讲座通知丨白芳：基于人工智能的药物设计方法

发布者：何靖宇发布时间：2024-10-14浏览次数：14

题  目：基于人工智能的药物设计方法

报告人：白芳 研究员

主持人：胡乔宇 副研究员

时  间：10月16日14:00-15:30

地  点：腾讯会议：443-987-1094，密码：241016；会议链接：https://meeting.tencent.com/p/4439871094


报告人简介：

白芳，2019年底加入上海科技大学免疫化学研究所任研究员、博士生导师、课题组组长。国家海外高层次青年人才获得者。2009年获大连理工大学化工学院本科，2014年获大连理工大学/中国科学院上海药物研究所联合培养博士，2014-2019年美国莱斯大学博士后，2019年美国德克萨斯大学休斯顿健康科学中心助理教授。她具有生物、化学、药学、计算机科学与生物物理等多学科教育与研究背景，以发展药物设计新计算方法为主，并致力于新药设计与药物作用机制等研究应用课题，开发药物设计相关计算方法和软件10余个，申请软件著作权2项，专利15项；发表SCI学术论文80余篇，其中在PNAS、Nat. Commun.、Adv. Sci.、Chem. Sci.、Nucleic Acids Resi.等期刊以第一作者或者通讯作者发表学术论文38篇；连续入选年度全球前2%科学家排名榜单。任中国化学会计算（机）化学专业委员会专委，中国生物信息学会(筹)生物信息与药物发现专委会专委，中国中西医结合学会口腔医学专业委员会常务委员。分别担任JACS au,Fundamental Research, Nexus青年编委。常年担任PNAS、Nat. Commun.、JMC、APSB、Science Bulletin、Briefings in Bioinformatics等20多种期刊的审稿人。

报告内容简介：

基于人工智能的药物设计

上海科技大学 白芳

近年来，人工智能在药物研发领域取得了令人瞩目的技术飞跃。从传统的计算机辅助药物设计，到如今深度学习与生成式AI等前沿技术的深度融合，AI在加速药物靶标识别、优化药物分子设计、以及高效化合物筛选等方面展现出了前所未有的潜力。本次报告将介绍我们课题组近期在基于AI的生物分子1与药物化合物小分子表征2、药物分子生成3、药效预测4-6及可合成性评估7等关键技术上取得的一些进展。这些新技术方法的出现也表明药物研发从依赖传统先导化合物筛选的范式，逐步在迈向由生成式AI驱动的分子创造性设计的全新路径。

参考文献

  1. Yao Hu#, Hao Yang#, Mingwei Li, Zhicheng Zhong, Yongqi Zhou,Fang Bai* and Qian Wang*. Exploring Protein Conformational Changes Using a Large-scale Biophysical Sampling Augmented Deep Learning Strategy",Advanced Science, 2024. DOI：10.1002/advs.202400884. (In press)

  2. Lin Wang, Shihang Wang, Hao Yang, Shiwei Li, Xinyu Wang, Yongqi Zhou, Siyuan Tian, Lu Liu,Fang Bai*. Conformational Space Profiling Enhances Generic Molecular Representation for AI-powered Ligand-based Drug Discovery.Advanced Science. 2024, 29:e2403998

  3. Fenglei Li#, Qiaoyu Hu#, Yongqi Zhou, Hao Yang,Fang Bai*. DiffPROTACs is a deep learning-based generator for Proteolysis Targeting Chimeras.Brief Bioinform, 2024, 25(5), bbae358.

  4. Chao Xu#, Xianglei Zhang#, Lianghao Zhao, Gennady M. Verkhivker, and Fang Bai*. Accurate Characterization of Binding Kinetics and Allosteric Mechanisms for the HSP90 Chaperone Inhibitors Using AI-Augmented Integrative Biophysical Studies. JACS Au, 2024, 4, 4, 1632–1645

  5. Zongquan Li, Pengxuan Ren, Hao Yang, Jie Zheng,Fang Bai*. TEFDTA: A Transformer Encoder and Fingerprint Representation Combined Prediction Method for Bonded and Non-Bonded Drug-Target Affinities.Bioinformatics.2023, btad778.

  6. Fenglei Li#, Qiaoyu Hu#, Xianglei Zhang#, Renhong Sun#, Zhuanghua Liu#, Sanan Wu, Siyuan Tian, Xinyue Ma, Zhizhuo Dai, Xiaobao Yang*, Shenghua Gao*, Fang Bai*. DeepPROTACs is a deep learning-based targeted degradation predictor for PROTACs. Nature Communications. 2022, 13: 7133.

  7. Shihang Wang#, Lin Wang#, Fenglei Li,Fang Bai*. DeepSA: a deep-learning driven predictor of compound synthesis accessibility.Journal of Cheminformatics. 2023. 15, 103.