全奖PhD留学 | 英国伦敦玛丽女王大学“AI+药物发现”跨学科博士项目：4年全额资助+丰厚津贴！

之前的文章中，小佑介绍过英国诸多的全奖留学项目与院校招生，今天为大家带来的是伦敦玛丽女王大学的BBSRC 资助的“AI+药物发现”跨学科博士项目。

伦敦玛丽女王大学

伦敦玛丽女王大学（Queen Mary University of London），简称“QMUL”，建立于1785年，位于英国伦敦麦尔恩德，是英国第一所专门建造的医学院。其创始机构是：圣巴塞洛缪医院医学院、伦敦医院医学院、韦斯特菲尔德学院和玛丽皇后学院。现目前，伦敦玛丽女王大学由三个学院组成，分别是人文社会科学学院、科学与工程学院、医学与牙医学院。其教育实力与医学优势在全球范围内也有极高的声誉，在2025年的QS综排上排在第120位，在医学专排上排在第59位，在牙科专排上，排在第15位！QMUL在癌症、心血管疾病、炎症和创伤等关键医学领域进行前沿研究。作为英国罗素集团成员，它与全球顶尖研究机构合作，推动医学创新。

项目介绍

BBSRC 资助的人工智能药物发现计划是一项创新的博士培训计划，由领先的药物发现公司与伦敦玛丽女王大学 （QMUL）合作提供。在 BBSRC 的支持下，正在共同培养下一代跨学科研究人员，他们在人工智能和生物科学的交叉领域与工业界密切合作。该项目欣赏所有人才和技能，并欢迎各种背景和身份的申请人。根据 UKRI 的指导方针，申请对符合课程入学标准的本国学生和国际学生开放，高达 30% 的名额可供国际学生使用。

申项目优势

1、全额资助：2025-2026 年，最多可提供 8 个全额资助的 4 年博士项目，涵盖一系列领域，奖项提供全额资助的学生奖学金，包括 UKRI 津贴（目前为 21,237 英镑）、学费和消耗性预算，以支持与项目相关的活动，如培训、会议出席、旅行等。

2、跨学科优势：所有的项目都是多学科的，结合了人工智能和生物科学。该计划将培养出精通最新人工智能技术以及对药物发现背后的生物科学有深刻理解的热门博士毕业生。

3、跨平台合作：加入这个博士课程可以获得更多的培训机会，并与行业合作伙伴互动，包括选择在公司内部进行为期 3 个月的实习、广泛的交流机会以及使用我们的高性能计算设施。

申请资格

1、相关背景：理想的候选人将同时具备自然科学和数据科学的基础，例如通过硕士学位或生物信息学或计算化学等学科的工作经验，并且您将有信心使用 Python、R 或 C++ 等语言进行数据整理和分析。

2、英语要求：第一语言不是英语的申请人将被要求提供其英语语言能力的证明。最低要求是：雅思学术类：总分不低于 6.5，包括写作、阅读、听力和口语 6.0。

3、满足各项目特定资格

申请截止日期

申请注意事项

每个项目都有一名位于玛丽女王的主管，以及来自行业的参与，包括实习选项。行业参与的程度因项目的性质而异。我们建议您查看每个项目描述，以了解有关拟议研究的更多信息。确定您的顶级项目后，您可以通过 Apply 页面提交申请。请注意，您将被要求确定您选择的项目，以及最多 1 个其他项目；你不能申请超过 2 个项目，因此我们建议你仔细考虑你的选择，确保它适合你和你的研究抱负。

可申请项目

1、Unveiling the Dark Genome: AI-Driven Discovery of Novel Proteins and Variants in Microtubule-Associated Genes 人类基因组在其“黑暗”区域蕴藏着巨大的未开发潜力，占我们遗传物质的 98%。该项目是 Draviam 实验室和 NonExomics INC 之间的合作，旨在彻底改变我们对暗基因组的理解，重点关注编码基因位点的微管相关蛋白 （MAP）。蛋白质基因组学的最新进展揭示了许多由以前被忽视的基因组区域编码的非经典蛋白的存在。这些蛋白质来源于长链非编码 RNA、环状 RNA 和替代开放阅读框，在细胞过程和疾病机制中起着至关重要的作用。项目主管：

2、The role of Proteomics in Accelerating Translational Insights for Drug Discovery and Development

该项目将侧重于推进我们对循环蛋白质组的理解。您将研究如何使用基于人群的队列研究和试验的数据，将蛋白质组学用作识别不同疾病背后的组织功能障碍和识别与药物摄入和反应相关的蛋白质特征的工具。

您将学习并执行一系列分析方法，以识别血浆丰度与使用每种药物和/或感兴趣的药物类别相关的蛋白质。

项目主管：

3、Expanding Predictive Toxicity with Multimodal Models of High-Dimensional Biology

毒性对于药物开发来说仍然具有挑战性，30% 的临床试验因毒性而失败。毒性模型通常是化学结构，并受到数据的可用性或生物学相关性的限制。跨高维数据层（例如表型组学、转录组学、蛋白质组学、代谢组学）的可扩展生物分析的开发导致了大量信息丰富的数据集的可用性。该项目的目的是通过使用先进的人工智能方法将多模态、高维生物数据（例如表型组学、转录组学、蛋白质组学、代谢组学）与化学结构信息相结合，以提高毒性预测的准确性、普遍性和可用性，从而改变药物毒性预测。

主管：

4、Interpretable Multi-Scale Integration Framework for Biological Systems: A Mechanistic Approach

AI 驱动的基础模型有可能改变生物学研究，在不同规模上表现出色，例如：分子（蛋白质结构、相互作用）、遗传（基因表达、DNA 调控）、细胞（形态、表型、行为）然而，当前的模型面临两个关键挑战：缺乏跨尺度整合 – 缺少分子、遗传和细胞水平之间的相互作用。

1. 有限的可解释性 – 预测仍然是黑盒，降低了信任度和可用性。该项目旨在开发一个可解释的、多尺度的整合框架，以增强对生物学的理解，并应用于药物发现和疾病研究。

主管：

5、Development of Generalisable Multi-Modal ML Models for Digital PathologyBio-AI Health 非常注重开发基于 ML 的模型，这些模型可以帮助患者筛选和选择临床开发。我们的模型往往侧重于检测感兴趣的关键生物标志物，这些生物标志物通常通过数字 H&E 图像上的某种类型的分子或化学测试来检测。有许多出版物显示了这种技术的潜力，但是这些模型中的大多数都缺乏足够的泛化，无法将它们成功纳入现实世界的实践。模型在特定数据集上训练时往往表现良好，但在转移到新实验室或新队列时失败。 主管：

扩展阅读

英国伦敦一年的生活费大概在12500-15000英镑，折合人民币：121729元~146074元。