? ? ??

? ? ? ?過去幾年里，以人工智能為代表的新技術(shù)的引入，通過利用自然語言處理、深度學(xué)習(xí)、機(jī)器學(xué)習(xí)和圖像識(shí)別等對(duì)傳統(tǒng)的計(jì)算機(jī)輔助藥物設(shè)計(jì)帶來顯著的效率提升，并極大地增加了研發(fā)成功的可能性。目前，我國AI藥物研發(fā)主要應(yīng)用在藥物發(fā)現(xiàn)階段，其中，靶點(diǎn)發(fā)現(xiàn)、先導(dǎo)化合物研究和化合物篩選、化合物合成是AI+藥物研發(fā)最熱門的領(lǐng)域，按照應(yīng)用場(chǎng)景的發(fā)展速度來看，未來藥物發(fā)現(xiàn)、合成或?qū)⒊勺詣?dòng)化程度最高的方向。但是AI藥物研發(fā)也面臨著急需要解決的問題，AI藥物研發(fā)兼具信息科技和醫(yī)藥雙重屬性，需要AI的人才也需要懂藥物研發(fā)的人才，需要培養(yǎng)一批具備交叉學(xué)科的復(fù)合型人才隊(duì)伍。

?2021年06月26日-06月27日 ???????在線直播（授課2天）

?2021年07月03日-07月04日 ???????在線直播（授課2天）

人工智能藥物設(shè)計(jì)技術(shù)與應(yīng)用實(shí)踐線上專題課程大綱

分子表征及特征提取

1. 分子描述符和分子指紋

1.1 分子描述符和分子指紋概念

1.2 分子描述符類別和特點(diǎn)

1.3 分子指紋的類別和特點(diǎn)

2. 分子描述符/指紋計(jì)算軟件

2.1 分子表示方法和格式

2.1.1 SMILES，SMARTS，SDF, MOL, MOL2, PDB

2.1.2?JEM Editor, Chemdoodle, ChemAxon, ChemDraw, DrugBank

2.2 RDKit簡介及環(huán)境部署

2.3?RDKit中如何操作分子

2.4?RDKit中描述符的計(jì)算以及存儲(chǔ)

2.5?OpenBabel簡介及環(huán)境部署

2.6?OpenBabel操作分子和格式轉(zhuǎn)換

2.7?OpenBabel中的分子描述符和指紋

2.8?ChemDes計(jì)算分子描述符和指紋

2.9?ChemDes中的格式轉(zhuǎn)換和分子優(yōu)化

2.10?PyBioMed 簡介環(huán)境部署

2.11?PyBioMed 獲取分子

2.12?PyBioMed 計(jì)算分子描述符

2.13?PyBioMed 計(jì)算分子指紋

2.14?PyBioMed 計(jì)算蛋白質(zhì)描述符

2.15 PyBioMed ?計(jì)算核酸描述符

2.16?PyBioMed 計(jì)算相互作用描述符

結(jié)構(gòu)、數(shù)據(jù)預(yù)處理

3. 結(jié)構(gòu)預(yù)處理和數(shù)據(jù)預(yù)處理

3.1 PyBioMed結(jié)構(gòu)預(yù)處理

3.2 ChemSAR結(jié)構(gòu)預(yù)處理

3.3 KNIME 結(jié)構(gòu)預(yù)處理

3.4 Excel數(shù)據(jù)預(yù)處理及注意的問題

3.5 KNIME數(shù)據(jù)預(yù)處理

3.6?Pandas環(huán)境配置以及基本操作

3.7?sklearn數(shù)據(jù)預(yù)處理

3.8?歸一化與空值處理

常用人工智能藥物設(shè)計(jì)算法和軟件

4. 算法簡單介紹和分類

4.1 藥物設(shè)計(jì)中人工智能常用算法簡介

4.2 常用算法實(shí)現(xiàn)軟件或工具介紹

5. KNIME軟件介紹

5.1 KNIME軟件特色和界面

5.2 KNIME軟件構(gòu)建基本計(jì)算任務(wù)

5.3 KNIME軟件社區(qū)支持

5.4 KNIME軟件定制化插件

5.5 KNIME軟件第三方支持

6. 特征選擇

6.1 基于sklearn的特征選擇

6.1.1 相關(guān)性分析，相關(guān)性繪圖

6.1.2 單變量特征選擇及選擇K個(gè)特征

6.1.3?遞歸式特征刪除

6.2 基于KNIME流程的特征選擇

6.2.1 相關(guān)性分析，相關(guān)性繪圖

6.2.2 單變量特征選擇

6.2.3 遞歸式特征刪除

7. 模型的評(píng)價(jià)與解釋

7.1 回歸模型和分類模型的評(píng)價(jià)指標(biāo)

7.2 應(yīng)用域的評(píng)估

7.3 基于樹的模型的解釋

類藥性和ADMET評(píng)價(jià)實(shí)踐

8. ADMET介紹

8.1 ADMET概念以及意義

8.2 基于人工智能的ADMET虛擬評(píng)價(jià)方法的進(jìn)展

8.3 ADMET計(jì)算資源（ADMETlab、ADMETsar等）

9. KNIME軟件構(gòu)建ADMET模型

9.1 KNIME軟件配置相關(guān)插件

9.2 caco-2細(xì)胞滲透性數(shù)據(jù)概覽

9.3 結(jié)構(gòu)預(yù)處理

9.4 描述符和指紋計(jì)算

9.5 SVM模型構(gòu)建以及參數(shù)調(diào)整

9.6 RF模型構(gòu)架及參數(shù)調(diào)整

9.7 RNN模型構(gòu)建以及簡單超參數(shù)調(diào)整

10. ADMET計(jì)算軟件和實(shí)操

10.1 ADMETlab（v1.0 與v2.0）計(jì)算平臺(tái)使用

10.2 admetSAR計(jì)算平臺(tái)使用

10.3 本地模型調(diào)用以及預(yù)測(cè)?

GRK2抑制劑篩選實(shí)踐

11.?噪聲過濾和相似性搜索

11.1 FAFDrugs4過濾

11.2 指紋和相似性度量計(jì)算

11.3 Swiss-Similarity相似性搜索

12. 機(jī)器學(xué)習(xí)模型構(gòu)建和預(yù)測(cè)

12.1 收集GRK2化合物（講解過程）

12.2 計(jì)算合適的分子表征

12.3 算法和特征選擇

12.4 模型構(gòu)建和評(píng)價(jià)

12.5 應(yīng)用模型篩選化合物庫

13. 分子對(duì)接

13.1 蛋白質(zhì)預(yù)處理

13.2 小分子預(yù)處理

13.3 可應(yīng)用Swiss-Dock對(duì)接

14. ADMET評(píng)估

14.1 ADMETlab計(jì)算并評(píng)估

14.2 確定相關(guān)性質(zhì)的參考范圍

14.3 評(píng)估并確定Hits.

報(bào)名費(fèi)用：?

每人￥3900元?（含報(bào)名費(fèi)、培訓(xùn)費(fèi)、資料費(fèi)、證書費(fèi)）

費(fèi)用提供用于報(bào)銷的正規(guī)機(jī)打發(fā)票及蓋有公章的紙質(zhì)通知文件；如需開具會(huì)議費(fèi)的單位請(qǐng)聯(lián)系招生老師要會(huì)議邀請(qǐng)函；

增值服務(wù)：?

1、凡報(bào)名學(xué)員將獲得本次培訓(xùn)書本教材及隨堂電子數(shù)據(jù)資料；

2、價(jià)格優(yōu)惠：

優(yōu)惠一：2021年6月11日前匯款可享受200元優(yōu)惠；

優(yōu)惠二：同一單位同時(shí)參加2人及以上可享受每人200元學(xué)費(fèi)優(yōu)惠；

優(yōu)惠三：同一人參加兩個(gè)班可享受每班200元學(xué)費(fèi)優(yōu)惠；

3、學(xué)員提出的各自研究方向遇到的問題在課程結(jié)束后可以長期得到老師的解答與指導(dǎo) ???????（郵件、微信等）；

4、參加培訓(xùn)的學(xué)員，可以獲得：北京軟研國際信息技術(shù)研究院培訓(xùn)中心頒發(fā)???的《人工智能藥物設(shè)計(jì)技術(shù)與應(yīng)用實(shí)踐》專業(yè)技能結(jié)業(yè)證書；

聯(lián)系方式：

咨詢電話/微信：13520456594????????????????聯(lián) 系 人:科宇老師?????????????????????????????

報(bào)名QQ:1446084643???

【注】1、開課前一周會(huì)務(wù)組統(tǒng)一通知；開課前一天會(huì)將直播鏈接及上機(jī)賬號(hào)發(fā)至您郵箱或微信。如未收到請(qǐng)及時(shí)電話咨詢！

2、同時(shí)開設(shè)的相關(guān)課程：《代謝組學(xué)數(shù)據(jù)分析及網(wǎng)絡(luò)藥理學(xué)研究技術(shù)與實(shí)踐》具體介紹請(qǐng)咨詢招生老師！

https://mp.weixin.qq.com/s/Hc3Nk7kDk8nzpeo05LlM2w