蛋白质是生物过程的基础,人工智能技术正在彻底改变蛋白质研究的方式,应用范围涵盖从药物发现到酶设计等多个领域。

蛋白质科学中的一个关键挑战是预测和设计蛋白质序列与结构,并模拟其动态行为。在本教程中,我们将全面介绍应用于蛋白质序列、结构和功能预测与设计的人工智能方法。内容包括基于序列和结构的蛋白质表示学习、蛋白质折叠和动态预测,以及基于生成模型的蛋白质设计。参与者预计应具备机器学习方法的基础知识(例如神经网络、生成模型)。无需具备计算生物学或生物信息学的先前经验,因为本教程将包括对该领域的全面介绍。https://deepgraphlearning.github.io/ProteinTutorial_AAAI2025/

成为VIP会员查看完整内容
0

相关内容

【伯克利博士论文】通过视频生成学习关于世界的知识
专知会员服务
29+阅读 · 2024年12月19日
【EMNLP2024教程】语言智能体:基础、前景和风险
专知会员服务
39+阅读 · 2024年11月19日
【2024新书】分布式机器学习模式
专知会员服务
89+阅读 · 2024年1月24日
不可错过!CMU《结构化数据机器学习》课程,附Slides
专知会员服务
55+阅读 · 2022年11月2日
【MIT干货课程】医疗健康领域的机器学习
专知会员服务
66+阅读 · 2022年5月26日
【WWW2021】多视角图对比学习的药物药物交互预测
专知会员服务
54+阅读 · 2021年1月29日
ECCV发布:228页教程全面理解视觉定位技术
专知
17+阅读 · 2018年9月12日
【干货】使用Pytorch实现卷积神经网络
专知
13+阅读 · 2018年5月12日
【干货】​深度学习中的线性代数
专知
21+阅读 · 2018年3月30日
国家自然科学基金
3+阅读 · 2017年12月31日
国家自然科学基金
8+阅读 · 2015年12月31日
国家自然科学基金
0+阅读 · 2015年12月31日
国家自然科学基金
0+阅读 · 2015年12月31日
国家自然科学基金
5+阅读 · 2015年12月31日
国家自然科学基金
4+阅读 · 2015年12月31日
国家自然科学基金
1+阅读 · 2015年12月31日
国家自然科学基金
8+阅读 · 2014年12月31日
国家自然科学基金
0+阅读 · 2014年12月31日
国家自然科学基金
8+阅读 · 2014年12月31日
Arxiv
165+阅读 · 2023年4月20日
A Survey of Large Language Models
Arxiv
434+阅读 · 2023年3月31日
Arxiv
73+阅读 · 2023年3月26日
Arxiv
157+阅读 · 2023年3月24日
Arxiv
22+阅读 · 2023年3月17日
VIP会员
相关VIP内容
【伯克利博士论文】通过视频生成学习关于世界的知识
专知会员服务
29+阅读 · 2024年12月19日
【EMNLP2024教程】语言智能体:基础、前景和风险
专知会员服务
39+阅读 · 2024年11月19日
【2024新书】分布式机器学习模式
专知会员服务
89+阅读 · 2024年1月24日
不可错过!CMU《结构化数据机器学习》课程,附Slides
专知会员服务
55+阅读 · 2022年11月2日
【MIT干货课程】医疗健康领域的机器学习
专知会员服务
66+阅读 · 2022年5月26日
【WWW2021】多视角图对比学习的药物药物交互预测
专知会员服务
54+阅读 · 2021年1月29日
相关基金
国家自然科学基金
3+阅读 · 2017年12月31日
国家自然科学基金
8+阅读 · 2015年12月31日
国家自然科学基金
0+阅读 · 2015年12月31日
国家自然科学基金
0+阅读 · 2015年12月31日
国家自然科学基金
5+阅读 · 2015年12月31日
国家自然科学基金
4+阅读 · 2015年12月31日
国家自然科学基金
1+阅读 · 2015年12月31日
国家自然科学基金
8+阅读 · 2014年12月31日
国家自然科学基金
0+阅读 · 2014年12月31日
国家自然科学基金
8+阅读 · 2014年12月31日
微信扫码咨询专知VIP会员