距开幕 — 天 — 时 — 分 — 秒
EN 报名

北京·怀柔 · 2026年10月16–18日

ISCB-China AI驱动蛋白质科学国际研讨会

汇聚海内外顶尖学者，共探 AI 驱动蛋白质科学前沿——主旨报告、特邀专题报告、实战工坊、研究生论坛与人机同台辩论。

立即报名 查看日程

主办：ISCB-China；怀柔科学城集团；怀柔科学城前沿科技概念验证中心

协办：启迪瑞景能源环境科学研究院；北京怀科国际会议发展公司

关键节点

  1. 2026年9月30日 早鸟注册截止
  2. 2026年10月5日 摘要提交截止
  3. 2026年10月9日 评审结果通知
  4. 2026年10月14日 在线注册截止

会议简介

AI驱动蛋白质科学

人工智能（AI）与蛋白质科学的交互与融合，带来了变革性的研究范式，使科学家能够更好地解析生命机理、研发创新疗法。这一协同代表了计算生物学领域的革命性进展。

国际计算生物学学会（ISCB）是本领域最权威的全球学术组织。其杰出成员包括因计算蛋白质科学奠基性工作获诺贝尔奖的 Michael Levitt 教授等顶尖科学家。中国研究者亦取得多项国际公认的前沿成果，尤其在 AI 驱动的蛋白质结构预测与设计、以及蛋白质组学分析等方面。2024 年，ISCB 依托清华大学成立中国理事会（ISCB-China），成为其在全球首个国家级分支机构，具有重要里程碑意义。

为促进 AI 赋能蛋白质科学的学术交流与前沿研讨，ISCB-China 将联合清华大学、中国科学院计算技术研究所等单位，举办「ISCB-China Workshop on AI for Protein Science」。会议将汇聚海内外顶尖学者，分享开创性研究、讨论未来方向，并探索与产业应用的结合点。本次研讨会有望显著提升我国 AI–蛋白质科学领域的创新能力，推动前沿科学研究，助力生物医药与生物制造高质量发展。

日程安排

议程

会议地点：怀柔科学城城市客厅 E3报告厅

第一天

2026年10月16日（周五）

地点 怀柔科学城城市客厅 E3报告厅

  1. 签到、展板及海报布置、参观怀柔科学城创新馆

第二天

2026年10月17日（周六）

地点 怀柔科学城城市客厅 E3报告厅

  1. 签到

  2. 主持人

    张贵军（浙江工业大学信息工程学院教授）

  3. 开场致辞 I

    演讲人
    张学工（清华大学自动化系教授；ISCB-China主席；ISCB副主席）

  4. 开场致辞 II

    演讲人
    韩健（怀柔科学城党工委委员、科学城管委会副主任）

  5. 主旨报告：打破功能适应度壁垒：通过序列跳跃进行全局序列空间搜索

    演讲人
    周耀旗（深圳湾实验室资深研究员）

  6. 特邀报告：从设计蛋白表达到基因智能重编码：多模态密码子生成模型逆转中心法则

    演讲人
    叶盛（北航医学科学与工程学院教授）

  7. 特邀分享：北京怀柔综合性国家科学中心介绍

    演讲人
    胥博（北京怀柔科学城发展集团有限公司副总经理）

  8. 特邀分享：AI赋能生物医药的产业化路径

    演讲人
    刘相庭（怀柔科学城管委会设施平台处副处长）

  9. 合影及茶歇

    地点
    E2、E3中间场地

  10. 主持人

    李文飞（南京大学物理学院教授）

  11. 特邀报告：从可观测走向可预测的高价值蛋白细胞工厂

    演讲人
    全舒（上海交通大学教授）

  12. 特邀报告：Central Tolerance Model and Immunogenicity of Neoantigens

    演讲人
    李明（加拿大滑铁卢大学，中原人工智能产业技术研究院；加拿大皇家科学院院士，ACM Fellow、IEEE Fellow）

  13. 特邀报告：通过无需定相的结构建模揭示等位基因特异性的染色质组织

    演讲人
    李帅成（香港城市大学计算机系教授）

  14. 午餐

    地点
    万豪酒店二层贡厨餐厅

  15. 主持人

    叶盛（北航医学科学与工程学院教授）

  16. 特邀报告：基于靶点三维结构的全原子药物设计

    演讲人
    马剑竹（清华大学智能产业研究院副教授）

  17. 特邀报告：AI赋能微生物蛋白质元件挖掘

    演讲人
    张寿悦（中国科学院微生物研究所研究员）

  18. 特邀报告：基于相互作用引导的构象集合预测探索

    演讲人
    赵彦彭（上海大学）

  19. 特邀报告：从基因组邻域到药物-靶点互作：蛋白质功能关联的互作预测

    演讲人
    宿鸿（南开大学特聘副研究员）

  20. 特邀报告：AI重塑蛋白质设计：从结构预测到可编程生物工程

    演讲人
    许锦波（分子之心创始人，ISCB Fellow）

  21. 茶歇及海报交流

    地点
    E2、E3中间场地

  22. 研究生论坛

    演讲人
    主持人：曹合欢（中国科学院计算技术研究所博士生）

  23. 主持人

    刘贤（军事医学研究院副研究员）

  24. 培训课程：科研Agent研制实战 I

    演讲人
    卜德超（中国科学院计算技术研究所副研究员）

  25. 晚宴

    地点
    万豪酒店一层怀柔厅
第三天

2026年10月18日（周日）

地点 怀柔科学城城市客厅 E3报告厅

  1. 主持人

    章张（国家生物信息中心特聘研究员）

  2. 主旨报告：Finding Distant Protein Family Relationships with AI

    演讲人
    Alex Bateman（欧洲生物信息研究所（EMBL-EBI）蛋白质序列资源团队负责人；ISCB Fellow）

  3. 主旨报告：From Structures to Interactions: Predicting and Designing Protein Complexes with Deep Learning

    演讲人
    Minkyung Baek（首尔国立大学教授，RoseTTAFold主要开发者）

  4. 主持人

    刘贤（军事医学研究院副研究员）

  5. 特邀报告：深度学习赋能的功能蛋白质从头设计：从结合蛋白到精确组装

    演讲人
    徐纯福（北京生命科学研究所（NIBS）研究员）

  6. 特邀报告：非结构依赖的蛋白药物设计

    演讲人
    王军（中国科学院微生物研究所研究员）

  7. 茶歇

    地点
    E2、E3中间场地

  8. AI人机辩论赛

    演讲人
    主持：叶盛（北航医学科学与工程学院教授）

  9. 午餐

    地点
    万豪酒店二层贡厨餐厅

  10. 主持人

    刘贤（军事医学研究院副研究员）

  11. 特邀报告：蛋白质多模态模型的开发及其在合成生物学中的应用

    演讲人
    谈攀（上海交通大学副研究员）

  12. 特邀报告：基于人工智能的酶挖掘和酶多样性探索

    演讲人
    宫健婷（东北师范大学）

  13. 特邀报告：同步辐射验证与片段药物筛选

    演讲人
    梁淼（北京怀光量极生物科技有限公司副总经理）

  14. 研究生论坛

    演讲人
    主持人：黄恒焱（南京大学物理学院）

  15. 茶歇

    地点
    E2、E3中间场地

  16. 主持人

    刘贤（军事医学研究院副研究员）

  17. 培训课程：科研Agent研制实战 II

    演讲人
    杨阳（重庆邮电大学副教授，军科创新院助理研究员）

  18. 培训课程：ProVR——AI+VR 的蛋白质设计平台

    演讲人
    杨丹枫（中原人工智能产业技术研究院工程师）、赵建权（中国科学院计算技术研究所工程师）

  19. 闭幕致辞

    演讲人
    卜东波（中国科学院计算技术研究所研究员；ISCB-China常务理事）

嘉宾

嘉宾

主旨报告嘉宾

特邀报告嘉宾

主旨报告（10月17日）

周耀旗

深圳湾实验室资深研究员

打破功能适应度壁垒：通过序列跳跃进行全局序列空间搜索

简介

周耀旗，现任深圳湾实验室系统与物理生物学研究所资深研究员，同时担任砺博生物科学创始人，专注于靶向RNA小分子药物开发。

摘要

自然进化和定向进化是蛋白质工程的强大引擎，但它们始终局限于局部序列邻域——每一个突变都必须保持功能，这形成了一种进化上的“紧身衣”，阻碍了对遥远但可能更优越的折叠和功能的探索。在此，我们提出了两个互补的计算框架，将探索与功能约束解耦，从而实现对序列空间的大步跨越。首先，SPIN-jEvo（基于序列预测的跳跃与进化集成神经网络）从功能性种子序列出发，执行靶向跳跃至约20%随机替换变体——刻意进入可能的非功能性区域——随后重新部署遗传算法，将这些变体进化为远缘的功能性同源物。其次，EvoGUD利用单序列条件扩散模型，在单次生成步骤中生成多样且具有进化合理性的序列，有效学习并穿越妨碍全局进化的壁垒。这两种方法共同超越了传统诱变技术的局部最优陷阱，将蛋白质工程从渐进式爬山转变为全局序列空间搜索。我们在酶和内在无序蛋白的两个家族方面展示了这些方法的能力。

主旨报告（10月18日）

Dr Alex Bateman

欧洲生物信息研究所（EMBL-EBI）蛋白质序列资源团队负责人；ISCB Fellow

Finding distant protein family relationships with AI

简介

Alex Bateman 博士现任欧洲分子生物学实验室—欧洲生物信息学研究所（EMBL-EBI）蛋白质序列资源负责人，主持 UniProt、Pfam、InterPro、Rfam 等世界领先的数据库集群。他于 2012 年加入 EMBL-EBI。当前研究聚焦于运用人工智能（包括结构预测、深度学习与大语言模型），实现对蛋白质宇宙的完整分类与注释。他是欧洲分子生物学组织（EMBO）成员、国际计算生物学会（ISCB）会士，曾于 2010 年获本杰明·富兰克林生命科学开放获取奖，并曾任国际生物信息学策展学会执行委员会主席。现任《Bioinformatics Advances》联合主编。

摘要

我们正处在一场人工智能方法的革命之中，它正在改变我们如何对蛋白质宇宙进行分类与注释。在本次报告中，我将介绍 Pfam——最广泛使用的蛋白质家族资源之一——如何运用这些方法。首先，我会介绍我们如何利用大语言模型改进 Pfam 注释，以及为在大规模上生成准确、可验证的家族描述所采取的策略。随后，我将讨论人工智能生成的蛋白质结构如何改变我们界定蛋白质结构域、并识别家族间遥远关系的能力。Pfam 将相关家族归入氏族（clans），而发现这些遥远的进化关系一直是长期难题。我将梳理我们从基于序列的方法（如 SCOOP）、早期尝试使用序列嵌入，到 BOOM——一种以优异性能对齐成对蛋白质结构的新深度学习方法，并有望揭示许多迄今仍难以发现的关系——的工作历程。我还将介绍拓展蛋白质宇宙的相关工作，包括与 Google Research 合作、用深度学习注释蛋白质（Bileschi et al., 2022），以及通过大规模结构聚类发现新家族与新折叠（Durairaj et al., 2023）。最后，我将从更宏观的视角讨论生物学中的基础模型：相较前沿文本大语言模型，生物学基础模型仍然偏小，我将讨论训练它们所需的成本与算力对领域未来意味着什么。

主旨报告（10月18日）

Dr Minkyung Baek

首尔国立大学教授，RoseTTAFold主要开发者

From Structures to Interactions: Predicting and Designing Protein Complexes with Deep Learning

简介

Minkyung Baek 博士现任首尔国立大学生物科学系副教授。她的研究融合计算生物学、结构建模与人工智能，致力于预测和设计生物分子结构与相互作用，并应用于蛋白质设计、药物发现与疫苗研发。此前她在华盛顿大学 David Baker 实验室从事博士后研究，期间开发了 RoseTTAFold——一套推动蛋白质结构预测与设计发展的深度学习框架。她持续推进基于人工智能的生物分子系统建模，连接生物学与人工智能，加速治疗创新。

摘要

蛋白质结构预测已经改变了我们建模单条蛋白质链的能力。其余挑战越来越多地落在蛋白质真正发挥作用的情境中：在细胞与蛋白质组尺度上、在复合物内部，以及在从头设计的分子之中。本次报告将沿着这一转变，从两条研究线索展开。 第一条线索将结构预测拓展到蛋白质组尺度的蛋白质—蛋白质相互作用发现。仅在已知复合物上训练的模型，尚未学会区分非相互作用配对；而在整个蛋白质组上做穷举预测，计算代价仍然过高。RoseTTAFold2-Lite 通过在精简架构中同时学习相互作用与非相互作用配对，同时应对这两项限制，从而能够对细菌病原体蛋白质组进行穷举筛选。RoseTTAFold2-PPI 则将这一策略拓展到人类相互作用组：从未组装基因组数据中挖掘更深的序列比对，并从预测结构中蒸馏额外训练样本。我将讨论这些筛选能找回什么、为何浅比对蛋白质仍然困难，以及在生成数百万条预测时该如何解读置信度估计。 第二条线索则把问题反过来：不是预测已有复合物，而是设计全新抗体。我们的流程从表位扫描开始，在抗原表面识别可能的结合界面，并为设计提供结构起点。随后由生成模型从头创建互补决定区（CDR），从而触及自然或合成文库之外的序列空间。但仅有结合还不够：许多设计抗体能够识别靶标，却无法以实用水平表达生产。因此我们会对候选进行可生产性评分与再设计，而不是直接丢弃，从而使结构引导的生成式设计更接近能够被制备、测试并最终使用的抗体。

特邀报告（10月17日）

赵彦彭

上海大学

基于相互作用引导的构象集合预测探索

简介

赵彦彭，上海大学。研究领域为人工智能辅助的大分子与小分子结构-功能关联关系研究。提出并发展了多种分子表征、蛋白-配体相互作用预测以及不确定性估计与主动学习方法。以第一作者（含共一）在Nature Communications、Briefings in Bioinformatics、Communications Biology、Journal of Pharmaceutical Analysis等高水平期刊发表学术论文10余篇；作为项目负责人主持国家自然科学基金青年科学基金项目（C类）、上海市自然科学基金青年基金项目等课题多项。

摘要

传统AI蛋白模型依赖单体静态结构，对蛋白动态构象和构象间动态差异刻画不足。现有药物研发案例表明，分子动力学（MD）模拟挖掘靶点蛋白构象动态差异，是实现高选择性抑制剂设计的关键。采用“静态结构预训练 动态结构微调”范式会丢失蛋白复合物层面的序列多样性与分子互作信息。为此，我们构建了DynoM模型，引入复合物表征，对二聚体开展大规模全原子模拟扩充数据集，开展多组训练对照实验。结果显示，模型仅使用基础模型4.85%–34.58%的数据量，即在多项评价指标上取得了稳健表现；复合物带来的互作约束，可为多结构域蛋白的动态构象预测提供有效约束。在复合物动态构象预测任务上，DynoM生成构象的多样性比AlphaFold3更占优势。总之，我们的研究初步证实了复合物互作信息能够有效弥补动态构象预测的信息缺失。

特邀报告（10月17日）

李帅成

香港城市大学计算机系教授

通过无需定相的结构建模揭示等位基因特异性的染色质组织

简介

李帅成，香港城市大学教授、博导。新加坡国立大学本科、硕士；加拿大滑铁卢大学博士；加州大学伯克利分校（UC Berkeley）博士后。主导持续开发DeepOmics.org、oviz.org等平台。研究重点是开发算法和计算工具来分析大规模基因组和蛋白质组数据，目的是了解复杂生物过程的潜在机制。研究方向包含基因组组装、生物芯片设计、疫苗设计、T细胞受体、癌症数据解析。他目前主要研究方向是AI辅助的药物设计。在Nature Genetics、Nature Communications、Nature Ecology and Evolution、NAR、Nature Computational Science、Nature Machine Intelligence、Nature Biotechnology等期刊共发表SCI论文190余篇。他培养了30多名计算生物学博士生和多名博士后。

摘要

解析父源与母源染色体各自独特的三维染色质构象，对于理解二倍体基因组功能至关重要。然而，许多单倍型分辨的Hi-C接触图谱构建方法仍受限于对已定相单核苷酸多态性（SNP）的依赖。这种依赖将重建过程视为简单的标记与分类问题，导致大量数据丢失、对定相错误极为敏感，且不适用于SNP稀疏的情境。我们提出了PSHIC，一种通过无需定相的结构建模，直接从汇总的Hi-C数据中揭示这一隐含染色质组织结构的计算框架。PSHIC将染色体建模为连续流形，并通过求解逆问题，寻找分别对应两条同源染色体的结构，使其合并后的接触信号能够最佳地解释观测数据。在不同测序深度、SNP密度和定相错误率下开展的全面模拟表明，PSHIC的表现始终优于现有方法，在准确性（SCC ≥0.987）、染色质环检测（F1≥0.952）和结构保真度（DER ≤ 0.04）方面均取得了优异表现。在人类和小鼠真实Hi-C数据集上的应用表明，PSHIC能够重现X染色体失活、基因组印记和调控网络中已知的等位基因相关特征。其结果与包括三维DNA荧光原位杂交（3D DNA-FISH）、4C-seq和ChIA-PET在内的正交实验方法所得结果一致。PSHIC能够在非模式生物以及其他SNP有限或定相质量较差的情境中实现稳健重建，从而使二倍体染色质分析得到更广泛的应用。

特邀报告（10月17日）

李明

加拿大滑铁卢大学，中原人工智能产业技术研究院；加拿大皇家科学院院士，ACM Fellow、IEEE Fellow

Central Tolerance Model and Immunogenicity of Neoantigens

简介

李明教授曾执教俄亥俄州立大学、哈佛大学、约克大学、加州大学圣巴巴拉分校和滑铁卢大学。2024年获得IEEE Computer Society Wallace McDowell Award。2010年获得Killam Prize。他也是加拿大皇家学会（The Royal Society of Canada）、加拿大工程院、ACM、IEEE、ISCB的fellow。

摘要

本报告聚焦个性化肿瘤新抗原疫苗的核心瓶颈：如何从数千个候选肽中筛选出真正能够诱导T细胞反应的少量高价值抗原。我们提出以患者自身质谱获得的天然肽作为负样本、以IEDB等已知免疫原性肽作为正样本，建立个性化的“中央免疫耐受”模型，对候选新抗原进行排序。该方法在小鼠中表现良好，在人体中也优于现有方法，但目前主要受限于高质量阳性训练样本不足。最终目标是将“发现—AI筛选—少量合成—免疫验证—个性化疫苗”形成一条可规模化、可负担的临床路径。

特邀报告（10月17日）

马剑竹

清华大学电子工程系、清华大学智能产业研究院副教授

基于靶点三维结构的全原子药物设计

简介

马剑竹，现任清华大学电子工程系、清华大学智能产业研究院副教授，基金委海外优青项目入选者。曾任美国普度大学计算机系Walther助理教授。主要研究领域为人工智能、系统生物学和生物制药。曾获得生物计算学国际顶级会议RECOMB的最佳论文奖，国际计算生物学会议ISMB的Warren DeLano奖，国际RNA和蛋白质折叠大会的最佳海报奖，第一届国际城市科学大会最佳海报奖，2024年中国生物信息十大进展，国际混合与增强现实会议ISMRA最佳论文提名奖。学术论文曾发表在Nature、Cell、Cancer Cell、Nature Machine Intelligence、Nature Methods、Nature Cancer、Nature Biomedical Engineering、Immunity等期刊上。

摘要

本次报告将分享近期在AI在生物和制药领域的最新成果。着重介绍一种全新的全原子生成模型。该模型将所有与蛋白质和小分子相关的任务在原子级别进行统一，通过对不同任务的统一表示和多任务轮转去噪生成算法对模型进行训练，最终在无需微调的情况下可以直接应用于训练中未出现的任务。最后本次报告还将介绍全原子生成模型在小分子、多肽、抗体和CAR-T等不同场景下的应用。

特邀报告（10月18日）

宫健婷

东北师范大学助理研究员

基于人工智能的酶挖掘和酶多样性探索

简介

宫健婷，理学博士，东北师范大学助理研究员。先后于美国密苏里大学哥伦比亚校区访学、军事医学研究院从事生物学博士后研究。研究方向为AI4Science，主攻酶挖掘与设计、蛋白质功能预测，在Nat. Commun.、Bioinformatics、CSBJ等期刊发表论文10余篇。

摘要

酶是生命活动的核心，也是酶制剂和生物制造的巨大资源库。自然界蕴藏海量酶分子，以微生物为主的蛋白公共数据已达百亿规模。高效、准确建立序列与功能间的关联，具有重要科学意义和产业价值。蛋白结构预测提供了突破性的方法，但面对庞大 “微生物暗物质宇宙”，AFDB和ESMatlas的10亿结构数据仍显不足，且仅凭结构不一定是酶功能关联的最佳策略。我们基于 SwissProt的约20万酶的序列、结构以及对应的反应，建立了一个名为反应感知的酶多模态表征模型——RAMER。基于酶的催化反应 EC 编码分类，RAMER 显示了优于酶专用CLEAN 及其他蛋白大语言模型的表征能力，从而提升了 EC 预测性能。依托 RAMER，我们在相对有限的计算资源下，表征了来自海洋、淡水、陆地及极端等环境微生物组的超30亿条蛋白序列，构建了超10亿酶分子的酶资源图谱。相比UniProtKB/TrEMBL 数据库的3600万条酶记录，提供了更广阔的数据资源。此外，部分酶的详细分析显示，RAMER对酶具备更贴近功能分类的聚类能力，更加有利于对自然界酶多样性的探索。目前，我们已同超10个实验团队开展酶发现相关合作，并正在构建一个包含2亿个酶的在线实时搜索服务。

特邀报告（10月18日）

梁淼

北京怀光量极生物科技有限公司副总经理

同步辐射验证与片段药物筛选

简介

梁淼，北京怀光量极生物科技有限公司副总经理。长期依托北京高能同步辐射光源、上海光源、合肥光源、瑞士光源、瑞士自由电子激光装置及罗氏等平台或机构开展工作研究，深耕生物大分子晶体学领域，在大科学装置技术、产学研项目对接与成果转化方面具备丰富实践经验。

摘要

介绍HEPS-怀光高通量小分子药物筛选共性技术平台建设及对外服务能力；分享同步辐射实验产出的蛋白结构数据如何支撑AI蛋白模型训练与实验校验；探讨AI+同步辐射在FBDD片段药物筛选当中的落地路径；提出产学研协同共建AI-实验验证闭环平台的合作思路。

特邀报告（10月17日）

全舒

上海交通大学教授

从可观测走向可预测的高价值蛋白细胞工厂

简介

全舒，博士，上海交通大学教授、博士生导师，上海市生物化学与分子生物学学会理事。长期聚焦蛋白质折叠、稳态与调控，代表性工作发表于Nature Structural & Molecular Biology、PNAS、Nature Communications、Molecular Cell等期刊上，近年来开始着重探索人工智能赋能的蛋白质折叠工程研究。主持国家自然科学基金优青项目、国际合作项目、国家重点研发计划青年科学家项目等。

摘要

高价值蛋白的设计能力正在快速提升，但如何将“可设计”转化为“可制造”，仍是细胞工厂面临的重要挑战。蛋白质的折叠、质量控制、转运、分泌与降解等过程，以及宿主细胞状态的差异，共同影响其制造性能。围绕这些过去难以直接观测的过程，我们发展了用于活细胞中定量表征蛋白质折叠状态的合成生物传感技术，并在此基础上建立FINEST高通量筛选平台，将折叠表型、宿主扰动与制造性能关联起来，用于识别限制高价值蛋白制造的关键细胞过程并指导细胞工厂优化。进一步地，我们也在尝试从实验与文献数据中挖掘蛋白质稳定性和制造性能相关规律，为从表型观测进一步走向数据驱动的高产改造预测提供基础。

特邀报告（10月17日）

宿鸿

南开大学统计与数据科学学院特聘副研究员，传染病溯源预警与智能决策全国重点实验室成员

从基因组邻域到药物-靶点互作：蛋白质功能关联的互作预测

简介

宿鸿，南开大学统计与数据科学学院特聘副研究员，传染病溯源预警与智能决策全国重点实验室成员，德国洪堡学者（博士后）。主要从事蛋白质结构与功能预测研究，发表多篇相关学术论文，包括Nature Protocols、Advanced Sciences、Bioinformatics等。主持国自然青年基金、天津市自然科学青年基金、传染病溯源预警与智能决策全国重点实验室团山青年人才项目（基础类）。

摘要

蛋白质的功能由跨越多个生物学尺度的关联所塑造，从基因组中的邻近基因，到蛋白质与小分子之间的相互作用。本报告介绍两种互补方法，用于预测这类关联。首先，我们提出 UniOP，一个完全无监督的贝叶斯操纵子预测框架。UniOP 直接依据基因间隔距离的分布推断功能上相关的基因，不依赖外部注释，也不需要针对特定物种进行训练。它在多样的完整基因组以及片段化的宏基因组组装基因组上都能稳健工作，因此适合对认识不足的微生物开展大规模分析。其次，我们提出用于药物-靶点相互作用预测的 MPCL-DTI。该方法通过图增强的对比学习，整合异质生物网络、药物结构与蛋白质序列。一种由元路径引导的正例-未标注学习策略，进一步降低未知药物-靶点对所造成的标签噪声。在基准数据集上，MPCL-DTI 稳定优于现有方法。这两项研究共同表明，数据驱动的学习能够从基因组组织到分子相互作用揭示蛋白质功能关联，从而支持功能注释与药物发现。

特邀报告（10月18日）

谈攀

上海交通大学副研究员

蛋白质多模态模型的开发及其在合成生物学中的应用

简介

上海交通大学副研究员。研究工作主要聚焦于深度学习在蛋白质改造设计与数据挖掘中的应用，致力于推动人工智能技术在蛋白质工程中的实际落地。通过结合生物物理知识，开发了蛋白质序列与结构融合的预训练大模型，显著提高了蛋白质改造设计的效率，并大幅降低湿实验成本。这些技术已成功赋能数十家科研机构和企业的产品开发，推动了多款高难度蛋白质产品的产业化。以一作和通讯作者身份（含共同作者）在国际顶级期刊与人工智能顶级会议（如Nature Communications、Science Advances、PNAS、NeurIPS）发表论文16篇。

摘要

针对合成生物学中反应规划、酶发现与表达设计的关键挑战，本报告介绍连接反应、蛋白质与DNA信息的多模态建模方法。VenusRX通过领域预训练与约束解码实现酶促反应预测和单步逆合成；VenusRXN通过反应—蛋白质对齐支持候选酶检索与催化性能预测；ProDMM通过蛋白质—DNA联合预训练支持表达元件和通路组合优选。结合基线比较及天然产物通路挖酶、聚乳酸合成等应用，展示相关方法的性能优势与实验验证结果，为生物制造的元件与通路设计提供新工具。

特邀报告（10月18日）

王军

中国科学院微生物研究所研究员

非结构依赖的蛋白药物设计

简介

王军，德国马普进化生物学研究所博士，比利时鲁汶大学博后；2017年获得国家“千人计划”青年项目资助，同时获得由德国马普学会任命的马普合作伙伴小组组长（Max-Planck Partner Group Leader，2017-22）；2022年获得北京市杰出青年科学基金项目资助。近五年，以最后或共同通讯作者身份在Nature Biotechnology、Cell Host & Microbe等杂志发表SCI论文48篇，累计影响因子>660。主持国家“病原学与防疫技术体系研究”重点专项、国家自然科学基金委新型冠状病毒应急攻关专项等。获得2023年度中源协和生命医学“创新突破奖”和中国科学院大学领雁奖银奖（2023年度）。

摘要

AI发展在蛋白质功能解析和药物设计方向正在快速进步，以AlphaFold等为代表的蛋白结构预测方法以及对应发展起来的结构依赖的多肽配体设计也已经有较多方法和实例。但Nat Rev Drug Discovery最近发文提出：Ligand are not drugs，现有的结合蛋白设计方法仍面临结合后功能无法预测、脱靶效应无法控制等难题；我们提出不依赖结构、直接从序列出发的蛋白设计思路，在降低模型复杂度（参数减少90%以上）、算力需求的同时，实现了涵盖激动靶点这一生物学功能、同时考虑多靶点交叉反应的新蛋白药物设计方法，并且取得了one-shot和zero-shot靶点上超过30%成功率，将需要实验验证的多肽数量减少到10个以内。这一核心方法还在其他分子类型上初步实现了验证，表明非结构依赖的、序列出发的方法具有极高的可拓展性。

特邀报告（10月17日）

许锦波

分子之心创始人；国际计算生物学学会（ISCB）Fellow

AI重塑蛋白质设计：从结构预测到可编程生物工程

简介

许锦波教授，计算生物学家，分子之心创始人、国际计算生物学学会（ISCB）Fellow，是AI蛋白质结构预测领域的先行者之一。2016年开发RaptorX-Contact，率先利用深度残差网络显著提升蛋白质接触预测精度，推动蛋白质结构预测取得突破；这一技术路线也成为AlphaFold早期方法的重要基础之一。目前，他致力于融合蛋白质基础模型、物理计算与湿实验验证，推动蛋白质研究从结构预测走向可编程设计。

摘要

AI正推动蛋白质研究从结构解析走向功能设计。本报告将介绍融合蛋白质基础模型、第一性原理计算与湿实验验证的蛋白质设计体系，并展示其在抗体—抗原复合物预测、纳米抗体与环肽从头设计、多特异性抗体、条件激活药物和成药性优化等领域的应用。结合实际案例，报告将说明AI如何把海量搜索空间压缩为少量高质量实验候选，并协同优化亲和力、表达量、稳定性、纯度和治疗窗口，推动蛋白质研发从“筛选候选分子”转向“定义可编程设计空间”。

特邀报告（10月18日）

徐纯福

北京生命科学研究所（NIBS）研究员

深度学习赋能的功能蛋白质从头设计：从结合蛋白到精确组装

简介

徐纯福，北京生命科学研究所研究员，清华大学生物医学交叉研究院助理教授。复旦大学本科毕业，Emory大学博士毕业，随后在诺贝尔奖获得者David Baker教授实验室开展博士后研究。专注于蛋白质计算设计领域的研究，在具有全新结构的蛋白和多肽设计方法的开发、功能性蛋白质的从头设计等领域做出了先进的研究成果。开发的参数化α螺旋蛋白质设计方法（Science 2014）引领了领域科学进展。跨膜蛋白孔的成功设计（Nature 2020）被同行高度评价，是跨膜蛋白设计的里程碑。成功设计了小分子激活的在近红外区有荧光活性的荧光蛋白，超出了现有所有荧光蛋白的光谱范围（JACS 2026）。目前实验室研究方向聚焦于开发新的蛋白质计算设计方法并探索全新的功能性蛋白在生物技术和生物医药领域中的应用。

摘要

深度学习正在重塑蛋白质设计领域，使我们能够设计结构和功能日益复杂的蛋白质，并逐步推动这些设计走向实际应用。在本次报告中，我将结合自己的研究经历，介绍我对这一领域发展的一些认识：从早期利用 Crick 卷曲螺旋（coiled-coil）方程对螺旋束骨架进行参数化设计，到后来逐步应用基于 hallucination 和 diffusion models 的生成式蛋白质设计方法。我将主要介绍蛋白质结构预测、蛋白质骨架生成和序列设计等模型的发展如何帮助我们更高效地将设计构想转化为经过实验验证的功能蛋白。结合我们近年来的一些工作，报告将涉及蛋白质组装体、跨膜蛋白、配体结合蛋白和蛋白质结合蛋白的计算设计，并进一步讨论这些设计蛋白在治疗、诊断和合成生物学等方向中的潜在应用。

特邀报告（10月17日）

叶盛

北航医学科学与工程学院教授

从设计蛋白表达到基因智能重编码：多模态密码子生成模型逆转中心法则

简介

叶盛，北京航空航天大学医学科学与工程学院教授，中国生物物理学会副秘书长、人工智能生物学分会副主任委员，博士毕业于清华大学基础医学院，在美国霍华德·休斯医学研究所和哥伦比亚大学任双聘博士后科学家。主要以结构生物学为核心手段研究疾病分子病理机制，并开展相应的药物研发，近年来融合先进AI算法开展蛋白质等生物大分子的设计工作，开发了CUTEDGE、NatCodon等生物分子设计的深度生成模型，并已实际应用于药物开发商业项目。主持有国家科技重大专项课题、国家973计划课题、国家自然科学基金委面上项目、北京市科技计划项目等，向PDB投递蛋白质结构数据近百套，发表SCI研究论文50余篇，单篇最高引用超千次。

摘要

蛋白质设计的范式正从“天然蛋白的改造”迈向“全新蛋白的从头生成”。然而这一范式跃迁在基因层面遭遇了瓶颈：AI设计获得的蛋白质序列必须“逆翻译”为可表达的基因序列，而传统密码子优化方法的主要机制是提升密码子使用频率的统计指标，本质上是面向天然蛋白的被动适配，在AI设计蛋白的表达中成功率较低。针对这一挑战，我们提出了密码子设计（codon design）的新命题，将传统的“模板优化”重构为“从头生成”：开发了多模态密码子生成模型NatCodon，在蛋白质序列与结构信息等多重约束下，直接生成满足目标表达需求的密码子序列。意想不到的是，NatCodon不仅仅实现了“设计蛋白表达”这一初衷，还具备了“基因智能重编码”的功能。在核酸药物等实际应用案例中，NatCodon设计得到的密码子序列获得了比人源基因在人细胞中更高的表达量，推动了相关项目进入人体临床试验。进一步的机制研究表明，NatCodon设计的密码子序列并不具备更高的CAI值，也不会导致细胞产生更高水平的mRNA转录，而是通过“最优”与“非最优”同义密码子的搭配使用，控制核糖体翻译节奏，从而提高了表达蛋白质的“共翻译折叠”效率。本研究是对以核酸为起点、以蛋白质为终点的遗传信息单向传递规则（即“中心法则”）的逆向重构。其所建立的AI算法工具和全新评价指标，为设计蛋白的重组生产和天然基因的重编码都提供了新的技术框架，对合成生物学与生物制造具有重要的实际价值，同时也为我们进一步深入理解密码子使用规律提供了新的研究方向。

特邀报告（10月17日）

张寿悦

中国科学院微生物研究所研究员，国家微生物科学数据中心首席科学家

AI赋能微生物蛋白质元件挖掘

简介

张寿悦，中国科学院微生物研究所研究员，国家微生物科学数据中心首席科学家。2020年博士毕业于四川大学，随后在清华大学完成博士后训练。2024年加入中国科学院微生物研究所。致力于微生物大数据挖掘与人工智能应用研究，发现增强Cas9活性的Pro-CRISPR系统（Nature 2024），开发全球首个RNA基因编辑工具HYER系统（Science 2024），并阐明Cas12起源机制（Cell 2025），从而开发新型基因编辑工具和合成生物学元件。主持国家科技部重点研发计划项目，基金委青年科学基金项目（B类）、重大研究计划培育项目、面上项目等。入选中国科学院人才计划、北京市科技新星、北京生物结构前沿中心卓越学者。

摘要

大分子元件是生物制造产业中的核心功能模块，也是细胞工厂运行的关键分子机器。通过对微生物大分子的挖掘与开发，我们发现并创制了一系列颠覆性生物技术。报告人长期聚焦于如何从海量未知微生物大分子中发现新元件，并解析其功能与进化规律。我们通过开发全新算法，对微生物基因组开展大规模蛋白质结构-功能解析，深入探究蛋白质大分子的结构进化规律。进一步地，结合人工智能算法，我们开发了能够同步表征大分子结构与局部理化性质的人工智能模型，可对序列和结构相近但功能差异显著的大分子进行精细化功能表征，从而指导候选元件挖掘与智能创制。

会议地点

怀柔科学城城市客厅

E3报告厅，怀柔科学城城市客厅。

时间
2026年10月16–18日
地点
E3报告厅，怀柔科学城城市客厅
地址
北京市怀柔科学城永乐北一街3号院3号楼 城市客厅
怀柔科学城城市客厅喷泉广场
怀柔科学城园区航拍
怀柔科学城城市客厅夜景

住宿

周边酒店

会议注册费用不包含酒店住宿。

酒店住宿费用需自行另行支付。如在预订过程中遇到任何问题，请联系驻酒店团队代表于先生，电话：186-3066-1600。

交通

如何到达

接送车预约

10月16日 — 接至会议场地 / 怀柔万豪酒店 / 雅乐轩酒店

  • 中国科学院计算所 13:00，19:00
  • 大兴机场 13:00，16:00，20:00
  • 首都机场 13:00，16:00，20:00

10月17日 — 接至会议场地

  • 中国科学院计算所 7:00

10月18日 — 送至中国科学院计算所 / 大兴机场 / 首都机场 T3

  • 怀柔科学城 E3 报告厅外 17:30

10月19日 — 送至中国科学院计算所 / 大兴机场 / 首都机场

  • 万豪酒店 8:00
  • 雅乐轩酒店 8:00

接送报名截止：10月14日

预约接送车

公共交通到会场

北京市怀柔科学城永乐北一街3号院3号楼 城市客厅

以下为示意路线，请以高德 / 苹果地图等实时导航为准。

若从机场或火车站抵达，可查看前往会场的公共交通指引。

公共交通到会场

以下为示意路线，请以高德 / 苹果地图等实时导航为准。

  • 大兴国际机场（PKX）

    约 2–2.5 小时

    机场线 / 地铁进城后换乘前往怀柔方向，再转公交或出租至怀柔科学城城市客厅。

  • 首都国际机场（PEK）

    约 1.5–2 小时

    机场线至东直门后换乘前往怀柔方向，再转公交或出租至怀柔科学城城市客厅。

  • 北京西站

    约 1.5–2 小时

    地铁 7 / 9 号线等换乘后前往怀柔方向，再转公交或出租至会场。

  • 北京站

    约 1.5–2 小时

    地铁 2 号线换乘后前往怀柔方向，再转公交或出租至怀柔科学城城市客厅。

  • 北京南站

    约 1.5–2.5 小时

    地铁 4 / 14 号线进城换乘后前往怀柔方向，再转公交或出租。

  • 北京丰台站

    约 1.5–2.5 小时

    地铁 10 / 16 号线等换乘后前往怀柔方向，再转公交或出租。

  • 清河站

    约 1–1.5 小时

    昌平线 / 13 号线等衔接后前往怀柔方向，再转公交或出租至怀柔科学城城市客厅。通常用时较短。

大巴预约意向

本演示表单所有字段均为必填。

欢迎报名

预留席位

查看注册说明

重要日期

  • 2026年9月30日 早鸟注册截止
  • 2026年10月5日 摘要提交截止
  • 2026年10月9日 评审结果通知
  • 2026年10月14日 在线注册截止
  • 2026年10月16–18日 会议举办

酒店预订意向

本演示表单所有字段均为必填。