时间地点：
2021年06月26日-06月27日 在线直播（授课2天）
2021年07月03日-07月04日 在线直播（授课2天）
培训大纲：
人工智能药物设计技术与应用实践线上专题课程大纲
课程名称 课程内容
分子表征及特征提取 1. 分子描述符和分子指纹1.1 分子描述符和分子指纹概念1.2 分子描述符类别和特点1.3 分子指纹的类别和特点2. 分子描述符/指纹计算软件2.1 分子表示方法和格式2.1.1 SMILES，SMARTS，SDF, MOL, MOL2, PDB2.1.2 JEM Editor, Chemdoodle, ChemAxon, ChemDraw, DrugBank2.2 RDKit简介及环境部署2.3 RDKit中如何操作分子2.4 RDKit中描述符的计算以及存储 2.5 OpenBabel简介及环境部署2.6 OpenBabel操作分子和格式转换2.7 OpenBabel中的分子描述符和指纹2.8 ChemDes计算分子描述符和指纹2.9 ChemDes中的格式转换和分子优化2.10 PyBioMed 简介环境部署2.11 PyBioMed 获取分子2.12 PyBioMed 计算分子描述符2.13 PyBioMed 计算分子指纹2.14 PyBioMed 计算蛋白质描述符2.45PyBioMed 计算核酸描述符2.15 PyBioMed 计算相互作用描述符
结构、数据预处理 3. 结构预处理和数据预处理3.1 PyBioMed结构预处理3.2 ChemSAR结构预处理3.3 KNIME 结构预处理3.4 Excel数据预处理及注意的问题3.5 KNIME数据预处理3.6 Pandas环境配置以及基本操作3.6 sklearn数据预处理3.7 归一化与空值处理
常用人工智能药物设计算法和软件 4. 算法简单介绍和分类4.1 药物设计中人工智能常用算法简介4.2 常用算法实现软件或工具介绍5. KNIME软件介绍5.1 KNIME软件特色和界面5.2 KNIME软件构建基本计算任务5.3 KNIME软件社区支持5.4 KNIME软件定制化插件5.5 KNIME软件第三方支持6. 特征选择6.1 基于sklearn的特征选择6.1.1 相关性分析，相关性绘图6.1.2 单变量特征选择及选择K个特征6.1.3 递归式特征删除6.2 基于KNIME流程的特征选择6.2.1 相关性分析，相关性绘图6.2.2 单变量特征选择6.2.3 递归式特征删除7. 模型的评价与解释7.1 回归模型和分类模型的评价指标7.2 应用域的评估7.3 基于树的模型的解释
类药性和ADMET评价实践 8. ADMET介绍8.1 ADMET概念以及意义8.2 基于人工智能的ADMET虚拟评价方法的进展8.3 ADMET计算资源（ADMETlab、ADMETsar等）9. KNIME软件构建ADMET模型9.1 KNIME软件配置相关插件9.2 caco-2细胞渗透性数据概览9.3 结构预处理9.4 描述符和指纹计算9.5 SVM模型构建以及参数调整9.6 RF模型构架及参数调整9.7 RNN模型构建以及简单超参数调整10. ADMET计算软件和实操10.1 ADMETlab（v1.0 与v2.0）计算平台使用10.2 admetSAR计算平台使用10.3 本地模型调用以及预测
GRK2抑制剂筛选实践 11. 噪声过滤和相似性搜索11.1 FAFDrugs4过滤11.2 指纹和相似性度量计算11.3 Swiss-Similarity相似性搜索12. 机器学习模型构建和预测12.1 收集GRK2化合物（讲解过程）12.2 计算合适的分子表征12.3 算法和特征选择12.4 模型构建和评价12.5 应用模型筛选化合物库13. 分子对接13.1 蛋白质预处理13.2 小分子预处理13.3 可应用Swiss-Dock对接14. ADMET评估14.1 ADMETlab计算并评估14.2 确定相关性质的参考范围14.3 评估并确定Hits.
咨询QQ/VX: 1455609108
2021年06月26日-06月27日 在线直播（授课2天）
2021年07月03日-07月04日 在线直播（授课2天）
培训大纲：
人工智能药物设计技术与应用实践线上专题课程大纲
课程名称 课程内容
分子表征及特征提取 1. 分子描述符和分子指纹1.1 分子描述符和分子指纹概念1.2 分子描述符类别和特点1.3 分子指纹的类别和特点2. 分子描述符/指纹计算软件2.1 分子表示方法和格式2.1.1 SMILES，SMARTS，SDF, MOL, MOL2, PDB2.1.2 JEM Editor, Chemdoodle, ChemAxon, ChemDraw, DrugBank2.2 RDKit简介及环境部署2.3 RDKit中如何操作分子2.4 RDKit中描述符的计算以及存储 2.5 OpenBabel简介及环境部署2.6 OpenBabel操作分子和格式转换2.7 OpenBabel中的分子描述符和指纹2.8 ChemDes计算分子描述符和指纹2.9 ChemDes中的格式转换和分子优化2.10 PyBioMed 简介环境部署2.11 PyBioMed 获取分子2.12 PyBioMed 计算分子描述符2.13 PyBioMed 计算分子指纹2.14 PyBioMed 计算蛋白质描述符2.45PyBioMed 计算核酸描述符2.15 PyBioMed 计算相互作用描述符
结构、数据预处理 3. 结构预处理和数据预处理3.1 PyBioMed结构预处理3.2 ChemSAR结构预处理3.3 KNIME 结构预处理3.4 Excel数据预处理及注意的问题3.5 KNIME数据预处理3.6 Pandas环境配置以及基本操作3.6 sklearn数据预处理3.7 归一化与空值处理
常用人工智能药物设计算法和软件 4. 算法简单介绍和分类4.1 药物设计中人工智能常用算法简介4.2 常用算法实现软件或工具介绍5. KNIME软件介绍5.1 KNIME软件特色和界面5.2 KNIME软件构建基本计算任务5.3 KNIME软件社区支持5.4 KNIME软件定制化插件5.5 KNIME软件第三方支持6. 特征选择6.1 基于sklearn的特征选择6.1.1 相关性分析，相关性绘图6.1.2 单变量特征选择及选择K个特征6.1.3 递归式特征删除6.2 基于KNIME流程的特征选择6.2.1 相关性分析，相关性绘图6.2.2 单变量特征选择6.2.3 递归式特征删除7. 模型的评价与解释7.1 回归模型和分类模型的评价指标7.2 应用域的评估7.3 基于树的模型的解释
类药性和ADMET评价实践 8. ADMET介绍8.1 ADMET概念以及意义8.2 基于人工智能的ADMET虚拟评价方法的进展8.3 ADMET计算资源（ADMETlab、ADMETsar等）9. KNIME软件构建ADMET模型9.1 KNIME软件配置相关插件9.2 caco-2细胞渗透性数据概览9.3 结构预处理9.4 描述符和指纹计算9.5 SVM模型构建以及参数调整9.6 RF模型构架及参数调整9.7 RNN模型构建以及简单超参数调整10. ADMET计算软件和实操10.1 ADMETlab（v1.0 与v2.0）计算平台使用10.2 admetSAR计算平台使用10.3 本地模型调用以及预测
GRK2抑制剂筛选实践 11. 噪声过滤和相似性搜索11.1 FAFDrugs4过滤11.2 指纹和相似性度量计算11.3 Swiss-Similarity相似性搜索12. 机器学习模型构建和预测12.1 收集GRK2化合物（讲解过程）12.2 计算合适的分子表征12.3 算法和特征选择12.4 模型构建和评价12.5 应用模型筛选化合物库13. 分子对接13.1 蛋白质预处理13.2 小分子预处理13.3 可应用Swiss-Dock对接14. ADMET评估14.1 ADMETlab计算并评估14.2 确定相关性质的参考范围14.3 评估并确定Hits.
咨询QQ/VX: 1455609108
