理解和生成这些生物分子的重要方法和挑战。通过结合计算机科学和生物科学的力量,我们有望开辟一条全新的科学探索之路,推动生命科学的进步。


本次分享,我们邀请了来自加拿大魁北克省人工智能研究中心(Mila)的唐建博士。Mila由图灵奖获得者Yoshua Bengio创立,是世界上学术界最大的人工智能研究中心。唐建博士也是初创公司百奥几何(BioGeometry)公司的创始人,致力于利用人工智能赋能下一代抗体药物研发。本次,唐建博士将为我们带来有关几何深度学习对蛋白质设计的最新的探讨。


集智俱乐部联合西湖大学助理教授吴泰霖、斯坦福大学计算机科学系博士后研究员王瀚宸、博士研究生黄柯鑫、黄倩,华盛顿大学博士研究生屠鑫明,共同发起以“大模型与生物医学”为主题的读书会,共学共研相关文献,探讨基础模型在生物医学等科学领域的应用、影响和展望。读书会从2023年8月20日开始,每周日早上 9:00-11:00 线上举行,持续时间预计8周。欢迎对探索这个激动人心的前沿领域有兴趣的朋友报名参与。





Geometric Deep Learning for Protein Understanding and Generation




蛋白质是生命的基石,它们扮演着多种重要的生物学功能,包括酶催化、免疫反应、细胞信号传导等。因此,理解蛋白质的结构以及如何生成这些复杂的分子在生命科学和药物研发领域中具有至关重要的意义。然而,长期以来,蛋白质结构预测一直是一个具有挑战性的问题。但随着深度学习技术的不断发展,尤其是几何深度学习的涌现,这一问题正以前所未有的速度和精度得到解决。几何深度学习是深度学习领域的一个分支,专注于处理和分析包含几何信息的数据,如图像、三维点云和分子结构。在蛋白质领域,几何深度学习被广泛应用于蛋白质结构生成和预测。这项技术的核心优势之一是它能够捕获原子之间的空间关系,使我们能够更好地理解和预测蛋白质的三维结构。

目前,在蛋白质设计里面一种常见的应用是通过深度学习模型来预测蛋白质的三维结构。传统的蛋白质结构预测方法通常需要大量的计算资源和时间,而几何深度学习可以更高效地处理这一任务。几何深度学习可以学习蛋白质分子的规律和模式,从而预测未知蛋白质的结构。此外,几何深度学习还为蛋白质工程提供了新的可能性。科学家们可以使用深度学习模型来生成具有特定功能或性质的蛋白质结构。这对于设计新药物、改善酶催化反应和研究基因编辑等领域具有巨大潜力。通过精确控制蛋白质的结构,我们可以在分子层面上进行精准干预,为解决一系列生命科学难题提供新的解决方案。 

然而,尽管几何深度学习在蛋白质领域的应用前景广阔,但仍然存在挑战。其中之一是数据的可用性和质量,因为深度学习模型需要大量的高质量训练数据来取得最佳效果。此外,模型的可解释性和泛化性能也是需要不断改进的方面。

本次交流,我们将围绕几何深度学习在蛋白质生成和设计中的前沿应用,展开对目前工作创新性和局限性的探讨。




分享大纲




  • 几何深度学习与生命科学的融合前景
  • 生物大数据飞速增长的现状
  • AI与生物技术目前的双轮驱动
  • ChatGPT带来的启示

  • 当前进展:从小分子到蛋白质生成
  • 小分子三维结构预测
  • 蛋白质-配体复合物预测
  • 蛋白质设计新算法
  • 抗体优化与设计平台

  • 重要的待解决的问题和挑战




主讲人介绍




唐建博士现为加拿大魁北克省人工智能研究中心(Mila)副教授,加拿大高等研究院(CIFAR) 讲席教授。Mila由图灵奖获得者Yoshua Bengio创立,是世界上学术界最大的人工智能研究中心。唐建博士也是初创公司百奥几何(BioGeometry)公司的创始人,致力于利用人工智能赋能下一代抗体药物研发。他的主要研究方向包括:图表示学习、几何深度学习、生成式模型、知识图谱推理以及这些技术在药物研发中的应用。唐建博士是图表示学习领域的国际知名学者,在该领域发表了一系列代表性作品,如LINE和RotatE。他的代表性工作LINE被广泛认可,单篇论文引用超过5000次。近年来他的团队致力于利用人工智能赋能药物研发,发表了一系列开创性的成果,并且联合英伟达、Intel、IBM等科技公司开源了专门针对大小分子研发的机器学习平台TorchDrug和TorchProtein,引起了广泛的关注。
https://jian-tang.com/talks/




参与方式




活动时间

2023年9月20日(本周三)晚上20:00-22:00

线上会议室

扫码参与大模型与生物医学读书会,加入群聊,获取系列读书会回看权限,成为大模型与生物科学读书会的种子用户,与社区的一线科研工作者与企业实践者沟通交流,共同推动AI+Science社区的发展。



大模型与生物医学:

AI + Science第二季读书会启动


生物医学是一个复杂且富有挑战性的领域,涉及到大量的数据处理、模式识别、理论模型建构和实验验证等问题。AI基础模型的引入,使得我们能够从前所未有的角度去观察和理解这个领域的问题,加速科学研究的步伐,提高医疗服务的效率和效果。这种交叉领域的合作,标志着我们正在向科技与生物医学深度融合的新时代迈进,对于推动科学研究、优化医疗服务、促进人类健康有着深远的影响。

集智俱乐部联合西湖大学助理教授吴泰霖、斯坦福大学计算机科学系博士后研究员王瀚宸、博士研究生黄柯鑫、黄倩,华盛顿大学博士研究生屠鑫明,共同发起以“大模型与生物医学”为主题的读书会,共学共研相关文献,探讨基础模型在生物医学等科学领域的应用、影响和展望。读书会从2023年8月20日开始,每周日早上 9:00-11:00 线上举行,持续时间预计8周。欢迎对探索这个激动人心的前沿领域有兴趣的朋友报名参与。


详情请见:

大模型与生物医学:AI + Science第二季读书会启动



AI+Science 读书会


AI+Science 是近年兴起的将人工智能和科学相结合的一种趋势。一方面是 AI for Science,机器学习和其他 AI 技术可以用来解决科学研究中的问题,从预测天气和蛋白质结构,到模拟星系碰撞、设计优化核聚变反应堆,甚至像科学家一样进行科学发现,被称为科学发现的“第五范式”。另一方面是 Science for AI,科学尤其是物理学中的规律和思想启发机器学习理论,为人工智能的发展提供全新的视角和方法。

集智俱乐部联合斯坦福大学计算机科学系博士后研究员吴泰霖(Jure Leskovec 教授指导)、哈佛量子计划研究员扈鸿业、麻省理工学院物理系博士生刘子鸣(Max Tegmark 教授指导),共同发起以“AI+Science”为主题的读书会,探讨该领域的重要问题,共学共研相关文献。欢迎对探索这个激动人心的前沿领域有兴趣的朋友报名参与。


详情请见:
人工智能和科学发现相互赋能的新范式:AI+Science 读书会启动



点击“阅读原文”,报名读书会