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;