通过设计特定的蛋白质结构，可以实现预期的生物功能，如催化特定化学反应、识别和结合特定分子、调控生物信号传导等，为生物医学、药物研发、生物技术等领域提供重要工具和解决方案。传统的蛋白质设计方法主要依赖于已知蛋白质结构的同源建模、理性设计等技术，这些方法在面对全新功能的蛋白质设计、复杂结构的改造以及大规模高通量设计时存在诸多局限，如设计空间有限、效率低下、成功率不高、难以预测和优化蛋白质的稳定性和功能等。
深度学习技术通过从大量数据中学习特征和模式，能够识别蛋白质序列与结构之间的复杂关系，从而在蛋白质设计中实现从序列到结构的高效预测和生成。深度学习模型可以将蛋白质设计的多个环节，如序列设计、结构预测、优化等整合到一个端到端的流程中，简化操作步骤，提高设计效率和准确性。
Rosetta是一款经典的蛋白质建模和分析软件，其基于物理能量函数和蒙特卡洛搜索算法，能够对蛋白质结构进行精确的预测和优化。Rosetta提供了丰富的模块和工具，如RosettaScripts，为蛋白质设计提供了强大的基础支持。RFdiffusion是一种基于深度学习的蛋白质结构生成技术，它利用扩散模型和自回归生成模型，能够从头生成新颖的蛋白质结构，并且在特定骨架引导设计、活性位点嫁接、对称性设计等方面展现出独特的优势，为蛋白质设计开辟了新的思路和方法。
| RFdiffusion 高级应用及领域热点 | 六、RFdiffusion含活性位点的蛋白质结构设计 核心知识点：使用RFdiffusion构建具有特定生物活性的蛋白质结构
实例分析：酶活位点嫁接，对称位点嫁接的设计策略与实施 七、蛋白质-蛋白质相互作用界面（PPI）：Binder设计 核心知识点：利用·RFdiffusion设计能有效介导蛋白间相互作用的Binder区域。
八、RFdiffusion中的对称性设计 核心知识点：阐述如何在蛋白质结构设计中考虑并实现对称性特征。
九、多样性 核心知识点：探究RFdiffusion在处理结构多样性上的机制和优势 diffuser.partial_T：局部扩散与全局优化相结合，提高结构多样性和稳健性 RFdiffusion中的noise |
| ProteinMPNN和LigandMPNN 序列设计与高级应用 | 十、ProteinMPNN序列设计入门 核心知识点：介绍ProteinMPNN的核心架构与训练过程，掌握ProteinMPNN和LigandMPNN在不同场景下的蛋白质结构序列设计流程 应用案例：
十一、指定设计位点与氨基酸偏好性设置 核心知识点：如何运用深度学习工具来精准控制特定氨基酸残基的位置与特性 应用案例：
|
