当前位置：主页 >> 活动动态 >> 会议培训动态

按分类浏览

热点推荐

点击排行

【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

发布日期：2025-12-11 浏览次数：624

核心提示：本期整理了【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。了解更多详情，请添加客服微信：15376602038/18906453236，座机：0535-2122191。

本期整理了【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。感兴趣的小伙伴快来报名学习吧！！！

了解更多会议培训，请添加客服微信：15376602038/18906453236，座机：0535-2122191。

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

行业标签：首届AI+类器官：药物非临床研究技术进阶与实战专题会非临床研究体系

知识点：类器官药物临床临床研究 AI 器官技术非临床研究技术培养基营养动物标准生物研发检测干细胞热点标准化控制实验设计成本监测优化评估开发线上网络质量控制中药验证材料传感器测量毒性噪声实验数据代谢物数学模型酶流程优化药物研发器官芯片 3D生物打印梯度稀释误差关联图细胞单细胞多组学监控肿瘤基因样本性能评估预处理性能数据采集质量定位结构工具建模代谢制备蛋白自动化实操提取筛选污染微流控芯片质控数字孪生数据类型 AI技术自动识别可视化基因表达培养基优化功能单细胞测序蛋白组分子设计案例成分微流控流程数据整合功能验证水凝胶

会议/培训标签：

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）

声明：

①食品伙伴网将行业会议培训信息展示于本平台，仅供您搜索。有关报名等详细情况请自行联系组织方或主办方进行核实。
②会议与培训等相关活动的最终解释权完全归其培训机构或主办方所有。