时间：14:00 - 15:00

地点：数学高等研究院报告厅

组织者：阮勇斌，黄德力，印焘， 宋海，周家耀

报告人：陈广勇（中国科学院杭州医学研究所）

摘要：传统的功能分子研发高度依赖高通量实验筛选，存在成本高、周期长以及受限于初始物理文库质量等瓶颈。随着生成式人工智能的发展，基于数据驱动的分子定向生成为解决上述问题提供了新的技术路径。本次汇报系统探讨如何融合多模态序列语义、物理规律约束与湿实验反馈，构建适用于小分子、蛋白质及核酸等多种功能分子的智能设计框架。汇报首先介绍针对真实数据标签噪声的鲁棒微调策略，以及基于结构-功能协同机制的评估模型，并展示其在多尺度小分子生成与蛋白质序列设计中的应用验证。在此基础上，针对核酸功能分子（如靶向适体）构象高度柔性、构效关系数据稀缺及三维结构缺失等建模难点，本汇报将重点阐述上述生成模型框架在核酸设计领域的延伸应用。研究围绕核酸特征，提出了超长序列有效信息区域标注、结合实验筛选分布的潜空间定向生成、长程结构耦合的全局逆折叠，以及适配化学修饰偏好对齐等算法方案。总结而言，本研究将不同类型分子的设计方法整合为统一的底层计算架构，构建了“预训练生成—多维评估—湿实验反馈”的闭环迭代工作流。