宜昌python培训机构

新药研发存在周期长、费用高和成功率低等特点，人工智能作为药物研发领域的一个热点方向，已被应用到药物研发的各个阶段，医药领域对人工智能技术越来越重视，目前人工智能技术在药物研发中的应用主要表现为七个场景，分别是：靶点药物研发、候选药物挖掘、化合物筛选、预测ADMET性质、药物晶型预测、辅助病理生物学研究和发掘药物新适应症，人工智能可以直接为新药的研发做出贡献，AI+药物研发与传统模式相比，时间和成本优势明显。AI＋药物研发的结合必然是未来制药行业的发展趋势，对医药领域进行一场巨大的革命，让医药行业迎来新时， 随着新冠疫情的爆发，国内外医药从业人员纷纷涉足AI人工智能，国内多个科研院所高校企业单位更是创立多个人工智能药物研究所，投入巨额资金

由于国内AI人工智能药物研究发展缓慢，学习平台文献资料较少，培训学习迫在眉睫，应广大科研人员要求，本单位经过数月调研，决定联合人工智能医药研究专家举办“AI Drug Discovery & Design人工智能药物发现与设计”专题培训班， 本单位已经举办四期专题培训，参会人员达200余人，对于培训安排和培训质量一致评价极高

培训对象

全国各大高校、企业、科研院所从事人工智能、生命科学、蛋白质、药物、微生物制药、生物信息学、植物学，动物学、农药学、化学化工，医学等研究的科研人员以及人工智能爱好者

培训目标

让学员能够掌握人工智能在药物研究中的应用背景与流程，以及机器学习，深度学习、计算机辅助药物设计等操作技能，独自完成自己的课题研究项目

培训特色

主讲老师来自国内高校，中科院等专家授课，老师主要擅长深度学习、机器学习、医学信息统计、计算机辅助药物设计、人工智能药物发现、分子对接、分子动力学等方面的研究

课表内容

AI Drug Discovery & Design人工智能药物发现与设计专题培训课表

第一天

药物发现与设计和临床试验的关系

1.1 药物发现与新药研发流程;

1.2 临床前研发与临床研发的区别;

1.3 FDA批准新药的历史与展望;

物发现与设计的发展史

2.1 计算机发展史;

2.2 人工智能发展史;

2.3 计算机辅助药物设计发展史;

药物发现与设计相关软件介绍与安装

3.1 商业药物设计软件介绍。

3.2 开源药物设计软件介绍与安装。

3.3 Python编程在药物发现与设计中的应用介绍;

药物发现与设计的基本原理

4.1 基于结构的药物发现与设计;

4.2 基于配体的药物发现与设计;

4.3 基于片段的药物发现与设计;

Python爬虫编程基础与实战演练:

5.1 python常见爬虫模块与框架介绍urllib, requests, lxml, selenium,scrapy;

5.2 Python爬虫应用实战—爬取ZINC数据库化合物结构;

5.3 Python爬虫应用实战—小分子化合物活性数据收集;

第二天

靶点蛋白与化合物数据库构建

6.1 靶点蛋白数据库介绍与构建;

6.2 多肽化合物数据库构建;

6.3 小分子化合物数据库构建;

靶点蛋白与化合物数据处理

7.1 靶点蛋白活性位点分析;

7.2 小分子化合物格式转换(smiles, sdf, mol2, pdbqt);

7.3 小分子化合物理化性质与分子描述符衍生计算;

小分子化合物数据统计分析

8.1 小分子化合物分子描述符聚类分析;

8.2 小分子化合物分子描述符主成分分析;

8.3 小分子化合物特征选择;

第三天

Pymol蛋白结构软件——从安装到精通

1.Pymol的安装（windows版本）

2.蛋白结构展示

3.蛋白-小分子相互作用展示

4.蛋白-小分子对接动画

5.氨基酸修饰

6.计算小分子5A以内氨基酸

7.MOLMOL画二硫键

8.SPDBV

同源建模

1 同源建模的功能及使用场景

2 同源建模的方法

3.同源蛋白的搜索

4.实例讲解与练习SWISS-MODEL做同源建模

5.有同源序列——modeller 同源建模：

6.modeller实操

7.无同源序列——I-TASSER

8.模型评价（蛋白拉曼图）

第四天

基于配体的药物发现与设计方法

9.1 逻辑回归算法理论介绍与实例演示;

9.2 朴素贝叶斯算法介绍与实例演示;

9.3 KNN算法介绍与实例演示;

9.4 支持向量机算法介绍与实例演示;

9.5 决策树算法介绍与实例演示;

9.6 随机森林算法介绍与实例演示;

9.7 梯度提升树算法以及XGBOOST介绍与实例演示;