CADD计算机辅助药物设计+AIDD人工智能药物发现与设计专题

CADD（计算机辅助药物设计）与AIDD（人工智能药物发现与设计）是两种先进的研究方向。
CADD：通过计算机化学模拟药物分子与其受体生物大分子之间的相互作用关系，并结合靶点的选择性结合特性等原理，在新药研发中扮演重要角色。它主要应用于食品、生物、化学、医药、植物及疾病等多个领域。
AIDD：作为一种新兴技术，在新药研发过程中广泛应用于从靶点识别到活性筛选等各个阶段。利用机器学习算法提取数据并识别模式，并通过深度学习模型预测靶点及化合物性质等关键环节。
基于决策树、随机森林等机器学习模型的应用，在靶点预测及高通量筛选方面取得了显著成果；结合深度神经网络等算法后，在药物设计及ADMET性质预测等方面也取得了突破性进展。
本研究团队针对国内相关研究进展缓慢的问题展开调研，并决定联合举办"Computer Aided Drug Design + AI Drug Discovery & Design"专题培训会议。

全国各高校、科研机构及企业等致力于人工智能、生命科学、代谢工程、有机合成等多个领域开展相关研究的科研人员以及对人工智能感兴趣的学者

CADD计算机辅助药物设计课程流程详细讲解了以下核心技术：包括PDB数据平台的使用、靶点蛋白功能解析、蛋白质-配体相互作用机制研究、小分子配体设计与优化等内容；系统深入介绍了蛋白-配体结构分析方法及其应用实例；全面指导了不记打结软件的应用操作技巧；详细讲解了分子对接分析方法及其在药物发现中的应用；系统介绍了基于机器学习的蛋白质-配体对接预测方法；全面覆盖了虚拟筛选技术及其在药物研发中的实际应用；深入探讨了蛋白质-多糖分子相互作用特性及其实用案例；详细阐述了蛋白质-水合物的稳定性和动力学行为研究方法；系统指导了Linux操作系统在药物发现领域的安装与配置操作；全面解析了GROMACS软件在分子动力学模拟中的应用技术；详细介绍了溶剂化过程对分子动力学模拟的影响及其实用技巧。
AIDD人工智能药物发现与设计课程则着重讲解了人工智能药物发现的基本理论与实践方法：从AIDD简介到基于结构的传统与新兴药物发现方法进行了深入阐述；系统介绍了Python环境配置工具 Anaconda3 安装指南及数据分析库 Pandas 的基本操作方法；详细讲解了NumPy 在数据处理中的实际应用技巧；全面指导了RDKit 软件包在分子构建与编辑中的具体操作步骤；系统介绍了深度学习框架 Scikit-learn 和 PyTorch 的基本原理及其在药物发现中的应用实例；详细阐述了深度学习模型在蛋白质-配体对接预测中的性能评估标准及其实用案例分析。

课程安排

AIDD人工智能药物发现与设计课表内容

（第一天）
人工智能与药物发现

用工具的介绍与安装
从CADD到AIDD的介绍
计算机辅助药物设计(CADD)简介
分子对接与分子动力学背景介绍
人工智能药物发现(AIDD)简介
机器学习与深度学习在药物发现中的背景介绍
药物发现与设计
基于结构的药物发现与设计
基于配体的药物发现与设计
Anaconda3
Pandas
NumPy
RDKit
scikit-learn
Pytorch
Tensorflow
DeepChem
（第二天）
基于配体结构的药物发现——分类任务 分类模型的构建与应用
–逻辑回归算法原理
–朴素贝叶斯算法原理
–k最近邻算法原理
–支持向量机算法原理
–随机森林算法原理
–梯度提升算法原理
–多层感知机算法原理
模型评估方法
–交叉验证
–外部验证
分类模型的常用评价指标
–混淆矩阵
–准确率
–敏感性
–特异性
模型选择
–变量筛选
–变量重要性
参数格点搜索
–超参数调优
分类模型的实例讲解与练习，以给定数据集为例，讲解基于支持向量机算法的毒性预测模型的构建与使用。引导学员自行实现基于其他三种算法的毒性预测模型，并用于小分子化合物的毒性预测。
（第三天）
基于配体结构的药物发现——回归任务 回归模型的构建与应用
–多元线性回归
–随机森林回归
–支持向量机回归
–极端梯度提升树回归
–多层感知机回归
–神经网络回归
模型评估方法
–交叉验证
–外部验证
回归模型的常用评价指标
–MSE
–MAE
–R2
模型选择
–变量筛选
–变量重要性
参数格点搜索
–超参数调优
以给定数据集为例，讲解基于支持向量机算法的pIC50值预测模型的构建与使 用。引导学员自行实现基于其他三种算法的pIC50值预测模型，并用于小分子 化合物pIC50值的预测。
（第四天）
深度学习与药物发现 深度学习的发展历程
深度学习在药物开发中的应用
基于梯度的学习
反向传播算法
随机梯度下降
卷积神经网络介绍
图神经网络介绍
深度神经网络的常用框架介绍
PyTorch
TensorFlow
基于PyTorch的多层感知机算法的实例讲解与练习
以给定数据集为例，讲解基于卷积神经网络的化合物图像预测分类模型。
以给定数据集为例，讲解基于图神经网络对化合物的毒性或血脑屏障分类预测模型。
(第五天)
分子生成模型 生成式对抗网络(GANs)的基本原理
长短期记忆网络(LSTM)
循环神经网络(RNN)
基于上下文的循环神经网络序列建模
基于字符串的小分子化合物生成模型
基于图数据的小分子化合物生成模型
生成器
判别器
实例讲解与练习，以给定数据集为例，使用 MolGAN 模型进行小分子化合物的生成练习。

CADD计算机辅助药物设计
2022.05.14 -----2022.05.15全天授课(上午09.00-11.30 下午13.30-17.00)
2022.05.17-----2022.05.20晚上授课(晚上19.00-22.00)
2022.05.21-----2022.05.22全天授课(上午09.00-11.30 下午13.30-17.00)
2022.05.24 -----2022.05.25晚上授课 (晚上19.00-22.00)
AIDD人工智能药物发现与设计
2022.05.14 -----2022.05.15全天授课(上午09.00-11.30 下午13.30-17.00)
2022.05.17-----2022.05.18 晚上授课(晚上1 9.00-22.00)
2022.05.21-----2022.05.22全天授课(上午09.00-11.30 下午13.30-17.00)

联系人：陈老师 电话/微信：18339237911
邮箱：chen18339237911@163.com QQ:529201149