距开幕 — 天 — 时 — 分 — 秒
EN 报名

日程

研究生论坛

面向青年研究者展示人机协同科研项目的舞台，主题为 “One month, one project”。

返回首页

研究生论坛为主会议程的一部分，安排在 10 月 17 日 15:50–17:20 与 10 月 18 日 14:40–15:30。下方名单列出每位汇报者的姓名、学校与 Topic。

演讲嘉宾

10月17日

  • 基于AI模型与高通量实验的人类核酸结合蛋白系统性挖掘研究

    李凯航

    中国科学院大学动物研究所

  • 利用高通量显微镜和深度学习，从临床标本中快速、单细胞水平地鉴定 ESKAPE 病原体

    张旭东

    中国科学院大学微生物研究所

  • 抗体抗原复合物结构建模

    王苏慧

    浙江工业大学

  • 面向大型蛋白复合物结构预测的整合建模方法

    姚轩

    华中科技大学物理学院

  • AI赋能的蛋白质材料设计研究

    王志豪

    东北大学

  • 解码AlphaFold“黑箱”：蛋白质复合体组装的“几何优先于共进化”原则

    李双君

    华中科技大学物理学院

  • 以分子动力学模拟为指导、结合实验验证的PcncAAAD钙离子激活机制研究

    李天杰

    香港中文大学

10月18日

  • 我们能否操控Alphafold3的嵌入空间？一项由智能体引导的多构象蛋白定向结构预测探索

    黄恒焱

    南京大学物理学院

  • ComplexDesign：可桥接多个靶蛋白的蛋白质结合物序列幻觉设计

    徐京

    中国科学院大学交叉学院

  • 蛋白质研发智能体的认知推理

    谭扬

    上海交通大学 & 上海创智学院

  • qcGEM：一种量子化学感知的分子图表示方法

    王昊宇

    清华大学生命科学学院

李凯航

中国科学院大学动物研究所

基于AI模型与高通量实验的人类核酸结合蛋白系统性挖掘研究

摘要

核酸结合蛋白是一类能够特异性识别并结合DNA或RNA分子的功能蛋白，广泛参与基因转录调控、RNA剪切修饰、基因组稳定性维持等核心生物学过程，在细胞稳态、发育分化以及疾病发生发展中扮演着关键角色。除此之外，部分核酸结合蛋白还可开发为基因编辑、核酸检测、转录调控等生物技术工具，在合成生物学与分子诊断领域具备重要应用潜力。尽管已有大量核酸结合蛋白被注释，但人类基因组中仍存在大批尚未被系统鉴定的潜在核酸结合蛋白，受传统生化实验通量与检测灵敏度限制，依靠传统筛选手段难以实现大规模挖掘。随着人工智能尤其是蛋白‑核酸生成建模技术的发展，为从蛋白序列、结构层面预测潜在核酸结合能力提供了全新思路，依托AI模型开展候选分子的初筛，能够极大缩小候选范围，弥补传统筛选方法的短板。单纯计算预测存在假阳性偏高的固有缺陷，因此需要与高通量生化实验紧密耦合，通过高通量实验对AI输出的候选蛋白开展大规模结合活性验证，实现从计算预测到实验证实的闭环。该整合策略有望系统性发掘人类新型核酸结合蛋白，既有助于解析基因调控网络、挖掘疾病相关功能因子，也可为开发新型生物技术工具蛋白储备优质候选资源。

张旭东

中国科学院大学微生物研究所

利用高通量显微镜和深度学习，从临床标本中快速、单细胞水平地鉴定 ESKAPE 病原体

摘要

Rapid and accurate pathogen identification is critical for sepsis and severe respiratory infections, but current clinical workflows remain slow and resource-intensive. We developed an automated high-throughput imaging platform based on clinically accessible bright-field microscopy and generated a dataset of 24.9 million label-free bacterial cells from six key pathogens. Using this resource, we trained a neural network (ESKAPe-ResNet) to identify ESKAPe species at the single-bacterium level and in clinical samples, achieving high species-level accuracy and specificity. In sputum, bronchoalveolar lavage fluid, and blood samples, the model correctly identified the dominant ESKAPe pathogen in most samples after minimal broth culture enrichment. With brief cultivation, the median time to accurate identification was reduced to 5–6 hours, compared with days for conventional blood culture. Validation on an independent microscope and clinical samples confirmed robust performance. This work establishes proof-of-principle for label-free, hardware-minimal rapid pathogen identification and provides a clinically deployable workflow to expedite diagnosis and reduce mortality in severe bacterial infections.

姚轩

华中科技大学物理学院

面向大型蛋白复合物结构预测的整合建模方法

摘要

蛋白复合物的三维结构对于解析蛋白质相互作用机制及其生物学功能具有重要意义。然而，当应用于包含多条蛋白链的大型复合物时，现有结构预测方法往往面临预测精度下降、计算资源受限以及在不同规模和对称体系下的泛化能力不足等问题。针对上述问题，我们提出了整合分子对接和组装算法的多体蛋白复合物结构预测框架HDOCK-Multimer（HDM）。HDM可以根据目标复合物的同源关系、链数量以及成对对接结果，自适应地搭配非对称对接、对称对接和组合组装三类建模策略，并结合知识驱动的IT-score对候选结构进行打分和排序。大规模基准测试表明，与现有方法相比，HDM的结构预测精度以及在不同复合物规模和对称类型下的泛化能力均表现出明显优势。本研究表明，融合不同建模策略并充分发挥其互补优势，为提升大型蛋白复合物结构预测的准确性和可扩展性提供了一种新的思路。

王志豪

东北大学

AI赋能的蛋白质材料设计研究

摘要

蛋白材料生物相容性佳、可编辑、性能优异，应用前景广泛。传统开发依赖天然蛋白改造，难以按需定制。AI打通了蛋白质从头设计计算链路，但在蛋白材料的形态控制、制备、性能预测等方面仍存在短板。本文以兼具稳定有序特征的β‑Solenoid结构为切入点，将多分子组装问题转化为单分子折叠问题，探讨AI驱动蛋白材料设计的现存挑战，为高性能蛋白材料研发提供思路。

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