返回博客
哈尔滨冰雪大世界
杨光

杨光 YANG GUANG

AI4Science · Protein Design

  • AI4Science
  • Protein Design
  • Protein Language Model
  • Antibody Developability
  • Deep Learning
  • PyTorch

简介 Intro

我是杨光,专注于人工智能与生物医药的交叉领域。

目前主要关注蛋白质语言模型、蛋白质结构与序列设计、抗体/蛋白质优化,以及机器学习在生物医药研发中的应用。过去的工作经历横跨生物信息学、医学文本挖掘、知识图谱和计算蛋白质设计,也持续关注生成式 AI 和基础模型在生命科学中的发展。

我喜欢把复杂的生物学问题转化为可以计算、建模和验证的问题,也喜欢将新的算法和工具真正落地到研发场景中。

简单来说,我希望做的事情是:让 AI 更懂蛋白质,也让计算真正帮助生物医药研发。

关注方向 Focus

  • 蛋白语言模型与结构建模
    用序列与结构信息建模蛋白的功能与可开发性
  • 抗体工程与可开发性评估
    抗体优化、成药性风险筛选、binder 设计
  • VHH 文库设计
    在疏水性、PTM 风险等约束下做多目标的通用合成文库
  • 干湿实验闭环
    让算法在真实实验迭代里可用,而不止于 benchmark 上的分数
  • 计算生物平台
    算法组件化接入、分布式计算与任务调度

经历 Background

  • 金赛药业
    金赛药业
    AI4Science · 蛋白与抗体设计
    2023.09 – 至今
  • 华大基因
    华大基因 & 上海交大联合创新中心
    生物医学 NLP · 竞赛
    2019.10 – 2023.06
  • 诺禾致源
    诺禾致源
    NGS 分析流程 · 肿瘤早筛建模
    早期

教育经历 Education

  • 华东师范大学
    华东师范大学
    计算机技术 · 硕士
    2019.09 – 2022.12
  • 吉林大学
    吉林大学
    生物技术 · 本科
    2012.09 – 2016.07

论文与专利 Publications & Patents

  • Publications
    Wang, R.Z., Liao, Y.X., …, Yang, G., …, Kang, Y.K. Hybrid AI/ML-mechanistic framework enables intelligent optimization of commercial biopharmaceutical downstream processing. mAbs, 2026. DOI ↗
  • Patents
    Yang, G., et al. Machine Learning-Based Optimization Methods and Systems for Downstream Biopharmaceutical Processes. CN121115680A, 2025. (Pending)
    Yang, G., et al. Machine learning-based methods, apparatus, equipment, and media for culture medium formulation design. CN121725924A, 2026. (Pending)

获奖经历 Awards

  • 亚军
  • 2024 Mammoth International Contest on Omics Sciences in Europe
    R5 · 优胜奖
  • AICAS 2024 大挑战 · 通用算力大模型推理性能优化
    R8
  • 第二届世界科学智能大赛 · siRNA 药效预测
    R15 / 2249
  • NeurIPS 2024 · BELKA 新药预测
    铜牌 · R181 / 1950

技术栈 Toolbox

  • 语言与工程 Python Shell R FastAPI Gradio Docker Slurm
  • 深度学习 PyTorch Transformer DGL Diffusion LoRA
  • 数据与检索 NumPy / Pandas Scikit-learn SQLite Neo4j Faiss