幫助中心 | 我的帳號 | 關於我們
進階搜尋
car

同類熱銷排行榜

最近瀏覽的商品

AI抗體設計(從入門到精通)(精)

  • 作者：編者:馮志煒//薛穎|責編:楊燕玲
  • 出版社：化學工業
  • ISBN：9787122503251
  • 出版日期：2026/09/01
  • 裝幀：精裝
  • 頁數：263
人民幣：RMB 158 元      售價：元
放入購物車
加入收藏夾
內容大鋼
    本書是一部系統闡述人工智慧技術在抗體藥物研發領域前沿應用的工具書。本書旨在帶領讀者從基礎理論出發，逐步掌握AI驅動抗體設計的核心技術與實踐方法，最終助力讀者從入門到精通。
    全書內容層層遞進，首先詳細解析了如何利用AlphaFold、RoseTTAFold等先進工具進行抗體/抗原的精準結構建模，為後續設計奠定基礎。隨後，深入探討了抗原-抗體結合模式的預測策略，涵蓋了ClusPro、AF2Complex及最新的AlphaFold3等關鍵平台的使用與解析。在序列設計核心環節，本書重點剖析了信息傳遞網路及其在抗體領域的專用模型AntiBMPNN，以及顛覆性的擴散模型，指導讀者實現從序列優化到蛋白質骨架從頭設計的跨越。此外，本書專設章節詳解了AI在抗體人源化設計與親和力成熟方面的突破性進展，介紹了如BioPhi、GearBind等實用工具，有效解決藥物開發的免疫原性與效能瓶頸。最後，前瞻性地探討了如ChatGPT/DeepSeek等大型語言模型在輔助科研腳本編寫與數據處理中的創新應用。
    本書兼顧理論深度與實操性，案例典型，步驟詳實，可供生物信息學、計算生物學以及抗體藥物研發領域的科研人員與從業者參考。
作者介紹
編者:馮志煒//薛穎|責編:楊燕玲
目錄
第1章  傳統抗體設計、電腦輔助抗體設計及AI抗體設計
  1.1  抗體簡述
  1.2  抗體類型
    1.2.1  單克隆抗體
    1.2.2  納米抗體
    1.2.3  抗體偶聯藥物
    1.2.4  雙特異性抗體
    1.2.5  三特異性抗體
  1.3  傳統抗體設計的主要技術
    1.3.1  基於體內免疫的方法
    1.3.2  基於體外展示的篩選方法
    1.3.3  基於單細胞分析的方法
    1.3.4  基於原生B細胞庫的抗體篩選方法
    1.3.5  抗體人源化
    1.3.6  親和力成熟
  1.4  電腦輔助抗體設計
    1.4.1  抗體/抗原的結構建模
    1.4.2  抗體與抗原結合位點的預測
    1.4.3  抗原-抗體複合物結構預測
    1.4.4  抗體人源化
    1.4.5  抗體親和力提升
  1.5  AI輔助抗體設計
    1.5.1  全新設計CDR
    1.5.2  CDR1、CDR2、CDR3綜合優化
    1.5.3  AI模型生成序列
    1.5.4  AI抗體人源化設計
    1.5.5  AI抗體親和力成熟
  1.6  本章結語
第2章  抗體/抗原的結構建模
  2.1  同源建模的技術原理
    2.1.1  同源建模的具體方法和流程
    2.1.2  同源建模的優勢與局限性
    2.1.3  深度學習驅動的結構建模：AlphaFold與RoseTTAFold
  2.2  SWISS-MODEL
    2.2.1  模板搜索和選擇過程
    2.2.2  模型構建過程
    2.2.3  結構評估與驗證
    2.2.4  模型優化與序列疊合問題
  2.3  RoseTTAFold
    2.3.1  核心技術原理
    2.3.2  在線預測步驟
  2.4  AlphaFold
    2.4.1  核心功能及原理
    2.4.2  已知的AlphaFold預測結構
    2.4.3  在線使用AlphaFold2/3進行預測
  2.5  本章結語
第3章  抗原-抗體結合模式預測
  3.1  蛋白質-蛋白質結合模式預測的原理
    3.1.1  蛋白質-蛋白質對接的原理
    3.1.2  蛋白質-蛋白質對接的詳細流程

    3.1.3  構象搜索與評分
    3.1.4  結果優化與驗證
    3.1.5  AlphaFold在蛋白質-蛋白質對接中的應用
    3.1.6  蛋白質-蛋白質對接的工具與軟體
  3.2  ClusPro
    3.2.1  演算法概述及工作原理
    3.2.2  伺服器（網站）的使用方法與步驟
    3.2.3  技術優勢
    3.2.4  局限性
  3.3  AlphaFold Server
    3.3.1  概述
    3.3.2  使用方法與步驟
  3.4  AF2Complex
    3.4.1  概述
    3.4.2  下載AF2Complex
    3.4.3  下載遺傳資料庫
    3.4.4  下載其他組件
    3.4.5  案例演示1：gp120與J3用AF2Complex建模
    3.4.6  案例演示2：利用AF2Complex進行CD276與抗體庫的篩選
  3.5  AlphaFold
    3.5.1  AlphaFold3的本地安裝
    3.5.2  AlphaFold3運行
    3.5.3  AlphaFold3的結果解讀
    3.5.4  AlphaFold3進行CD276與抗體庫的篩選
  3.6  本章結語
第4章  信息傳遞神經網路蛋白質序列設計
  4.1  MPNN的原理及框架
    4.1.1  原理
    4.1.2  框架
  4.2  ProteinMPNN的搭建及調試
    4.2.1  環境準備
    4.2.2  克隆項目並創建運行環境
    4.2.3  輸入文件格式
    4.2.4  運行示例
  4.3  ProteinMPNN的主要功能代碼
    4.3.1  示例代碼
    4.3.2  幫助腳本
  4.4  ProteinMPNN的結果解析
    4.4.1  訓練和測試結果
    4.4.2  ProteinMPNN的實驗驗證
    4.4.3  ProteinMPNN結果解讀
  4.5  本章結語
第5章  AntiBMPNN抗體序列設計
  5.1  訓練集的採集及處理
    5.1.1  下載抗體/納米抗體的結構
    5.1.2  清理數據
    5.1.3  去掉重複數據
  5.2  訓練集從.pdb到.pt格式轉換的處理過程
    5.2.1  將.pdb轉換為.cif格式
    5.2.2  通過GitHub下載PDBX

    5.2.3  使用Bash腳本轉化為.pt文件
  5.3  訓練數據的構建
  5.4  抗體數據集的訓練策略及步驟
  5.5  參數的調整
  5.6  骨架雜訊對模型輸出結果的影響
  5.7  AntiBMPNN架構與訓練性能
  5.8  納米抗體及抗體的序列恢復度
  5.9  AntiBMPNN的打分函數
  5.10  本章結語
第6章  AntiBMPNN及RFantibody
  6.1  AntiBMPNN的部署及測試
    6.1.1  安裝說明
    6.1.2  設計新的抗體序列
  6.2  基於實驗數據的AntiBMPNN與現有抗體序列設計方法的比較分析
  6.3  RFantibody
    6.3.1  RFantibody的安裝及部署
    6.3.2  運行antibody_pdbdesign_modi.sh進行CDR設計
    6.3.3  ProteinMPNN進行序列設計
    6.3.4  RF2評估並篩選獲選序列
    6.3.5  HLT文件格式
  6.4  本章結語
第7章  擴散模型蛋白質序列從頭設計
  7.1  擴散模型的原理及框架
    7.1.1  擴散模型的擴散框架
    7.1.2  預測過程
    7.1.3  加噪與去噪過程
    7.1.4  損失函數計算
    7.1.5  自條件化訓練技巧
  7.2  RFdiffusion的搭建及調試
    7.2.1  克隆RFdiffusion倉庫
    7.2.2  下載模型權重文件
    7.2.3  安裝SE3-Transformer
    7.2.4  獲取PPI支架示例
    7.2.5  運行擴散腳本
    7.2.6  基本執行-無條件單體設計
    7.2.7  圖案支架構建
    7.2.8  部分擴散
    7.2.9  結合體設計
    7.2.10  結合體設計的實際考慮
    7.2.11  對稱寡聚物的生成
    7.2.12  Docker
  7.3  RFdiffusion的案例解析
    7.3.1  無條件蛋白質單體生成
    7.3.2  高階對稱寡聚體生成
    7.3.3  功能位點支架設計
    7.3.4  蛋白質與?結合體從頭設計
  7.4  本章結語
第8章  抗體序列人源化AI設計
  8.1  抗體人源化的概述
    8.1.1  AI抗體人源化設計的原理

    8.1.2  抗體人源化設計的主要流程及步驟
    8.1.3  人工智慧輔助抗體人源化工具
  8.2  BioPhi人源化設計平台
    8.2.1  技術原理
    8.2.2  應用
    8.2.3  平台特點
    8.2.4  演算法框架
    8.2.5  在線平台
  8.3  CUMAb抗體人源化與智能設計平台
    8.3.1  概述
    8.3.2  應用與功能
    8.3.3  平台特點
    8.3.4  演算法框架
    8.3.5  在線平台
  8.4  HuDiff基於深度學習的抗體人源化工具
    8.4.1  簡介
    8.4.2  Conda環境
    8.4.3  HuDiff-Ab的搭建及模型訓練
    8.4.4  人源化設計
  8.5  本章結語
第9章  AI抗體親和力成熟度
  9.1  抗體親和力成熟的概述
    9.1.1  體外親和力成熟的需求與意義
    9.1.2  體外親和力成熟的實驗方法與技術挑戰
    9.1.3  計算方法在親和力成熟研究中的應用
    9.1.4  數據限制與AI模型的進展
    9.1.5  AI驅動的親和力成熟案例及啟示
  9.2  親和力成熟度計算的原理
    9.2.1  親和力的定義與理論基礎
    9.2.2  分子模擬中的計算方法
    9.2.3  統計能量函數
    9.2.4  基於人工智慧的計算方法
    9.2.5  親和力成熟的優化策略
    9.2.6  實驗驗證與反饋迭代
  9.3  AntiBERTy
    9.3.1  概述
    9.3.2  技術框架
    9.3.3  工作原理
    9.3.4  在親和力成熟中的應用
    9.3.5  安裝
  9.4  GearBind
    9.4.1  GearBind模型的設計與多層次幾何信息傳遞
    9.4.2  自監督預訓練與泛化能力增強
    9.4.3  模型性能與架構設計分析
    9.4.4  集成模型的優勢與貢獻分析
    9.4.5  HER2結合體測試集上的表現
    9.4.6  CR3022和anti-5T4 UdAb的親和力成熟實驗
    9.4.7  GearBind安裝及應用
  9.5  本章結語
第10章  ChatGPT/DeepSeek在抗體設計中的應用

  10.1  ChatGPT的概述
  10.2  ChatGPT的原理
    10.2.1  Transformer架構
    10.2.2  預訓練和微調
    10.2.3  自注意力機制
    10.2.4  文本生成和調節層
    10.2.5  模型參數和擴展性
    10.2.6  應用與限制
  10.3  Ollama、vLLM及DeepSeek的安裝與使用
    10.3.1  安裝WSL（Windows Subsystem for Linux）
    10.3.2  進入WSL環境並設置根目錄
    10.3.3  下載Ollama平台
    10.3.4  啟動和管理Ollama
    10.3.5  下載DeepSeek模型
    10.3.6  安裝圖形界面Open WebUI
    10.3.7  vLLM+Open WebUI
  10.4  ChatGPT/DeepSeek在抗體數據處理中的腳本生成及解析
    10.4.1  單個請求的ChatGPT/DeepSeek生成腳本
    10.4.2  多次請求生成並修改腳本
    10.4.3  ChatGPT/DeepSeek生成的.cif.gz分類文件
    10.4.4  ChatGPT/DeepSeek生成統計.pdb文殘基數量並移動特定文件
    10.4.5  ChatGPT/DeepSeek生成統計.pdb文殘基數量並複製符合條件的文件
    10.4.6  ChatGPT/DeepSeek生成腳本將抗體的數據集隨機分割為訓練、驗證和測試集
    10.4.7  ChatGPT/DeepSeek生成讀取日誌文件並繪製訓練與驗證曲線以比較困惑度
    10.4.8  ChatGPT/DeepSeek生成讀取日誌文件並繪製訓練與驗證曲線以比較準確率
    10.4.9  ChatGPT/DeepSeek生成統計.pdb文殘基數量並移動特定文件
    10.4.10  ChatGPT/DeepSeek生成SeqLogo的圖片
    10.4.11  ChatGPT/DeepSeek生成腳本來處理.fas文件到.json文件以便進行AlphaFold
  10.5  本章結語

  • 商品搜索：
  • | 高級搜索
首頁│ 新手上路│ 客服中心│ 關於我們│ 聯絡我們│ Top↑│
Copyrightc 1999~2008 美商天龍國際圖書股份有限公司 臺灣分公司. All rights reserved.
營業地址:臺北市中正區重慶南路一段103號1F 105號1F-2F
讀者服務部電話：02-2381-2033 02-2381-1863　時間：週一-週五 10:00-17:00
　服務信箱：bookuu@69book.com 客戶、意見信箱:cs@69book.com
ICP證：浙B2-20060032