关于活动

2026 年的PEGS Boston Summit承袭了其作为生物制剂和蛋白质工程领域世界领先盛会的传统，并准备好开辟新天地。此次峰会将为全球的专家、创新者和业界领袖提供一个交流思想、分享突破性进展、建立合作关系，共同塑造该领域的未来的平台。

倾听一些业界最具影响力和启发性演讲者的演讲。

• 350位顶尖研究人员和思想领袖将分享创新案例研究，主导专题讨论，并引导互动研讨会。
• 由领先技术和服务供应商提供的赞助演讲，展示前沿科技与新产品。

深入了解新兴策略、最新的创新技术和最佳实践，将您的研究提升到新的水准。

• 20场专题会议及培训课程，涵盖蛋白质与抗体工程、双特异性抗体开发、生物制剂表征、蛋白表达平台、AI/ML驱动的生物制剂研究等领域的深度解析。
• 互动专题研讨会，通过小组讨论的形式，促进深入交流。
• 通过灵活的报名选项，定制符合个人时间安排和研究目标的学习与交流议程。

结识全球思想领袖，与同行合作并建立人脉。

• 您可以生物制药领域的进步与课题为焦点，与全球研究人员交流。
• 在会议前即可通过数位平台联系与自己兴趣和目标相符的与会者。
• 参与社群互动，在LinkedIn或X上关注 #PEGSummit 了解最新动态。
• 通过“专题跳转”（Track Hopping）灵活选择不同会议议程，定制个性化参会体验。

2026年 方案

显示:

工程学分会

• Display of Biologics
  生物制剂展示
• Engineering Antibodies
  抗体工程学
• Machine Learning for Protein Engineering
  蛋白质工程的机器学习

肿疡分会

• Antibodies for Cancer Therapy
  癌症治疗抗体
• Emerging Targets for Oncology & Beyond
  肿瘤学及其他领域的新兴目标
• Driving Clinical Success in Antibody-Drug Conjugates
  推动抗体药物偶联物 （ADC） 的临床成功

多特异性分会

• TS: Intro to Multispecific Antibodies
  培训讲座：多特异性抗体入门
• Advancing Multispecific Antibodies
  多特异性抗体的进步
• Engineering Bispecific and Multispecific Antibodies
  双特异性抗体・多功能抗体工程学

免疫疗法分会

• Emerging T Cell Engagers
  新兴 T 细胞接合剂
• Advances in Immunotherapy
  免疫疗法的进步
• Next-Generation Immunotherapies
  下一代免疫疗法

蛋白质表达分会

• Difficult-to-Express Proteins
  难以表达的蛋白质
• Optimizing Protein Expression
  优化蛋白质表达
• Maximizing Protein Production Workflows
  蛋白质生产工作流程最大化

分析法分会

• ML and Digital Integration in Biotherapeutic Analytics
  生物制药分析中的机器学习和数位整合
• Biophysical Methods
  生物物理学方法
• Characterization for Novel Biotherapeutics
  新型生物制药的表征

免疫原性分会

• TS: Intro to Immunogenicity
  培训讲座：免疫原性入门
• Predicting Immunogenicity with AI/ML Tools
  使用 AI/ML 工具预测免疫原性
• TS: Bioassay Development and Analysis
  培训讲座：生物测定开发与分析

新兴治疗分会

• Biologics for Autoimmune Diseases
  自体免疫疾病用生物制剂
• Frontiers in Radiopharmaceutical Therapy
  放射性药物治疗前沿
• Emerging Peptide Therapeutics
  新兴胜肽药物

机器学习分会

• ML and Digital Integration in Biotherapeutic Analytics
  生物制药分析上的机器学习和数位整合
• Predicting Immunogenicity with AI/ML Tools
  使用 AI/ML 工具预测免疫原性
• Machine Learning for Protein Engineering
  蛋白质工程的机器学习