Nature综述：国内顶尖课题组都在用，科研成果取得大的突破！

Part.专题四

    冷冻电镜结构解析

上下滑动查看更多内容

结果展示：

01.「CADD计算机辅助药物设计」

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

02.「AIDD人工智能药物发现与设计」

授课老师余老师，有十余年的计算机算法研究和程序设计经验。研究方向涉及生物信息学，深度学习，药物靶标识别，药物不良反应等。参与了国自然基金2项，主持了省厅级科研项目3项。一作身份发表SCI论文数篇，包括BMC Bioinformatics, Journal of Biomedical Informatics, International Journal of Molecular Sciences等知名期刊。

03.「蛋白晶体结构解析」

范教授毕业于中国科学院生物物理研究所，师从著名结构生物学家王院士，具有美国耶鲁大学留学六年多的背景，为独立PI。研究方向是结构生物学和免疫学；除了深钻结构生物学和免疫学，还在积极参与和推动结构生物学的教育工作，应邀在多所高校或者科研研究所开展结构生物学课程讲授，在多种国际期刊上发表论文30余篇，均为SCI，作为第一作者或通讯作者4篇一区，包括国际顶尖杂志PNAS两篇，一区top2篇等。并承担国家自然科学基金面上项目等；作为国际著名学术杂志Nature Communication和Journal of Virology, Structure等的审稿人。

04.「CRISPR-Cas9基因编辑技术」

主讲老师来自加州大学生物医学工程专业博士，曾在麻省理工和哈佛大学从事基因编辑研究，在耶鲁大学从事基因递送工作。文章发表在Nature Biomedical Engineering, Nature Communications等杂志上。曾在天使投资机构工作，主要投资基因编辑、单细胞测序、AI制药等方向的创业公司。

05.「机器学习代谢组学」

主讲老师来自985高校神经科学博士，主要利用代谢组学、转录组学和分子生物学等技术研究神经内科慢性病的发病机制和生物标志物。擅长高效液相色谱-质谱联用（LC-MS）技术进行非靶向和靶向代谢组学从样本制备到数据分析的全流程研究，以及多组学大数据的生物信息学整合分析。5年内在J Clin Invest, EBioMedicine, Cell Death Dis, Cell Death Discov, Nanotoxicology等杂志发表SCI论文10篇。

06.「机器学习微生物组学」

主讲老师来自生物科技公司核心高管，曾在麻省理工学院、加州大学旧金山分校等机构工作，过去5年科研工作发表于Cell, PNAS等杂志

07.「深度学习基因组学」

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，发表SCI论文23篇，论著一部。

08.「机器学习在生物医学中的应用」

主讲老师生物信息学博士，有十余年的测序数据分析经验。研究领域涉及机器学习，芯片数据分析，核酸及蛋白序列分析，DNA，RNA，甲基化测序数据分析，单细胞测序数据分析，miRNA及靶基因分析，生存分析及预后模型构建等。具有5年培训经验，对常用公共数据库TCGA，NCBI, UCSC, GEO等非常熟悉。发表SCI论文30余篇，其中一作及并列一作15篇。

09.「冷冻电镜结构解析」

来自中科院所毕业的结构生物学博士，主要利用单颗粒冷冻电镜手段研究作用于药物靶点的的分子机制和基于结构的药物设计。目前主要研究方向为膜蛋白及病毒相关蛋白的结构研究。5年内在国内外顶尖杂志包括Nature,NatureCommunications，Cell Research 等杂志发表文章数篇。

01.「CADD计算机辅助药物设计」

让学员能够掌握包括PDB数据库、靶点蛋白、蛋白质-配体、蛋白-配体小分子、蛋白-配体结构、notepad的介绍和使用、分子对接、蛋白-配体对接、虚拟筛选、蛋白-蛋白对接、蛋白-多糖分子对接、蛋白-水合对接、Linux安装、gromacs分     子动力学全程实操、溶剂化分子动力学模拟

02.「AIDD人工智能药物发现与设计」

本课程让学员了解药物发现的前沿背景，学习人工智能领域的各类常见算法，熟悉工具包的安装与使用，掌握一定的算法编程能力，能够运用计算机方法研究药物相关问题。通过大量的案例讲解和实践操作，具备一定的AIDD模型构建和数据分析能力

03.「蛋白晶体结构解析」

近年来结构生物学发展迅速并和其他学科相互渗透交叉,特别是受到结构基因组学等热点学科的极大带动。作为结构生物学的基本手段和技术,蛋白质晶体学从解析简单的蛋白质三维结构延伸到解决各类生物大分子及复合物结构,并更加注重研究结构与功能之间的相互关系,派生出诸如基于结构的药物设计等应用性很强的分支。生物技术及计算机技术的飞速发展,尤其是高通量技术在生物学领域的应用,为蛋白质晶体学带来了全新的概念和更加广阔的前景。

04.「CRISPR-Cas9基因编辑技术」

课程从全局出发，由浅入深，课程通过基础入门+应用案例实操演练的方式，从最初的原理讲解到最后的应用实战，学完本课程你将掌握基因编辑技术的相关原理及其应用，此外可以学到基因编辑系统的优化策略，可以学到如何操作常用的生物学软件。能够快速运用到自己的科研项目和课题上。

05.「机器学习代谢组学」

熟悉代谢组学和机器学习相关硬件和软件；熟悉代谢组学从样本处理到数据分析的全流程；能复现至少1篇CNS或子刊级别的代谢组学文章图片。

06.「机器学习微生物组学」

通过本次培训多个案例的系统讲解让参会学员学会机器学习在微生物组数据分析流程，能够快速运用到自己的科研项目和课题上。

07.「深度学习基因组学」

适于对深度学习、课程通过基础入门+应用案例实操演练的方式，从初学及应用研究的角度出发，带大家实战演练多种深度学习模型（深度神经网络 DNN、 卷积神经网络 CNN、循环神经网络 RNN、可变自动编码器 VAE、图卷积神经网络 GCN）在基因组学分析中的各种应用：识别 G4 基 序特征 DeepG4，识别非编码基因突变 DeepSEA，预测染色体亲和性 Basset，预测基因表达 eQTL 的 Enformer、识别拷贝数变异 DeepCNV、预测调控因子 DeepFactor、预测 premiRNA 的 dnnmiRNA、从基因表达数据中识别乳腺癌分型 DeepType、从高维多 组学数据中识别疾病表型 XOmiVAE、从基因序列及蛋白质相互作用网络中识别关键基因 DeepHE、联合肿瘤基因标记及药物分子结 构预测药物反应机制的 SWnet 等深度学习工具。通过对这些深度学习在基因组学中的应用案例进行深度讲解和实操，让学员能够掌 握深度学习分析高维基因组学、转录组学、蛋白组学等多组学数据流程，系统学习深度学习及基因组学理论知识及熟悉软件代码实操， 熟练掌握这些前沿的分析工具的使用以及研究创新深度学习算法解决生物学及临床疾病问题与需求。

08.「机器学习在生物医学中的应用」

通过本次学习，你将了解机器学习基本概念及常用机器学习模型的原理；生存分析及风险模型的构建；R语言构建常用机器学习模型；机器学习常见图，表的绘制；生存分析，预后模型常见图，表的绘制

09.「冷冻电镜结构解析」

冷冻电镜结构解析课程致力于培养学员掌握冷冻电镜在结构生物学和基于结构的药物设计中的应用，掌握单颗粒冷冻电镜结构解析原理，实验方法和实际应用。通过深入的理论讲解和实际操作，学员将逐步建立对这一关键领域的深刻理解。

授课时间