名师讲座
报告题目：深度学习分子模拟
报告时间：2023-04-23 10:00
报告人： 高毅勤 教授
北京大学
报告地点：思明校区化学报告厅
翔安校区能源材料大楼3号楼会议室5（转播）
漳州校区生化主楼307教室（转播）
报告摘要：
在本报告中，我们将以针对特定疾病，特别是癌症的靶点发现和药物设计的计算需求出发，介绍课题组在分子模拟方向的方法发展。一方面，以Alphafold2为代表的深度学习模型和算法显著提高了人们通过计算预测蛋白结构的能力。这些方法的发展为更深入和快速的下游应用提供了新机会。为了更方便进一步在相关方向发展方法，我们和合作者基于全国产软硬件（昇腾+昇思）框架的蛋白结构人工智能模型的复现和从头训练。在获得全新checkpoint的基础上，MSA生成式模型的引入帮助降低序列搜索的计算资源需求，而且在加速推理过程的同时有助于改善对少MSA甚至是孤儿序列蛋白的结构预测能力。进一步，通过引入特定的物理限制，蛋白结构预测模型可以用来增强和加速NMR解析蛋白结构流程，并帮助获得单个蛋白的多个构象。在下游应用中，我们也发现深度学习药物分子结合位点搜索和基于打分的结合能力评估两种方法结合起来，可以提高对蛋白质/小分子复合物结构的预测效率。我们尝试将这些结构预测和小分子筛选方法应用于与疾病相关的靶点验证中，希望可以帮助建立利用计算模拟加速靶点发现和对应药物研发进程的研究平台。另一方面，基于力场的分子模拟在化学、材料和生命体系中有着越来越广泛的应用，但是在针对复杂体系的应用中，它还有如精度低、计算慢、收敛不稳定等瓶颈问题需要解决。在本报告中，我们还将介绍针对分子模拟模拟中瓶颈问题的一些尝试性解决方案。我们将以在水冰相变、金属催化有机化学反应、离子的溶剂化、电极过程动力学等体系中的应用为例阐述这些理论和计算方法的具体应用。
报告人简介：
高毅勤，北京分子科学国家研究中心副主任，北京大学生物动态光学成像中心研究员，国家高层次人才。1993年本科毕业于四川大学化学系，1996年在中科院化学所获得硕士学位， 2001年获得加州理工学院博士学位。2001年－2004年间在加州理工学院和哈佛大学做博士后研究。2005年-2009年，美国得克萨斯农工大学化学系助理教授。2010-现今，北京大学化学与分子工程学院教授。他的研究领域是理论和计算化学。致力于发展理论与计算方法研究染色质结构和生物功能，生物分子的溶液构象，生物酶催化机制和化学反应中的溶剂化效应。已在Science, Cell, PNAS, JACS等杂志发表SCI论文150余篇。在国际和国内学术会议上和科研机构做大会和邀请报告150余次。曾获Pople Medal, 日本化学会Keynote Lecturer奖，美国Searle Scholar，Dreyfus新教授奖和Clauser Prize等。担任Journal of Chemical Theory and Computation副主编以及ACS Central Science, Chemistry of Materials, Journal of Chemical Physics，Interdisciplinary Sciences, 物理化学学报等期刊的编委。
欢迎老师同学们积极参加！
beat365官方网站
固体表面物理化学国家重点实验室
