这是一场关于如何加速生物药研发的分享。来自诺华生物医学研究中心的Glen Spraggon博士，将带领大家穿越结构生物的发展历程，从X射线晶体学到冷冻电镜（Cryo-EM）的革命性进展，再到人工智能和机器学习在生物药物开发中的应用。
您将了解到这些高分辨率结构工具如何帮助我们更好地理解生物药和生物制剂，以及在诺华的研发流程中，像冷冻电镜等结构工具如何赋能并加快研发流程。
Glen Spraggon博士在牛津大学获得分子生物物理学博士学位，随后在加州大学圣地亚哥分校围绕纤维蛋白原聚合的分子基础进行博士后研究。之后，他加入了诺华研究基金会的基因组学研究所（GNF），开发用于高通量结构测定的计算、工程和实验方法。在GNF期间，Glen被晋升为基于结构的药物发现部门主任，专注于在生物制剂方面，基于结构设计进行实验和计算方法的整合和应用。目前，Glen在诺华位于圣地亚哥的生物制剂研发中心担任执行主任，领导一个名为“结构、生物信息学和数据科学”的全球团队。该团队致力于应用结构和计算技术来开发创新的生物治疗药物。
冷冻电镜（Cryo-EM）在过去10到15年中取得了显著进展，被称为分辨率革命。这一技术极大地提升了电子显微镜的分辨率，能够与X射线晶体学相媲美。早期的限制包括生物样品对电子辐照的敏感性和低对比度问题，现已通过制作玻璃化冰样冷冻保护样品和新电子直接探测器的使用，Jacques Dubochet、Joachim Frank和Richard Henderson因此获得了2017年诺贝尔化学奖。冷冻电镜仅需微量样品，能在短时间内获取高分辨率图像，尤其适用于不需要晶体的复杂结构分析。
通过人工智能和机器学习，单颗粒图像的对齐和重构变得更加高效。AlphaFold的出现，让基于序列在原子水平上生成蛋白质模型成为可能。今年的诺奖得主之一，David Baker，他的实验室不仅在研究预测，也在研究使用生成性AI方法生成适用的蛋白质，进一步推动了从结构生成到功能预测的整体设计循环。
在生物药研发方面，技术不断精进，推动研发过程的不断优化。希望通过此次线上课程的分享，能够给到大家基于结构的生物药物开发一个整体的概念，并进一步帮助大家厘清各种工具的关系，以及对未来研发技术的展望。
