CADD(Computer Aided Drug Design):計算機輔助藥物設(shè)計，依據(jù)生物化學、酶學、分子生物學以及遺傳學等生命科學的研究成果，針對這些基礎(chǔ)研究中所揭示的包括酶、受體、離子通道及核酸等潛在的藥物設(shè)計靶點，并參考其它類源性配體或天然產(chǎn)物的化學結(jié)構(gòu)特征，以計算機化學為基礎(chǔ)，通過計算機的模擬、計算和預算藥物與受體生物大分子之間的相互作用，考察藥物與靶點的結(jié)構(gòu)互補、性質(zhì)互補等，設(shè)計出合理的藥物分子。它是設(shè)計和優(yōu)化先導化合物的方法，CADD的應(yīng)用，包括基于結(jié)構(gòu)的藥物設(shè)計（SBDD）、基于配體的藥物設(shè)計（LBDD）、高通量虛擬篩選（HTVS）等技術(shù)，突破了傳統(tǒng)的先導物發(fā)現(xiàn)模式，極大地促進了先導化合物發(fā)現(xiàn)和優(yōu)化。特別是在食品、生物、化學、醫(yī)藥、植物、疾病方面應(yīng)用廣泛！靶點的發(fā)現(xiàn)與確證是現(xiàn)代新藥研發(fā)的第一步，也是新藥創(chuàng)制過程中的瓶頸之一。CADD的應(yīng)用可以加快靶點發(fā)現(xiàn)的速度，提高靶點發(fā)現(xiàn)的準確度，從而推進新藥研發(fā)。

AIDD（AIDrug Discovery & Design）：是近年來非?；馃岬募夹g(shù)應(yīng)用，且已經(jīng)介入到新藥設(shè)計到研發(fā)的大部分環(huán)節(jié)當中，為新藥發(fā)現(xiàn)與開發(fā)帶來了極大的助力。隨著醫(yī)藥大數(shù)據(jù)的積累和人工智能技術(shù)的發(fā)展，運用AI技術(shù)并結(jié)合大數(shù)據(jù)的精準藥物設(shè)計也不斷推動著創(chuàng)新藥物的發(fā)展。在新型冠狀病毒的治療方案中，通過一系列計算機輔助藥物生物計算的方法發(fā)現(xiàn)一大類藥物分子可以有效阻止新冠病毒的侵染，為治療新冠提供了新思路。傾向于機器對數(shù)據(jù)庫信息的自我學習，可以對數(shù)據(jù)進行提取和學習，一定程度上避免了化合物設(shè)計過程中的試錯路徑，同時還會帶來很多全新的結(jié)構(gòu)，為藥物發(fā)現(xiàn)打破常規(guī)的結(jié)構(gòu)壁壘。

藥物研發(fā)是一個復雜且昂貴的過程，很多候選藥物最終無法進入市場。通過應(yīng)用CADD和AIDD的技術(shù)，可以在實驗室階段評估和篩選候選藥物，減少不合適和無效藥物的開發(fā)，降低研發(fā)失敗的風險。也可以幫助研究人員預測藥物分子與靶標之間的相互作用，優(yōu)化藥物分子的結(jié)構(gòu)和性質(zhì)，從而設(shè)計出更有效、更具靶向性的藥物。通過分析基因組、蛋白質(zhì)結(jié)構(gòu)和疾病信息，設(shè)計出對特定患者更有效的藥物。而且通過這兩項技術(shù)，也能幫助科學家在藥物研發(fā)中探索新的治療領(lǐng)域，發(fā)現(xiàn)潛在的藥物靶標和治療方案，為疾病治療開辟新的路徑。

CADD計算機輔助藥物設(shè)計專題課程：讓學員能夠掌握包括PDB數(shù)據(jù)庫、靶點蛋白、蛋白質(zhì)-配體、蛋白-配體小分子、蛋白-配體結(jié)構(gòu)、notepad的介紹和使用、分子對接、蛋白-配體對接、虛擬篩選、蛋白-蛋白對接、蛋白-多糖分子對接、蛋白-水合對接、Linux安裝、gromacs分子動力學全程實操、溶劑化分子動力學模擬。

AIDD人工智能藥物發(fā)現(xiàn)與設(shè)計課程：讓學員了解藥物發(fā)現(xiàn)的前沿背景，學習人工智能領(lǐng)域的各類常見算法，熟悉工具包的安裝與使用，掌握一定的算法編程能力，能夠運用計算機方法研究藥物相關(guān)問題。通過大量的案例講解和實踐操作，具備一定的AIDD模型構(gòu)建和數(shù)據(jù)分析能力。

CADD主講老師來自國內(nèi)高校、中科院等單位，老師主要擅長深度學習、機器學習、藥物虛擬篩選、計算機輔助藥物設(shè)計、人工智能藥物發(fā)現(xiàn)、分子對接、分子動力學等方面的研究

AIDD授課老師，有十余年的計算機算法研究和程序設(shè)計經(jīng)驗。研究方向涉及生物信息學，深度學習，藥物靶標識別，藥物不良反應(yīng)等。參與了國自然基金2項，主持了省廳級科研項目3項。一作身份發(fā)表SCI論文數(shù)篇，包括BMC Bioinformatics, Journal of Biomedical Informatics, International Journal of Molecular Sciences等知名期刊。

課程目錄

CADD計算機輔助藥物設(shè)計專題課程

第一天上午

背景與理論知識以及工具準備

1.PDB數(shù)據(jù)庫的介紹和使用

1.1數(shù)據(jù)庫簡介

1.2靶點蛋白的結(jié)構(gòu)查詢與選取

1.3靶點蛋白的結(jié)構(gòu)序列下載

1.4靶點蛋白的下載與預處理

1.5批量下載蛋白晶體結(jié)構(gòu)

2.Pymol的介紹與使用

2.1軟件基本操作及基本知識介紹

2.2蛋白質(zhì)-配體相互作用圖解

2.3蛋白-配體小分子表面圖、靜電勢表示

2.4蛋白-配體結(jié)構(gòu)疊加與比對

2.5繪制相互作用力

3.notepad的介紹和使用

3.1優(yōu)勢及主要功能介紹

3.2界面和基本操作介紹

3.3插件安裝使用

下午

一般的蛋白

-配體分子對接講解

1.對接的相關(guān)理論介紹

1.1分子對接的概念及基本原理

1.2分子對接的基本方法

1.3分子對接的常用軟件

1.4分子對接的一般流程

2.常規(guī)的蛋白-配體對接

2.1收集受體與配體分子

2.2復合體預構(gòu)象的處理

2.3準備受體、配體分子

2.4蛋白-配體對接

2.5對接結(jié)果的分析

以新冠病毒蛋白主蛋白酶靶點及相關(guān)抑制劑為例

第二天

虛擬篩選

1.小分子數(shù)據(jù)庫的介紹與下載

2.相關(guān)程序的介紹

2.1 openbabel的介紹和使用

2.2 chemdraw的介紹與使用

3.虛擬篩選的前處理

4.虛擬篩選的流程及實戰(zhàn)演示

案例：篩選新冠病毒主蛋白酶抑制劑

5.結(jié)果分析與作圖

6.藥物ADME預測

6.1ADME概念介紹

6.2預測相關(guān)網(wǎng)站及軟件介紹

6.3預測結(jié)果的分析

第三天

拓展對接的使用方法

1.蛋白-蛋白對接

1.1蛋白-蛋白對接的應(yīng)用場景

1.2相關(guān)程序的介紹

1.3目標蛋白的收集以及預處理

1.4使用算例進行運算

1.5關(guān)鍵殘基的預設(shè)

1.6結(jié)果的獲取與文件類型

1.7結(jié)果的分析

以目前火熱的靶點

PD-1/PD-L1等為例。

2.涉及金屬酶蛋白的對接

2.1金屬酶蛋白-配體的背景介紹

2.2蛋白與配體分子的收集與預處理

2.3金屬離子的處理

2.4金屬輔酶蛋白-配體的對接

2.5結(jié)果分析

以人類法尼基轉(zhuǎn)移酶及其抑制劑為例

3.蛋白-多糖分子對接

4.1蛋白-多糖相互作用

4.2對接處理的要點

4.3蛋白-多糖分子對接的流程

4.4蛋白-多糖分子對接

4.5相關(guān)結(jié)果分析

以α-糖苷轉(zhuǎn)移酶和多糖分子對接為例

5.核酸-小分子對接

5.1核酸-小分子的應(yīng)用現(xiàn)狀

5.2相關(guān)的程序介紹

5.3核酸-小分子的結(jié)合種類

5.4核酸-小分子對接

5.5相關(guān)結(jié)果的分析

以人端粒

g -四鏈和配體分子對接為例。

操作流程介紹及實戰(zhàn)演示

第四天

拓展對接的使用方法

1.柔性對接

1.1柔性對接的使用場景介紹

1.2柔性對接的優(yōu)勢

1.3蛋白-配體的柔性對接

重點：柔性殘基的設(shè)置方法

1.4相關(guān)結(jié)果的分析

以周期蛋白依賴性激酶

2（CDK2）與配體1CK為例

2.共價對接

2.1兩種共價對接方法的介紹

2.1.1柔性側(cè)鏈法

2.1.2兩點吸引子法

2.2蛋白和配體的收集以及預處理

2.3共價藥物分子與靶蛋白的共價對接

2.4結(jié)果的對比

以目前火熱的新冠共價藥物為例。

3.蛋白-水合對接

3.1水合作用在蛋白-配體相互作用中的意義及方法介紹

3.2蛋白和配體的收集以及預處理

3.3對接相關(guān)參數(shù)的準備

重點：水分子的加入和處理

3.4蛋白-水分子-配體對接

3.5結(jié)果分析

以乙酰膽堿結(jié)合蛋白

(AChBP)與尼古丁復合物為例

第五天

分子動力學模擬（linux與gromacs使用安裝）

1. linux系統(tǒng)的介紹和簡單使用

1.1 linux常用命令行

1.2 linux上的常用程序安裝

1.3體驗：如何在linux上進行虛擬篩選

2.分子動力學的理論介紹

2.1分子動力學模擬的原理

2.2分子動力學模擬的方法及相關(guān)程序

2.3相關(guān)力場的介紹

3.gromacs使用及介紹

重點：主要命令及參數(shù)的介紹

4.origin介紹及使用

第六天

溶劑化分子動力學模擬的執(zhí)行

1.一般的溶劑化蛋白的處理流程

2.蛋白晶體的準備

3.結(jié)構(gòu)的能量最小化

4.對體系的預平衡

5.無限制的分子動力學模擬

6.分子動力學結(jié)果展示與解讀

以水中的溶菌酶為例

第七天

蛋白-配體分子動力學模擬的執(zhí)行

1.蛋白-配體在分子動力學模擬的處理流程

2.蛋白晶體的準備

3.蛋白-配體模擬初始構(gòu)象的準備

4.配體分子力場拓撲文件的準備

4.1高斯的簡要介紹

4.2 ambertool的簡要介紹

4.3生成小分子的力場參數(shù)文件

5.對復合物體系溫度和壓力分別限制的預平衡

6.無限制的分子動力學模擬

7.分子動力學結(jié)果展示與解讀

8.軌跡后處理及分析

以新冠病毒蛋白主蛋白酶靶點及相關(guān)抑制劑為例

AIDD人工智能藥物發(fā)現(xiàn)與設(shè)計課程

第一天

人工智能與藥物發(fā)現(xiàn)用工具的介紹與安裝

從CADD到AIDD的介紹

1.計算機輔助藥物設(shè)計(CADD)簡介

1.2.分子對接與分子動力學背景介紹

1.3.人工智能藥物發(fā)現(xiàn)(AIDD)簡介

2.機器學習與深度學習在藥物發(fā)現(xiàn)中的背景介紹

2.1藥物發(fā)現(xiàn)與設(shè)計

2.2基于結(jié)構(gòu)的藥物發(fā)現(xiàn)與設(shè)計

2.3基于配體的藥物發(fā)現(xiàn)與設(shè)計

3.1Anaconda3/Pycharm安裝

3.2python 編程基礎(chǔ)

3.3Pandas基礎(chǔ)

3.4NumPy基礎(chǔ)

3.5RDKit基礎(chǔ)

3.6Pytorch基礎(chǔ)

3.7Tensorflow基礎(chǔ)

3.8DeepChem基礎(chǔ)

第二天

機器學習與藥物發(fā)現(xiàn)(分類任務(wù))

1.分類模型的構(gòu)建與應(yīng)用

1.1邏輯回歸算法原理

1.2樸素貝葉斯算法原理

1.3k最近鄰算法原理

1.4支持向量機算法原理

1.5隨機森林算法原理

1.6梯度提升算法原理

1.7多層感知機算法原理

1.8特征工程

1.9缺失值填補

2.特征歸一化

2.1變量篩選

2.2模型評估方法

2.3交叉驗證

2.4外部驗證

3.分類模型的常用評價指標

3.1混淆矩陣

3.2準確率

3.3敏感性

3.4特異性

3.5模型選擇

3.6格點搜索超參數(shù)調(diào)優(yōu)

3.7k折交叉驗證

分類模型的實例講解與練習，以給定數(shù)據(jù)集為例，講解基于以上機器學習算法的生物活性或ADMET性質(zhì)預測模型。引導學員構(gòu)建自己的數(shù)據(jù)模型，并用于小分子化合物的活性或ADMET性質(zhì)預測。

第三天

機器學習與藥物發(fā)現(xiàn)(回歸任務(wù))

1.隨機森林回歸

2.支持向量機回歸

3.XGboost回歸

4.多層感知機回歸

5.神經(jīng)網(wǎng)絡(luò)回歸

6.回歸模型的常用評價指標

6.1MSE

6.2RMSE

6.3MAE

6.4R2

QSAR/3D-QSAR模型

以給定數(shù)據(jù)集為例，講解基于上述幾種機器學習算法構(gòu)建生物活性如pIC50或ADMET性質(zhì)預測模型。

第四天

深度學習與藥物發(fā)現(xiàn)

1.深度學習的發(fā)展歷程與在藥物開發(fā)中的應(yīng)用

1.1多層感知機/人工神經(jīng)網(wǎng)絡(luò)

1.2基于梯度的學習

1.3反向傳播算法

1.4隨機梯度下降

1.5卷積神經(jīng)網(wǎng)絡(luò)介紹

1.6圖神經(jīng)網(wǎng)絡(luò)介紹

基于PyTorch的多層感知機算法的實例講解與練習

以給定數(shù)據(jù)集為例，講解基于多層感知機的化合物性質(zhì)預測模型。

以給定數(shù)據(jù)集為例，講解基于卷積神經(jīng)網(wǎng)絡(luò)的化合物圖像預測分類模型。

以給定數(shù)據(jù)集為例，講解基于圖神經(jīng)網(wǎng)絡(luò)對化合物的毒性分類預測模型

第五天

分子生成模型

1.生成式對抗網(wǎng)絡(luò)(GANs)的基本原理

1.2生成器

1.3判別器

1.4循環(huán)神經(jīng)網(wǎng)絡(luò)(RNN)

1.5長短期記憶網(wǎng)絡(luò)(LSTM)

2.基于上下文的循環(huán)神經(jīng)網(wǎng)絡(luò)序列建模

3.基于字符串的小分子化合物生成模型

4.基于圖數(shù)據(jù)的小分子化合物生成模型

授課時間安排：

CADD計算機輔助藥物設(shè)計專題培訓班

2023.7.29 -----2023.7.30 全天授課(上午09.00-11.30 下午13.30-17.00)

2023.8.1-----2023.8.4晚上授課(晚上19.00-22.00)

2023.8.5-----2023.8.6全天授課(上午09.00-11.30 下午13.30-17.00)

2023.8.8-----2023.8.9晚上授課(晚上19.00-22.00)

AIDD人工智能藥物發(fā)現(xiàn)與設(shè)計專題培訓班

2023.8.5 -----2023.8.6 全天授課(上午09.00-11.30 下午13.30-17.00)

2023.8.8-----2023.8.9晚上授課(晚上19.00-22.00)

2023.8.12-----2023.8.13全天授課(上午09.00-11.30 下午13.30-17.00)

課程特色

1、課程特色--全面的課程技術(shù)應(yīng)用、原理流程、實例聯(lián)系全貫穿

2、學習模式--理論知識與上機操作相結(jié)合，讓零基礎(chǔ)學員快速熟練掌握

3、課程服務(wù)答疑--主講老師將為您實際工作中遇到的問題提供專業(yè)解答

福利及授課方式：

福利：報名繳費成功贈送報名班型全套預習視頻，課后學習完畢提供全程錄像視頻回放，針對與培訓課程內(nèi)容進行長期答疑，微信解疑群永不解散，參加本次課程的學員可免費再參加一次本單位后期組織的相同的專題培訓班（任意一期都可以）

授課方式：

通過騰訊會議線上直播，理論+實操的授課模式，老師手把手帶著操作，從零基礎(chǔ)開始講解，電子PPT和教程開課前一周提前發(fā)送給學員，所有培訓使用軟件都會發(fā)送給學員，有什么疑問采取開麥共享屏幕和微信群解疑，學員和老師交流、學員與學員交流，培訓完畢后老師長期解疑，培訓群不解散，往期培訓學員對于培訓質(zhì)量和授課方式一致評價極高！

最后，對以上專題直播內(nèi)容感興趣的老師，可私信詳細了解或者V.X交流學習：LIv51666