开始日期: 2024-06-29

　　课时安排: 7周在线小组科研学习+5周不限时论文指导学习

　　适合人群

　　适合年级 (Grade): 大学生及以上

　　适合专业 (Major): 生物信息学、计算生物学、分子生物学、基因组学、蛋白质工程、生物芯片设计、学生需要具备基本的数理统计学、生物学(基因与遗传学、蛋白质学、细胞生物学)、计算机科学基础

　　建议选修: Python编程与数据处理

　　导师介绍

　　Sorin

　　布朗大学 Brown University讲席终身正教授

　　Sorin导师是布朗大学计算和数学科学和计算机科学终身正教授，曾任布朗大学计算分子生物学中心主任。在加入布朗之前，他是 Celera Genomics 的高级主管和信息学研究负责人，他们共同撰写了 2001 年的科学论文“人类基因组的序列”，该论文迄今为止被引用超过 12,000 次，是最重要的论文之一。引用的科学论文。 2003 年，他加入了应用系统科学研究员的行列，这是一家拥有 800 名科学家的公司中仅有的六名科学研究员之一。 2000年，他获得了统计力学中一个 50 年前未解决的问题，三维 Ising 模型问题的否定解(计算难点)。该工作被列入美国能源部前 25 年最重要的 100 项发现，并作为美国能源部在高级科学计算方面的第 7 项顶级成就。 Sorin教授的研究重点是算法和计算复杂性以及统计物理学。他是计算生物学杂志的主编，他是 RECOMB 会议系列的联合创始人，麻省理工学院出版社计算分子生物学系列的联合编辑和 Springer-Verlag 讲座笔记的联合编辑在生物信息学系列。

　　任职学校

　　布朗大学(Brown University)创立于1764年，是全美第七古老的大学，坐落在美国罗得岛州首府普罗维登斯市，是一所享誉世界的顶级私立研究型大学，闻名世界的八所常春藤联盟成员，北美顶尖大学学术联盟美国大学协会成员。布朗大学在2020年U.S.News美国大学综排Top14。

　　项目背景

　　蛋白质折叠问题是生物学中的一个重大挑战，它探索如何蛋白质链通过折叠达到功能状态。自Anfinsen提出热力学假说以来，科学家们一直在探究蛋白质如何从一维序列折叠成三维功能结构。这一研究对于理解疾病机理、药物开发及生物工程有着重要意义。

　　项目介绍

　　本课程将带领学生深入了解蛋白质折叠的基础理论、预测算法和应用实践。通过探索蛋白质结构的基本原理、折叠过程中的能量景观、以及各种模型和预测方法，学生将学会如何应用这些知识于生物医学研究。课程内容涵盖从蛋白质二级结构预测到深度学习在蛋白质折叠预测中的应用，旨在培养学生在生物信息学、药物设计和精准医疗领域的研究能力。

　　项目大纲

　　基础蛋白质结构：探索蛋白质的主要结构单元、折叠及其灵活性。Basic Protein Structure: Exploration of primary structural units, folding, and flexibility.

　　蛋白质折叠问题：研究蛋白质如何折叠成其功能形态。Protein Folding Issue: Study of how proteins fold into their functional forms.

　　蛋白质家族分类：涵盖SCOP, CATH, Pfam分类系统。Protein Family Classification: Covering classification systems like SCOP, CATH, Pfam.

　　蛋白质折叠理论：介绍热力学假说与Levinthal悖论。Protein Folding Theory: Introduction to thermodynamic hypothesis and Levinthal paradox.

　　分子相互作用：分析折叠过程中的分子间相互作用。Molecular Interactions: Analysis of intermolecular interactions during folding.

　　蛋白质结构预测竞赛：介绍CASP国际竞赛。Protein Structure Prediction Competition: Introduction to the CASP competition.

　　结构预测算法：探讨同源模建、从头预测等方法。Structure Prediction Algorithms: Discussion on homology modeling, ab initio prediction, etc.

　　力场最小化：研究力场、统计势、蒙特卡罗模拟。Minimization of Force Fields: Study on force fields, statistical potentials, Monte Carlo simulations.

　　深度学习应用：介绍深度学习在蛋白质折叠预测中的角色。Application of Deep Learning: Introduction to the role of deep learning in protein folding prediction.

　　项目回顾与成果展示：总结课程学习成果，并指导学生完成论文。Program Review and Presentation: Summarize learning outcomes and guide students in completing their papers. Project Deliverables Tutoring.

　　项目收获

　　7周在线小组科研学习+5周不限时论文指导学习 共125课时

　　项目报告

　　优秀学员获主导师Reference Letter

　　EI/CPCI/Scopus/ProQuest/Crossref/EBSCO或同等级别索引国际会议全文投递与发表指导(可用于申请)

　　结业证书

　　成绩单