CCF YOCSEF青岛技术论坛“智能蛋白计算与智能药物发现技术的继承与革新”将于2025年1月11日（周六）上午8:30在银河电子游戏1331图书馆（东馆）二会议室举办。相关内容如下：

  报告主题：结构预测的进展与机遇

AlphaFold2基本解决了蛋白质单体结构预测问题，因此获得了2024年诺贝尔化学奖。然而，结构预测依然存在诸多挑战，包括复合物结构预测、动态结构预测、核酸结构预测等。本报告中，我将简要介绍结构预测的进展与机遇。

  报 告 人：杨建益，山东大学教授、博导，国家杰出青年基金获得者。

研究方向为蛋白质与RNA结构预测。在Nature Methods、PNAS等期刊发表论文70余篇。主持基金委重点项目，曾获天津市自然科学奖一等奖，在第15、16届国际蛋白质结构预测竞赛中蝉联冠军。

  报告主题：面向药物发现的多模态表示学习

药物发现是一个复杂且数据驱动的过程，涉及化合物分子结构、靶点蛋白序列、药物生物活性和临床数据等多模态信息。这些异构数据的协同分析对于药物研发至关重要。本报告聚焦于多模态表示学习在药物发现中的应用，探讨如何利用深度学习技术整合和挖掘多模态数据的潜在价值。

  报 告 人：章文，华中农业大学教授，博导，信息学院副院长。

研究方向为人工智能药物发现。组织编写并发布2022年人工智能学会系列白皮书之《人工智能与药物发现》。成果发表于AAAI、IJCAI等人工智能顶会，担任Briefings in Bioinformatics等杂志编委，Nature Biomedical Engineering等期刊审稿人。

  报告主题：基于深度学习的RNA-蛋白质相互作用预测研究

近年来，随着人工智能和生物信息学的快速发展，高通量蛋白质组学数据挖掘研究已成为国内外生物信息学研究的热点和学科前沿。RNA-蛋白质相互作用 (RPI) 预测是生物信息学和蛋白质组学的研究热点之一。RPI在细胞运动、染色体复制、转录与翻译和信号传导等基本细胞生理过程中发挥着重要作用，其机能失调是导致神经性疾病、癌症、免疫紊乱等疾病的原因。预测RPI可以为细胞生物学功能探索、疾病干预和药物设计提供指南，对生命科学、医学和信息科学的发展具有重要意义。传统的高通量技术在分析这些大数据时费时费力、准确率低，迫切需要大力发展先进的RPI预测方法，拓展对蛋白质功能的理解。本报告主要包括三个方面的内容：(1) 基于Stacking集成深度学习的RNA-蛋白质相互作用预测；(2) 基于生成式对抗胶囊网络和卷积注意力的RNA-蛋白质相互作用预测；(3) 基于可解释性的门控图卷积神经网络与协正则化变分自编码器的RNA-蛋白质相互作用预测。

  报 告 人：于彬，青岛科技大学教授，生物医学大数据团队负责人。

主要从事生物信息学、人工智能与生物医学大数据挖掘的交叉研究。以第一/通讯作者发表论文90余篇。主持及承担省部级以上项目26项，连续三年入选全球前2%顶尖科学家榜单。

  报告主题：AlphaFold2诺奖头功归于学术探索的深耕细作，还是产业力量的资源整合？

  报 告 人： 刘东屏，CCF YOCSEF 香港 AC 副主席亚马逊云科技教育行业总监

长期专注于高等教育科研领域的行业动态、解决方案落地实践，在人工智能、深度学习、高性能计算等专业科研场景中，有落地解决方案的经验。发表研究论文30篇、授权专利10余项、授权软件著作权、授权集成电路布图、授权实用新型若干项。

  报告主题：智能生物医药是小模型的百家争鸣还是大模型的一统天下?

  报 告 人：李臻，青岛大学副教授、博导，智能科学与技术系主任。

研究方向为智能药物设计、可解释机器学习模型。主持国家自然科学基金面上项目等，发表高水平论文50余篇，获山东省科技进步一等奖。

  报告主题：以AlphaFold系列为代表的AI4Science技术是否会改变科学研究的传统范式?

  报 告 人： 张媛媛，青岛理工大学副教授，信息与控制工程学院副院长。

主要从事生物多组学数据分析、智慧药物等的交叉研究。主持国家自然科学基金1项，山东省自然科学基金2项，以第一/通讯作者发表论文40余篇，担任IEEE TNNLS等期刊审稿人。