近年来,利用高性能计算机来进行药物虚拟筛选已经被广泛应用,计算机辅助药物设计可以提高药物研发的成功率,降低研发成本,缩短研发周期,是目前创新药物研究的核心技术之一。随着医药大数据的积累和人工智能技术的发展,运用AI技术并结合大数据的精准药物设计也不断推动着创新药物的发展。在新型冠状病毒的治疗方案中,通过一系列计算机辅助药物生物计算的方法发现一大类药物分子可以有效阻止新冠病毒的侵染,为治疗新冠提供了新思路。
专题一:带您一步步实操学习蛋白结构分析、同源建模、虚拟筛选、分子对接(半柔性、柔性对接、蛋白-蛋白、蛋白-多肽、金属酶蛋白-配体、核酸-小分子、共价对接等)、药效团模型、定量构效关系、碎片化药物设计、Gromacs 分子动力学模拟与结果分析,并以实例讲解与练习为主,达到即学即用效果,帮助您系统性掌握计算机辅助药物设计技术,助力学术研究。
专题二:从AMBER的安装运行开始,深入研究对象模型的获取与构建、能量优化、分子动力学模拟、轨迹特征获取、基于能量的相互作用机理分析等知识点,并对经典文献进行复现。
专题三:通过机器学习、深度学习的分类回归任务、 分子特征、模型评估、参数优化与模型选择、浅层学习分类的虚拟筛选、集成机器学习方法使用、DNN,GCN,GAT等主流深度学习模型实操以及结合相关课题的应用实践等内容,带您真正的进入人工智能药物发现的领域。
CADD专题由全国重点大学、国家“双一流”、“211工程”重点建设医药类高校副教授,硕士生导师讲授。发表SCI研究论文20余篇,主持和参与国家级、省部级自然科学基金项目多项。拥有多年新药分子设计和开发经验,主要擅长CADD、AIDD等药物设计方法研究。
AMBER专题山东省重点高校特聘教授、省优青团队人员,研究团队在《J. Am. Chem. Soc.》、《Phys. Chem. Chem. Phys.》、《Nanoscale》、《J. Chem. Phys.》等国际知名期刊发表SCI论文50余篇。其中以第一作者发表的两篇JACS属于本领域顶级TOP期刊(一区论文,IF: 14.612)。主持国家自然科学基金及省部级课题多项。主要从事生物分子量化计算和分子动力学模拟研究,在动力学模拟、量化计算、结合自由能计算等积累了丰富的经验。
AIDD专题由全国重点大学、国家“双一流”、“211工程”重点建设高校副教授,硕士生导师主讲。近五年发表代表性论文10余篇,专利8项,软件著作8项,主持和参与国家级、省部级自然科学基金项目10余项。拥有多年抗癌药物分子设计合成及活性研究经验,主要擅长生物信息学、人工智能(深度学习)与数据挖掘等药物设计方法研究。