【12.10日新增会议】首届AI+类器官：药物非临床研究技术进阶与实战专题会

首届AI+类器官：药物非临床研究技术进阶与实战专题会（线上网络直播）

会议时间： 2026-01-17 至 2026-01-18

https://conf.foodmate.net/2627/index.html

会议内容：

Day 1：基础理论与技术融合 

模块1：药物非临床研究与类器官技术基础

1.1 药物非临床研究的核心需求与挑战

药物研发流程概述（临床前→临床）

传统非临床研究（动物模型、细胞系）的局限性（种属差异、成本高、周期长）

类器官技术的优势：人源化、高仿生性、可重复性

1.2 类器官技术核心原理与制备

类器官定义：结构/功能模拟体内器官的三维培养体系

关键技术：干细胞诱导分化、支架材料（水凝胶/微流控）、培养基优化

常见类器官类型（肝、肾、肠、肿瘤等）及其在药物非临床中的应用场景

类器官质量控制：形态学、标志物表达、功能验证（如代谢酶活性）

1.3 AI技术在药物非临床中的角色

AI在药物研发中的典型应用（靶点发现、分子设计、ADMET预测）

类器官研究中的数据痛点：多组学数据（影像、转录组、表型）的复杂性

AI赋能方向：类器官图像分析、药效/毒性预测模型、实验方案优化

模块2：AI与类器官的技术融合路径 

2.1 类器官数据的采集与标准化

数据采集工具：高内涵成像（HCI）、单细胞测序、微流控传感器

数据标准化挑战：批次效应、跨平台兼容性

2.2 AI算法在类器官研究中的应用

计算机视觉：类器官形态学自动识别（分割、计数、异常检测）

机器学习：药效/毒性分类模型（随机森林、XGBoost）、回归模型（剂量-反应关系）

深度学习：卷积神经网络（CNN）处理类器官影像、图神经网络（GNN）整合多组学数据

案例演示：基于AI的类器官药物敏感性预测（如肿瘤类器官对化疗药响应）

2.3 虚拟类器官与数字孪生技术

虚拟类器官：通过数学模型模拟类器官生长与药物作用

数字孪生：整合类器官实验数据与AI模型，构建动态预测系统

应用场景：药物筛选优先级排序、毒性预警

Day 2：实践应用与前沿趋势​

模块3：AI+类器官的非临床研究实战 

3.1 实验设计与技术整合流程

从需求到落地的步骤：靶点选择→类器官模型构建→AI模型训练→验证迭代

关键参数优化：类器官成熟度、药物暴露条件（浓度/时间）、AI模型输入特征筛选

3.2 典型应用场景详解

药效评价：肿瘤类器官药敏测试（PDX模型替代）、中药复方多成分协同作用分析

毒性预测：肝类器官代谢毒性（CYP450活性监测）、肾类器官损伤标志物（KIM-1）

机制研究：AI关联类器官基因表达与药物表型（如耐药相关通路挖掘）

3.3 实操演示

工具示例：使用ImageJ+Python脚本实现类器官面积自动测量

模型训练：基于公开数据集（如L1000）构建简单药效预测模型

模块4：AI+类器官核心技术深度解析 ​

4.1 类器官构建与表征的高级技术

4.1.1 复杂类器官构建技术​

3D生物打印：定制化支架设计（如肝小叶结构）、多细胞共打印（肝实质+胆管细胞）

微流控芯片集成：器官芯片（Organ-on-a-Chip）与类器官联用（如“肠-肝轴”共培养）

长期培养维持：干细胞自我更新调控（Wnt/Notch信号通路优化）、营养梯度设计

4.1.2 高精度表征技术​

空间多组学：空间转录组（Visium）定位类器官功能区（如肿瘤类器官异质性区域）

功能动态监测：微电极阵列（MEA）记录类器官电生理活动（神经类器官）、代谢流分析（Seahorse XF）

自动化质控：AI驱动的形态学+功能指标批量评估（如类器官成熟度评分卡）

4.2 AI模型开发与优化的关键技术 

4.2.1 类器官数据的AI预处理​

影像数据增强：旋转/裁剪/噪声注入（解决小样本过拟合）、三维重建（从切片影像到立体结构）

多组学数据对齐：单细胞RNA-seq与影像特征的时空匹配（如基因表达热点与类器官病灶区域关联）

缺失值填补：基于GAN的生成式填补（针对低丰度蛋白组数据）

4.2.2 模型架构选择与优化​

小样本场景：迁移学习（预训练模型如ResNet-50微调类器官影像）、元学习（MAML算法快速适配新类器官类型）

多任务学习：联合预测药效+毒性（共享底层特征提取层，分支输出不同任务）

可解释性实现：Grad-CAM可视化影像关注区域、SHAP值解析基因/代谢物贡献度

4.2.3 案例实操：从0到1构建类器官药敏预测模型​

工具链：Python（PyTorch/TensorFlow）+ 类器官影像数据集（如HCA的肿瘤类器官库）

步骤：数据标注→模型训练（CNN+注意力机制）→性能评估（AUC/准确率）→结果可视化

4.3 多模态数据整合与智能分析

4.3.1 多源数据融合策略​

数据类型：影像（形态）、组学（转录/蛋白）、电生理（功能）、临床（患者响应）

融合模型：图神经网络（GNN）构建“类器官-药物-基因”关联图谱、Transformer跨模态注意力机制

4.3.2 智能分析场景​

耐药机制挖掘：AI关联类器官动态影像（如细胞迁移轨迹）与耐药基因表达时序变化

复方药物协同效应：多成分浓度-响应曲面建模（AI识别最优配比）

工具演示：使用Neo4j构建类器官知识图谱，关联药物、靶点、毒性通路

4.4 自动化与高通量技术应用​

4.4.1 硬件自动化​

液体处理机器人：96/384孔板类器官铺板、药物梯度稀释（误差<2%）

自动化成像系统：高内涵筛选（HCS）平台（如PerkinElmer Opera Phenix）实现全孔扫描+实时分析

4.4.2 AI驱动的流程优化​

实验设计自动化：贝叶斯优化算法动态调整药物浓度/时间点（减少无效实验）

异常检测：实时监控类器官培养状态（如污染、死亡），AI预警并触发干预

想要报名学习的小伙伴，请添加客服微信：15376602038/18906453236，座机：0535-2122191，

微信扫码关注公众号【食品会议培训中心】和网站【https://ctc.foodmate.net】，注册会员足不出户便可掌握上百个会议/培训的全新动态，充分满足您的学习需求。

注册会员，订阅分类，新增会议培训周五抢先知！

收藏会议培训，获取指定会议培训变动通知！

会员注册通道：https://ctc.foodmate.net/index/login/phone

若您还想了解更多其他方面的会议培训，可以点击链接查看更多！

·食品会议培训中心（https://ctc.foodmate.net）： 汇集行业会议培训，实时接收全新动态。

·食品会议中心（https://conf.foodmate.net）：覆盖面广，汇聚食品行业多元化会议培训。

·食品培训中心（https://train.foodmate.net）：粉丝众多，展现食品行业多维度体系培训。

ps：若您想查找更精细的内容，可在顶部搜索栏直接输入“关键词”点击搜索即可