国自然最新研究热点：这一科研技术连登Nature顶刊，“它”真的太超前了！

由于学习平台文献、视频教程资料较少，技术不公开，对于有相应科研任务和发高质量文章的科研人员极度困扰，应而培训学习迫在眉睫， 应广大科研人员要求，本单位经过数月调研，决定联合专家共同举办“深度学习基因组学+CADD计算机辅助药物设计 +AIDD人工智能药物发现与设计 ”专题培训班，本单位已经举办十三期培训，参会人员高达 1600余人，对于培训安排和培训质量一致评价极高 ！将内容全部学懂、学会、学透彻、学以致用，完成科研任务和高质量文章！

培训专家

主讲老师来自国内高校、中科院等单位，老师主要擅长深度学习、机器学习、药物虚拟筛选、计算机辅助药物设计、人工智能药物发现、分子对接、分子动力学等方面的研究，在我们单位长期进行授课，讲课内容和授课方式以及敬业精神受到参会学员 的一致认可和高度评价

主讲老师刘老师，生物信息学博士，有十余年的测序数据分析经验。研究领域涉及人工智能、自然语言处理、功能基因组学、转录组学、miRNA及靶基因网络分析，单细胞测序数据分析，基因调控网络时序分析，蛋白质互作网络分析，多组学联合分析等。主持省自然科学基金等项目4项，出版医学实用教材《Python医学实战分析》，发表SCI论文22篇，其中一作及并列一作9篇。

1

课程一：CADD计算机辅助药物设计线上专题培训班

第一天

背景与理论知识以及工具准备

1.PDB数据库的介绍和使用

1.1数据库简介

1.2靶点蛋白的结构查询与选取

1.3靶点蛋白的结构序列下载

1.4靶点蛋白的下载与预处理

1.5批量下载蛋白晶体结构

pymol的介绍与使用

2.1软件基本操作及基本知识介绍

2.2蛋白质-配体相互作用图解

2.3蛋白-配体小分子表面图、静电势表示

2.4蛋白-配体结构叠加与比对

2.5绘制相互作用力

3.notepad的介绍和使用

3.1 优势及主要功能介绍

3.2 界面和基本操作介绍

3.3插件安装使用

一般的蛋白-配体分子对接讲解

1.对接的相关理论介绍

1.1分子对接的概念及基本原理

1.2分子对接的基本方法

1.3分子对接的常用软件

1.4分子对接的一般流程

2.常规的蛋白-配体对接

2.1收集受体与配体分子

2.2复合体预构象的处理

2.3准备受体、配体分子

2.4蛋白-配体对接

2.5对接结果的分析

以新冠病毒蛋白主蛋白酶靶点及相关抑制剂为例

第二天

虚拟筛选

1.小分子数据库的介绍与下载

2.相关程序的介绍

2.1 openbabel的介绍和使用

2.2 chemdraw的介绍与使用

3.虚拟筛选的前处理

4.虚拟筛选的流程及实战演示

案例：筛选新冠病毒主蛋白酶抑制剂

5.结果分析与作图

6.药物ADME预测

6.1ADME概念介绍

6.2预测相关网站及软件介绍

6.3预测结果的分析

第三天：

拓展对接的使用方法

1.蛋白-蛋白对接

1.1蛋白-蛋白对接的应用场景

1.2相关程序的介绍

1.3目标蛋白的收集以及预处理

1.4使用算例进行运算

1.5关键残基的预设

1.6结果的获取与文件类型

1.7结果的分析

以目前火热的靶点PD-1/PD-L1等为例。

2.涉及金属酶蛋白的对接

2.1 金属酶蛋白-配体的背景介绍

2.2蛋白与配体分子的收集与预处理

2.3金属离子的处理

2.4金属辅酶蛋白-配体的对接

2.5结果分析

以人类法尼基转移酶及其抑制剂为例

3.蛋白-多糖分子对接

4.1蛋白-多糖相互作用

4.2对接处理的要点

4.3蛋白-多糖分子对接的流程

4.4蛋白-多糖分子对接

4.5相关结果分析

以α-糖苷转移酶和多糖分子对接为例

4.核酸-小分子对接

4.1核酸-小分子的应用现状

4.2相关的程序介绍

4.3核酸-小分子的结合种类

4.4核酸-小分子对接

4.5相关结果的分析

以人端粒g -四链和配体分子对接为例。

操作流程介绍及实战演示

第四天

拓展对接的使用方法

1.柔性对接

1.1柔性对接的使用场景介绍

1.2柔性对接的优势

1.3蛋白-配体的柔性对接

重点：柔性残基的设置方法

1.4相关结果的分析

以周期蛋白依赖性激酶2（CDK2）与配体1CK为例

2.共价对接

2.1两种共价对接方法的介绍

2.1.1柔性侧链法

2.1.2两点吸引子法

2.2蛋白和配体的收集以及预处理

2.3共价药物分子与靶蛋白的共价对接

2.4结果的对比

以目前火热的新冠共价药物为例。

3.蛋白-水合对接

3.1水合作用在蛋白-配体相互作用中的意义及方法介绍

3.2蛋白和配体的收集以及预处理

3.3对接相关参数的准备

重点：水分子的加入和处理

3.4蛋白-水分子-配体对接

3.5结果分析

以乙酰胆碱结合蛋白(AChBP)与尼古丁复合物为例

第五天

分子动力学模拟Linux与gromacs

1. linux系统的介绍和简单使用

1.1 linux常用命令行

1.2 linux上的常用程序安装

1.3 体验：如何在linux上进行虚拟筛选

2.分子动力学的理论介绍

2.1分子动力学模拟的原理

2.2分子动力学模拟的方法及相关程序

2.3相关力场的介绍

3.gromacs使用及介绍

重点：主要命令及参数的介绍

4. origin介绍及使用

第六天

溶剂化分子动力学模拟的执行

1.一般的溶剂化蛋白的处理流程

2.蛋白晶体的准备

3.结构的能量最小化

4.对体系的预平衡

5.无限制的分子动力学模拟

6.分子动力学结果展示与解读

以水中的溶菌酶为例

第七天

蛋白-配体分子动力学模拟的执行

1.蛋白-配体在分子动力学模拟的处理流程

2.蛋白晶体的准备

3.蛋白-配体模拟初始构象的准备

4.配体分子力场拓扑文件的准备

4.1 gaussian的简要介绍

4.2 ambertool的简要介绍

4.3生成小分子的力场参数文件

5.对复合物体系温度和压力分别限制的预平衡

6.无限制的分子动力学模拟

7.分子动力学结果展示与解读

8.轨迹后处理及分析

以新冠病毒蛋白主蛋白酶靶点及相关抑制剂为例

02

课程二： AIDD人工智能药物发现与设计专题线上培训班

第一天

人工智能药物发现(AIDD)简介

机器学习和深度学习在药物发现领域的应用

工具的介绍与安

1.人工智能药物发现(AIDD)简介

2.机器学习和深度学习在药物发现领域的应用

2.1药物靶标相互作用

2.2药物重定位

2.3药物不良反应

2.4药物间相互作用

工具的介绍与安装

3.1Anaconda3/Pycharm安装

3.2Python基础

3.3Numpy基础

3.4Pandas基础

3.5Matplotlib基础

3.6scikit-learn安装

3.7Pytorch安装

3.8RDKit基础

第二天

机器学习

机器学习药物发现案例

1.机器学习

1.1分类算法与应用

1.2回归算法与应用

1.3聚类算法

1.4降维

1.5模型的评估方法和评价指标

1.6特征工程

2.机器学习药物发现案例（一）

——药物副作用预测模型

3.机器学习药物发现案例（二）

——化合物生物活性分类模型

4.机器学习药物发现案例（三）

——化合物生物活性回归模型

图1、副作用在药物-药物相似性网络中传播。

第三天

深度学习（一）

深度学习药物发现案例（一）

1.深度学习（一）

1.1多层感知机

1.2深度神经网络

1.3反向传播

1.4优化方法

1.5损失函数

1.6卷积神经网络

2.深度学习药物发现案例（一）

——药物-药物相互作用预测模型

第四天

深度学习（二）

深度学习药物发现案例（二）

1.深度学习（二）

1.1循环神经网络

1.2消息传递神经网络

1.3图卷积神经网络

1.4图注意力神经网络

1.5图采样和聚合

2.深度学习药物发现案例（二）

——药物靶标相互作用预测模型

3.深度学习药物发现案例（三）

——药物重定位模型

图3、基于图神经网络的药物重定位。

第五天

深度学习（三）

深度学习药物发现案例（三）

1.深度学习（三）

1.1注意力机制

1.2自注意力模型

1.3多头自注意力模型

1.4交叉注意力模型

2.深度学习药物发现案例（四）

——药物-药物相互作用预测模型

3.深度学习药物发现案例（五）

——药物靶标结合亲和力预测模型

图4、利用多源药物数据和注意力机制预测药物-药物相互作用事件。

03

课程三：深度学习在基因组学线上专题培训班

第一天

深度学习算法介绍

理论内容：

1.有监督学习的神经网络算法

1.1全连接深度神经网络DNN在基因组学中的应用举例

1.2卷积神经网络CNN在基因组学中的应用举例

1.3循环神经网络RNN在基因组学中的应用举例

1.4图卷积神经网络GCN在基因组学中的应用举例

2.无监督的神经网络算法

2.1自动编码器AE在基因组学中的应用举例

2.2生成对抗网络GAN在基因组学中的应用举例

实操内容

1.Linux操作系统

1.1常用的Linux命令

1.2 Vim编辑器

1.3基因组数据文件管理, 修改文件权限

1.4查看探索基因组区域

2.Python语言基础

2.1.Python包安装和环境搭建

2.2.常见的数据结构和数据类型

第二天

基因组学基础

理论内容

1.基因组数据库

2.表观基因组

3.转录基因组

4.蛋白质组

5.功能基因组

实操内容

基因组常用深度学习框架

1.安装并介绍深度学习工具包tensorflow, keras，pytorch

2.1.数据表示

2.2.张量运算

2.3.神经网络中的“层”

2.4.由层构成的模型

.5.损失函数与优化器

2.6.数据集分割

2.7.过拟合与欠拟合

3.基因组数据处理

3.1安装并使用keras_dna处理各种基因序列数据如BED、 GFF、GTF、BIGWIG、BEDGRAPH、WIG等

3.2使用keras_dna设计深度学习模型

3.3使用keras_dna分割训练集、测试集

3.4使用keras_dna选取特定染色体的基因序列等

第三天

卷积神经网络CNN在基因调控预测中的应用

理论内容

2.Chip-Seq中预测DNA甲基化，DeepSEA

3.Chip-Seq中预测转录调控因子结合，DeepSEA

4.DNase-seq中预测染色体亲和性，Basset

5.DNase-seq中预测基因表达eQTL，Enformer

实操内容

2.安装selene_sdk，复现DeepSEA从Chip-Seq中预测DNA甲基化，非编码基因突变

3.复现Basset，从Chip-Seq中预测染色体亲和性

复现Enformer，从Chip-Seq中预测基因表达eQT

第四天

理论内容

1.SNP微阵列中预测拷贝数变异CNV，DeepCNV

2.RNA-Seq中预测premiRNA，dnnMiRPre

3.从蛋白序列中预测调控因子蛋白质，DeepFactor

实操内容

2.复现循环神经网络RNN工具 dnnMiRPre，从RNA-Seq中预测premiRNA

第五天

理论内容

实操内容

1.复现DeepType，从METABRIC乳腺癌数据中区分乳腺癌亚型

第六天

深度学习在预测药物反应机制上的应用

理论部分

联合肿瘤基因标记及药物分子结构预测药物反应机制的深度学习工具SWnet

实操内容

预处理药物分子结构信息

计算药物相似性

在不同数据集上构建self-attention SWnet

评估self-attention SWnet

构建多任务的SWnet

构建单层SWnet

构建带权值层的SWnet

授课时间

CADD计算机辅助药物设计专题培训时间

01

2023.3.11-----2023.3.12全天授课(上午09.00-11.30 下午13.30-17.00)

2023.3.14-----2023.3.17晚上授课(晚上19.00-22.00)

2023.3.18-----2023.3.19全天授课(上午09.00-11.30 下午13.30-17.00)

2023.3.20-----2023.3.21晚上授课(晚上19.00-22.00)

AIDD人工智能药物发现与设计专题培训时间

02

2023.3.18-----2023.3.19全天授课(上午09.00-11.30 下午13.30-17.00)

2023.3.21----2023.3.22晚上授课(晚上1 9.00-22.00)

2023.3.25----2023.3.26全天授课(上午09.00-11.30 下午13.30-17.00)

深度学习在基因组学培训时间

03

2023.03.23----2023.03.24晚上授课 (晚上 19.00-22.00)

2023.03.25----2023.03.26全天授课(上午 09.00-11.30 下午 13.30-17.00)

2023.04.02----2023.04.03晚上授课 (晚上 19.00-22.00)

2023.04.04----2023.04.05全天授课(上午 09.00-11.30 下午 13.30-17.00)

（腾讯会议直播上课线上实操，提供录像回放录像永久观看）

报名费用

报名费用可开具正规报销发票及提供相关缴费证明、邀请函

可提前开具报销发票、文件用于报销

优惠

优惠1：两班同报：9880元 三班同报：13880元 四班同报：17880元

优惠2：提前报名缴费学员+转发到朋友圈或者到学术交流群可享受每人400元优惠（仅限15名）

优惠3：同时报名两个班免费赠送一个学习名额（赠送班任选）

优惠4: 报名五个培训班以上，免费赠送三个培训名额（赠送班任选）

证书：参加培训并通过考试的学员，可以申请获得工业和信息化部工业文化发展中心颁发的“工业强国建设素质素养提升尚工行动”岗位能力适应评测证书。该证书可在中心官网查询，可作为能力评价，考核和任职的重要依据。评测证书查询网址：www.miit-icdc.org（自愿申请，须另行缴纳考试费500元/人）

培

训

福利

利

报名缴费成功赠送报名班型全套预习视频，课后学习完毕提供全程录像视频回放，针对与培训课程内容 进行长期答疑，微信解疑群永不解散，参加本次课程的学员可免费再参加一次本单位后期组织的相同的 专题培训班（任意一期都可以）

授课

课

方利

式

通过腾讯会议线上直播，理论+实操的授课模式，老师手把手带着操作，从零基础开始讲解，800余页电子PPT和教程+预习视频开课前一周提前发送给学员，所有培训使用软件都会发送给学员，有什么疑问采取开麦共享屏幕和微信群解疑，学员和老师交流、学员与学员交流，培训完毕后老师长期解疑，培训群不解散，往期培训学员对于培训质量和授课方式一致评价极高

腾讯会议问题实时解答

（二）学员对培训非常认可，而且我们保证二次学习是免费的

往期参会单位

国外院系高校；有来自麻省理工大学、University of Bristol (布里斯托大学)、加州伯克利大学、Osaka University(大版大学）、乔治梅森大学、加州理工大学、曼彻斯特大学 、莱斯大学、波士顿大学、德州 农工大学、德雷克大学、美国联合大学、普林斯顿大学、斯坦福大学、Imperial College London、 KAUSTuniversity、理海大学、TheUniversityofQueensland、澳大利亚昆士兰大学、耶鲁大学、牛 津大学、剑桥大学、匹兹堡大学、悉尼大学、多伦多大学、西雅图华盛顿大学、伦敦大学、杜克大学、东 京大学、哥伦比亚大学、康奈尔大学、纽约大学、西北大学、布朗大学、华盛顿大学

国内院系高校；有来自中山大学肿瘤防治中心（中山大学附属肿瘤医院、中山大学肿瘤研究所）、中山大 学、北京大学第一医院、中国医学科学院北京协和医院、西北民族大学、西南大学、山东大学、加州伯克 利大学、启元实验室、中国人民解放军总医院第一医学中心、河南师范大学、南京工业大学、南方科技大 学、南京大学、中国医学科学院基础医学研究所、青海省农林科学院、天津中医药大学第一附属医院、山东大学、黑龙江八一农垦大学、南昌大学第二附属医院、台州市中心医院（台州学院附属医院）、宁波大 学附属人民医院、新疆农业大学、北京林业大学、广西医科大学、湖南文理学院、滨州医学院、滨州医学 院烟台附属医院、华南师范大学、中国环境科学研究院、云南师范大学、昆明理工大学、湖北医药学院、 苏州大学、福州大学、南方医院、南昌大学第二附属医院、深圳市中医院、湖南文理学院、河南科技学 院、福建省立医院、中南大学湘雅医院、深圳市中医院、省立同德医院、内蒙古科技大学包头师范学院、 乌鲁木齐市疾病预防控制中心、中国林业科学研究院林业研究所、中国农业科学院兰州畜牧与兽药研究 所、鲁东大学、河北工程大学、南方医科大学珠江医院、首都医科大学附属北京妇产医院、重庆医科大学 附属第二医院、北京普利智诚生物技术有限公司、复旦大学上海医学院、陕西中医药大学附属医院、中国 医学科学院血液病医院（中国医学科学院血液学研究所）、滨州康达欣医疗器械有限公司、深圳北京大学 香港科技大学医学中心、天津市肿瘤医院、陆军特色医学中心、空军军医大学第一附属医院、江南大学、 中国科学院深圳先进技术研究院、中国科学院上海营养与健康研究所、北京阅众时刻文化传媒有限公司、 北京慧康健怡医疗器械有限公司、杭州奥明基因科技有限公司、亦欣生物科技无锡有限公司、广州市肖悦 生物科技有限公司、张家口泽涵生物科技有限公司、平安科技。感谢对我们培训的认可！还有许多因为时 间冲突无法参加。这次我们诚挚邀请您来参加！

报名咨询方式（请二维码扫描下方微信）

联系人：江老师

引用往期参会学员的一句话：

发现真的是脚踏实地的同时 需要偶尔仰望星空

非常感谢各位对我们培训的认可！ 祝愿各位心想事成！返回搜狐，查看更多