一、課程內(nèi)容

第一天

AIDD概述及藥物綜合數(shù)據(jù)庫學(xué)習(xí)

1.人工智能輔助藥物設(shè)計AIDD概述

2.安裝環(huán)境

1.anaconda

2.vscode

3.虛擬環(huán)境

4.切換pip和conda鏡像源

3.第三方庫基本使用方法

1.numpy （數(shù)據(jù)計算工具）

2.pandas （數(shù)據(jù)清洗工具）

3.matplotlib （結(jié)果可視化繪圖工具）

4.requests （數(shù)據(jù)庫爬蟲工具）

4.多種藥物綜合數(shù)據(jù)庫的獲取方式

1.KEGG（requests爬蟲）

2.Chebi（libChEBIpy）

3.PubChem（pubchempy / requests）

4.ChEMBL（chembl_webresource_client）

5.BiGG（curl）

5.DeepChem集成MoleculeNet數(shù)據(jù)庫介紹及下載

第二天

機器學(xué)習(xí)輔助藥物設(shè)計

1.機器學(xué)習(xí)理論知識概述

2.機器學(xué)習(xí)種類：

1.監(jiān)督學(xué)習(xí)

2.無監(jiān)督學(xué)習(xí)

3.強化學(xué)習(xí)

3.典型機器學(xué)習(xí)方法

1.決策樹

2.支持向量機

3.樸素貝葉斯

4.神經(jīng)網(wǎng)絡(luò)

5.卷積神經(jīng)網(wǎng)絡(luò)

4.模型的評估與驗證：準(zhǔn)確率、精確率、召回率、F1分?jǐn)?shù)、ROC曲線、AUC計算，平均絕對誤差、均方差、R2分?jǐn)?shù)、可釋方差分?jǐn)?shù)，交叉驗證等

5.sklearn工具包基本使用

6.化合物編碼方式和化合物相似性理論知識

7.rdkit工具包的關(guān)于分子的基本使用

1.RDKit安裝

2.基于RDKit的分子讀寫

3.基于RDKit的分子繪制

4.基于RDKit的分子指紋與分子描述符

5.基于RDKit的化合物相似性與子結(jié)構(gòu)

6.基于 RDKit 與 Python3 的構(gòu)象與 RMSD 計算

8.項目實戰(zhàn)

1.項目實戰(zhàn)1：基于ADME和Ro5的分子篩選

2.項目實戰(zhàn)2：基于化合物相似性的配體篩選

3.項目實戰(zhàn)3：基于化合物相似性的分子聚類

4.項目實戰(zhàn)4: 基于機器學(xué)習(xí)的生物活性預(yù)測

5.項目實戰(zhàn)5：基于機器學(xué)習(xí)的分子毒性預(yù)測

第三天

圖神經(jīng)網(wǎng)絡(luò)輔助藥物設(shè)計

1.圖神經(jīng)網(wǎng)絡(luò)基礎(chǔ)知識

1.框架介紹: PyG，DGL，TorchDrug

2.圖神經(jīng)網(wǎng)絡(luò)消息傳遞機制

3.圖神經(jīng)網(wǎng)絡(luò)數(shù)據(jù)集設(shè)計

4.圖神經(jīng)網(wǎng)絡(luò)節(jié)點預(yù)測、圖預(yù)測任務(wù)和邊預(yù)測任務(wù)實戰(zhàn)

2.項目實戰(zhàn)1: 基于DeepChem進行分子特征提取及圖卷積搭建

3.項目實

2：基于圖神經(jīng)網(wǎng)絡(luò)的分子毒性預(yù)測

1.SMILES分子數(shù)據(jù)集構(gòu)建PyG圖數(shù)據(jù)集

2.基于GNN進行分子毒性預(yù)測

4.項目實戰(zhàn)3：基于圖神經(jīng)網(wǎng)絡(luò)的蛋白質(zhì)-配體相互作用預(yù)測

1.蛋白質(zhì)分子圖形化，構(gòu)建PyG圖數(shù)據(jù)集

2.基于GIN進行網(wǎng)絡(luò)搭建及相互作用預(yù)測

第四天

自然語言處理輔助藥物設(shè)計

1.自然語言處理概述

1.文本類語言的向量表示方法

2.Encoder-Decoder模型

3.循環(huán)神經(jīng)網(wǎng)絡(luò)模型

4.Seq2seq模型

5.Attention注意力機制

6.Transformer模型

2.項目實戰(zhàn)

1.基于無監(jiān)督的Seq2Seq模型進行分子表示學(xué)習(xí)

2.基于Transformer模型的反應(yīng)表示方法

3.基于自然語言處理的化學(xué)反應(yīng)分類任務(wù)

4.基于BERT模型的化學(xué)反應(yīng)產(chǎn)量預(yù)測任務(wù)

第五天

藥物設(shè)計項目實戰(zhàn)

1.分子生成與藥物設(shè)計

1.基于 RDKit 處理化學(xué)信息學(xué)中的反應(yīng)方程式

2.基于 RDKit 繪制化學(xué)反應(yīng)

3.基于 RDKit 和 SMARTS 的化學(xué)反應(yīng)處理

4.基于RDKit的化學(xué)反應(yīng)指紋與化學(xué)反應(yīng)相似度計算、

5.基于 RDKit 通過 SMARTS 定義反應(yīng)模式來生成反應(yīng)產(chǎn)物

2.蛋白質(zhì)相關(guān)與藥物設(shè)計

1.蛋白質(zhì)數(shù)據(jù)庫介紹與相關(guān)數(shù)據(jù)爬取

1.PDB數(shù)據(jù)庫

2.UniProt數(shù)據(jù)庫

2.基于RDKit的蛋白質(zhì)基本處理

3.項目實戰(zhàn)1：基于NGLView可視化的蛋白質(zhì)-配套相互作用

4.項目實戰(zhàn)2: 基于機器學(xué)習(xí)的蛋白質(zhì)-配體相互作用親和力預(yù)測

5.項目實戰(zhàn)3: 基于蛋白質(zhì)三維結(jié)構(gòu)使用原子卷積網(wǎng)絡(luò)的進行蛋白質(zhì)-配體相互作用預(yù)測

6.項目實戰(zhàn)4：基于序列的蛋白質(zhì)屬性預(yù)測

7.項目實戰(zhàn)5：基于結(jié)構(gòu)的蛋白質(zhì)屬性預(yù)測

案例圖片：

二、學(xué)習(xí)目標(biāo)

本課程讓學(xué)員了解藥物發(fā)現(xiàn)的前沿背景，學(xué)習(xí)人工智能領(lǐng)域的各類常見算法，熟悉工具包的安裝與使用，掌握一定的算法編程能力，能夠運用計算機方法研究藥物相關(guān)問題。通過大量的案例講解和實踐操作，具備一定的AIDD模型構(gòu)建和數(shù)據(jù)分析能力

三、講師介紹

AIDD授課老師曹老師，有十余年的計算機算法研究和程序設(shè)計經(jīng)驗。研究方向涉及生物信息學(xué)，深度學(xué)習(xí)，藥物合成路徑設(shè)計，藥物不良反應(yīng)等。發(fā)明專利5項，參與國家重點科研項目4項，發(fā)表SCI高水平論文10篇，包括BMC Bioinformatics, Journal of Biomedical Informatics, International Journal of Molecular Sciences等知名期刊。

四、授課時間

2024.10.12-2024.10.13

全天授課（上午9：00-11：30下午13：30-17：00）

2024.10.15-2024.10.16

晚上授課（晚19：00—晚22：00）

2024.10.19-2024.10.20

全天授課（上午9：00-11：30下午13：30-17：00）

五、報名費用及福利

每班公費價：5880元? ? ? 每班自費價：5480元