北京大學定量生物學中心/生命科學聯合中心

學術報告  

題    目: Beyond AlphaFold2: From Structure Prediction to Distribution Prediction

報告人: 劉海廣研究員 & 鄭書新研究員

微軟研究院科學智能中心 AI4Science

時  間: 11月23日（周四）13:00-14:30

地    點: 呂志和樓B101

主持人: 毛有東 教授

摘要:

微軟研究院科學智能中心(AI4Science)是2022年7月成立的新型使命驅動的科研部門，針對自然科學研究領域重大挑戰性問題開發AI方法的研究機構。本次報告包含兩部分内容，第一部分是分享微軟研究院AI4Science在生命科學相關研究領域的最新進展概況，重點介紹蛋白質性質研究和藥物發現的方法。第二部分圍繞蛋白質結構分布預測，詳細介紹AI生成方法Distributional Graphormer的實現和應用。

自AlphaFold2以來，深度學習的進步極大地提高了分子結構的預測能力。然而，對于現實世界的應用而言，許多重要的宏觀觀測并不是單一分子結構的函數，而是由結構的平衡分布決定的。獲得這些分布的傳統方法，如分子動力學模拟，計算成本高昂，往往難以處理。本次講座中将介紹Distributional Graphormer（DiG），一種新穎的直接預測分子系統的平衡分布。DiG巧妙地利用了Generative AI的技術，既解決了AlphaFold2等工作無法得到分布信息的問題，也解決了動力學模拟昂貴耗時的問題。我們在幾個分子任務上展示了DiG的性能，包括蛋白質構象采樣、配體結構采樣、催化劑-吸附劑采樣和性質引導的結構生成。DiG在統計理解分子系統的方法上取得了重要進展，為分子科學研究開辟了新的機會。

報告人簡介：

劉海廣博士，微軟研究院AI4Science首席研究員。2009年博士畢業于加州大學戴維斯分校，曾在美國能源部勞倫斯伯克利國家實驗室、亞利桑那州立大學和北京計算科學研究中心工作。研究内容包括蛋白質結構、動力學、藥物與蛋白質相互作用等領域，發表 70 多篇期刊論文。

鄭書新博士于微軟研究院AI4Science擔任首席研究員一職，并領導科學基礎模型研究項目。他的研究興趣涵蓋通用AI與生成式AI，以及它們在科學領域的應用。他帶領團隊多次在科學智能(AI for Science)主題的國際競賽中奪冠，并在頂級人工智能或科學期刊上發表20餘篇論文，引用超過2000次。鄭書新研究員長期擔任國際頂級AI會議與期刊審稿人，并在清華大學、中科院和微軟人工智能學院等擔任客座講師，講授《機器學習方法與應用基礎》和《高等機器學習》等課程。