本系列课程涵盖了CADD计算机辅助药物设计、AIDD人工智能药物发现与设计、深度学习在基因组学的应用，旨在帮助学员掌握药物研发的前沿技术和方法。课程详细讲解了CADD的设计流程，包括数据库使用、分子对接和模拟等；AIDD部分介绍了人工智能算法在药物发现中的应用，并通过案例提升学生的模型构建和数据分析能力；深度学习课程则深入探讨了多种模型在基因组学中的应用，如G4基序识别、基因表达预测等。课程受到广泛好评，适合科研人员提升研究能力和发表高质量论文。
CADD计算机辅助药物设计设计流程，让学员能够掌握包括PDB数据库、靶点蛋白、蛋白质-配体、蛋白-配体小分子、蛋白-配体结构、notepad的介绍和使用、分子对接、蛋白-配体对接、虚拟筛选、蛋白-蛋白对接、蛋白-多糖分子对接、蛋白-水合对接、Linux安装、gromacs分子动力学全程实操、溶剂化分子动力学模拟
本课程让学生了解药物发现的前沿背景，学习人工智能领域的各类常见算法，熟悉工具包的安装与使用，掌握一定的算法编程能力，能够运用计算机方法研究药物相关问题。通过大量的案例讲解和实践操作，具备一定的AIDD模型构建和数据分析能力。
本课程适于对深度学习、基因组学、转录组学、蛋白组学、药物基因组学等多组学分析感兴趣的学生。课通过基础入门+应用案例实操演练的方式，从初学及应用研究的角度出发，带大家实战演练多种深度学习模型（深度神经网络DNN、卷积神经网络CNN、循环神经网络RNN、可变自动编码器VAE、图卷积神经网络GCN）在基因组学分析中的各种应用：识别G4基序特征DeepG4，识别非编码基因突变DeepSEA，预测染色体亲和性Basset，预测基因表达eQTL的Enformer、识别拷贝数变异DeepCNV、预测调控因子DeepFactor、预测premiRNA的dnnmiRNA、从基因表达数据中识别乳腺癌分型DeepType、从高维多组学数据中识别疾病表型XOmiVAE、从基因序列及蛋白质相互作用网络中识别关键基因DeepHE、联合肿瘤基因标记及药物分子结构预测药物反应机制的SW
最低0.47元/天 解锁文章
2036
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
