|
第一天：酶生物元件智能挖掘与催化作用机制解析
一、大数据驱动的生物元件与新酶智能挖掘实战
1. 酶序列与结构特征工程提取：物理化学特征、2D/3D分子指纹与表征嵌入（Embeddings）提取
2. 机器学习新酶预测模型构建：搭建经典分类模型，从海量未表征基因组中高通量筛选潜在高活性、高选择性新酶
二、全原子动力学模拟与催化结合自由能精准量化
1. Amber分子动力学标准工作流实操：酶-底物复合物体系构建、力场拓扑分配、溶剂化、能量最小化及多阶段热力学平衡
2. 动力学轨迹稳定性与构象监测：RMSD、RMSF（局部柔性）、回旋半径（Rg）及催化活性中心空间构象稳定性分析
3. 高斯加速增强采样（GaMD）高级应用：跨越能垒捕获底物诱导契合构象，绘制自由能形貌图（FEL）并提取代表性催化构象
4. MMPBSA/MMGBSA结合自由能解析：底物亲和力能量项定量评估，执行逐残基能量分解以锁定关键催化氨基酸贡献
三、酶-底物相互作用机制与反应通道动力学分析
1. 拉伸分子动力学（SMD）模拟搭建：定义底物拉伸反应路径，模拟底物进出活性口袋的动态通量与能垒变化
2. 通道瓶颈与选择性残基识别：精准定位限制底物通量及立体催化选择性的通道关键残基
第二天：AI驱动的酶理性改造、别构调控与生成式设计
四、AI高精度结构建模与长程别构传导通路网络解析
1. AlphaFold3复杂体系建模实操：酶单体、多聚体及“酶-底物/辅因子”复合物的高精度三维结构预测
2. 结构置信度与构象评估：pLDDT/PAE多维度参数判读与活性口袋结合构象可靠性验证
3. 图神经网络（NRIMD）动力学别构分析：基于神经关系推理（NRI）模型，利用轨迹数据推断残基动力学耦合模式与互作网络
4. 远端调控关键突变位点锁定：识别活性中心至远端结构域的别构传导路径，突破近活性中心局限，定位驱动酶活性提升的关键远端残基
五、蛋白质大语言模型与AI生成式酶改造实战
1. 蛋白质大语言模型（Prot-LLM）微调生成：基于特定酶家族序列微调 ProtGPT2/ProGen2 模型，实现酶催化活性与表达量序列的定向条件生成
2. ProteinMPNN功能位点重构与序列优化：固定核心催化残基，对活性口袋周边与表面残基进行序列重新设计以提升催化效率与耐受性
3. RFdiffusion从头生成新型抗体骨架结构：设置活性位点几何约束（Motif Scaffolding），从头生成新型空间折叠骨架
|
当前位置：首页