2054
0
0
2021-11-10 11:31:53
2021-11-10
关于举办“人工智能药物设计技术与应用实践”与“新药先导化合物的虚拟筛选技术与实践”专题培训班的通知
各有关单位:
过去几年里，以人工智能为代表的新技术的引入，通过利用自然语言处理、深度学习、机器学习和图像识别等对传统的计算机辅助药物设计带来显著的效率提升，并极大地增加了研发成功的可能性。但是AI药物研发也面临着急需要解决的问题，AI药物研发兼具信息科技和医药双重属性，需要AI的人才也需要懂药物研发的人才，需要培养一批具备交叉学科的复合型人才队伍。
计算机辅助药物设计是通过计算机模拟、计算和预算药物与受体生物大分子之间的关系，设计和优化先导化合物的方法；近年来，计算机辅助药物设计已经取得一定成就，特别是在新冠肺炎爆发后，很多研究机构和企业采用计算机辅助药物设计方法辅助进行了很多研究工作。在新型冠状病毒的治疗方案中，通过同源建模方法发布了新冠病毒的三维结构，通过药物靶标预测、筛选出针对新型冠状病毒的药物，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机理和新思路。
应高端复合型人才学习需求，也应新老客户的培训需求，北京软研国际信息技术研究院特举办“人工智能药物设计技术与应用实践”与“新药先导化合物的虚拟筛选技术与实践”专题培训班，本次培训由互动派（北京）教育科技有限公司具体承办，具体相关事宜通知如下：
一、培训特色：
人工智能药物设计：本次课程共计4天，采用“2+2”教学体系，分两阶段授课，给与学员巩固练习时间；小班授课，对知识进行由浅入深，层层递进，系统讲解，配合案例解析边讲边练，让学员能运用模拟软件针对每个技术点进行上机操作；在线学习后对学员提炼出的问题提供专业指导，从而更好地满足学员不同方面的论文及实际科研工作需求；课堂上建立专属班级交流平台，学员学完后可以继续在班级群与老师同学交流问题，巩固学习内容。
新药先导化合物：课程是在往期先导化合物筛选课程基础上，根据学员需求和市场调研专门开设，单独小班授课，对知识进行由浅入深，层层递进分阶段系统讲解，配合案例边讲边练，让学员能运用专业软件针对每个技术点进行上机操作；
二、 培训对象：
各省市、自治区从事药学、生物学、化学、有机化工、肿瘤学、基础医学、临床医学、计算机软件及计算机应用技术、自动化技术等领域相关单位及部门，以及各大高校相关科研人员。
三、 时间地点：
人工智能药物设计
2021年11月20日-11月21日 在线直播（授课2天）
2021年11月27日-11月28日 在线直播（授课2天）
新药先导化合物
2021年12月04日-12月05日 在线直播（授课2天）
2021年12月11日-12月12日 在线直播（授课2天）
四、 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, PDB 2.1.2 JEM Editor, Chemdoodle, ChemAxon, ChemDraw, DrugBank 2.2 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. |
新药先导化合物的虚拟筛选技术与实践专题培训课表
|
第一天上午 |
全新先导化合物的筛选策略 |
1.1全新筛选策略的基本原理 1.1.1 基于药效团模型的虚拟筛选方法 1.1.2 基于分子对接的虚拟筛选方法 1.1.3 全新先导化合物的筛选方法 1.2 全新筛选策略全新方法-用于先导化合物的快速发现 |
|
小分子数据库的构建 |
2.1 三维数据库的构建 2.1.1 二维数据库的构建和转换 2.1.2 三维数据库的生成 2.1.3 三维数据库的加氢加电荷和能量优化 2.1.4 三维数据库的多构象生成 2.1.5 三维数据库的描述符计算 2.1.6 三维数据库的类药性筛选 实例讲解与练习：
|
|
|
第一天下午 |
蛋白质结构数据库（PDB） |
3.1 靶点晶体结构的数据库检索和选取 3.2 靶点蛋白的结构类型和序列分析 3.3 靶点蛋白的下载和预处理 3.4 靶点蛋白的三维结构分析 3.5 靶点蛋白的活性位点表征 实例讲解与练习： (1) 基于 PLK1为靶点的蛋白结构获取和活性位点表征 (2) 基于 DPP4为靶点的蛋白结构获取和活性位点表征 |
|
分子对接
|
4.1 分子对接原理 4.2 分子对接方法 4.2.1 靶点蛋白晶体结构的选取 4.2.2 靶点蛋白前期优化准备 4.2.3 靶点蛋白活性位点表征 4.2.4 三维数据库的预处理 4.2.5 对接算法的选择和对接评分 4.2.6 结合自由能计算 4.2.7 三维相互作用图生成 4.3 对接结果分析 实例讲解与练习： (1)基于分子对接技术筛选磷酸二酯酶-4小分子抑制剂 (2)基于分子对接技术筛选PLK1小分子抑制剂 |
|
|
第二天上午 |
同源建模
|
5.1 同源建模介绍 5.2 同源建模的方法 5.2.1靶点蛋白的序列选取 5.2.2 蛋白序列的相似性搜索和比对 5.2.3 蛋白模板的选择 5.2.4 蛋白模型三维结构构建 5.2.5 蛋白模型的验证 5.2.6 蛋白模型的优化 5.2.7 蛋白模型活性位点的表征 实例讲解与练习： (1) 以新冠病毒3CL水解酶为靶点的同源建模 |
|
第二天下午 |
基于受体的药效团 建模实践 |
6.1 构建基于受体-配体复合物的药效团模型 6.1.1 选取靶点蛋白-配体晶体结构 6.1.2 靶点晶体结构的预处理 6.1.3 靶点蛋白与配体的相互作用分析 6.1.4 药效团模型的构建 6.1.5 测试集的构建方法 6.1.6 药效团模型的评价方法 6.2 虚拟筛选 6.3 结果分析 实例讲解与练习： (1) 基于受体药效团模型发现新型的免疫检查点PD-L1抑制剂 (2) 基于PARP-1活性位点构建三维药效团模型及先导化合物筛选 |
|
第三天上午 |
基于配体的药效团 建模实践 |
7.1 构建基于配体的药效团模型 7.1.1 选取配体分子的方法 7.1.2 配体分子数据库的构建 7.1.3 配体分子数据库的预处理 7.1.3 配体分子数据库的多构象生成 7.1.4 药效团模型的构建 7.1.5 测试集的构建方法 7.1.6 药效团模型的评价方法 7.2 虚拟筛选 7.3 结果分析 实例讲解与练习： 基于配体药效团模型发现全新的磷脂酰肌醇-3-激酶(PI3K)抑制剂 |
|
第三天下午 |
多肽药物的虚拟筛选 |
8.1 构建基于受体-配体复合物的药效团模型 8.1.1 选取靶点蛋白-配体晶体结构 8.1.2 靶点晶体结构的预处理 8.1.3 靶点蛋白与配体的相互作用分析 8.1.4 药效团模型的构建 8.1.5 测试集的构建方法 8.1.6 药效团模型的评价方法 8.2 多肽药物精准分子对接方法 8.3 结果分析 实例讲解与练习：
|
|
第四天 上午
|
抗肿瘤药物先导化合物的发现 |
9.1 MMP-9药效团模型的构建 9.1.1 MMP-9靶点晶体结构的选取及预处理 9.1.3 MMP-9靶点活性位点与配体的构效关系分析 9.1.4药效团模型构建 9.2 MMP-9药效团模型的优化及评价 9.2.1测试集的构建 9.2.2药效团模型的验证 9.3 基于MMP-9药效团模型的虚拟筛选 9.4 基于MMP-9活性位点的分子对接 9.4.1 候选化合物与活性位点氨基酸的二维和三维相互作用分析 9.4.2 候选化合物与活性位点氨基酸的结合自由能计算 9.5 结果分析 |
|
第四天 下午
|
抗病毒药物先导化合物的发现 |
10.1 3CL水解酶药效团模型的构建 10.1.1 3CL水解酶靶点晶体结构的选取 10.1.2 3CL水解酶靶点晶体结构的预处理 10.1.3 3CL水解酶靶点活性位点与配体的构效关系分析 10.1.4药效团模型构建 10.2 3CL水解酶药效团模型的优化及评价 10.2.1测试集的构建 10.2.2药效团模型的验证 10.3 基于3CL水解酶药效团模型的虚拟筛选 10.4基于3CL水解酶活性位点的分子对接 10.4.1 候选化合物与活性位点氨基酸的二维和三维相互作用分析 10.4.2 候选化合物与活性位点氨基酸的结合自由能计算 10.5 结果分析 |
|
答疑 |
每天下午 16：30-17：00 |
建立和设计属于自己关心的药物先导化合物筛选策略（例如：抗体药物） |
五、报名费用：
人工智能药物设计：每人￥3900元 （含报名费、培训费、资料费）
新药先导化合物：每人￥3900元 （含报名费、培训费、资料费）
费用提供用于报销的正规机打发票及盖有公章的纸质通知文件；如需开具会议费的单位请联系招生老师要会议邀请函；
六、增值服务：
1、凡报名学员将获得本次培训书本教材及随堂电子数据资料；
2、价格优惠：
人工智能药物设计：
优惠一：2021年11月5日前汇款可享受200元优惠；
优惠二：同一单位同时参加2人及以上可享受每人200元学费优惠；
优惠三：同一人参加两个班可享受每班200元学费优惠；
新药先导化和物：
优惠一：2021年11月12日前汇款可享受200元优惠（仅限前八名）；
优惠二：同一人参加两个班或以上可享受每班200元学费优惠；
官方联系人: 科宇老师 电话、微信：13520456594
报名QQ: 1446084643
官方座机：010-56245524 官方网址：http://srit.ac.cn
【注】1、开课前一周会务组统一通知；开课前一天会将直播链接及上机账号发至您邮箱或微信。如未收到请及时电话咨询！
问题1：课程讲师是否专业？
人工智能药物设计：本次课程由工作在科研一线的药物设计课题组核心成员担任主讲，在领域内核心期刊发表SCI收录论文30多篇，另开发了十多款药物设计相关软件和计算平台，近几年主持/参与国家自然科学基金和省自然科学基金多项。从事人工智能药物分子设计研究工作近十年，擅长药物发现过程中Web服务、数据库、软件、工具的开发，以及虚拟筛选方法的开发等。
新药先导化和物：全国重点大学、国家“双一流”、“211工程”重点建设医药类高校，药物分析系博士、副教授，硕士生导师。在国际著名学术期刊发表论文十余篇、申请专利4项、单篇论文影响因子最高超过15（第一通讯作者），影响因子累计大于50。曾先后主持和参与国家自然科学基金、省自然科学基金和中央高校基本科研业务费专项基金。拥有十余年的抗肿瘤、抗病毒领域新药分子设计开发经验，擅长运用人工智能和计算机辅助设计技术，针对疾病和药物分子作用的关键靶点进行靶向识别、分子探针设计、合成及检测肿瘤标志物、建立多肽数据库库,筛选候选多肽药物等。
问题2：课程是否适合小白/零基础的学员？
人工智能药物设计对于初学者，因缺乏对人工智能数据算法、平台、软件的掌握与深入理解，导致无从下手。而本次人工智能药物设计技术与应用实践专题课程就是为初学者量身订做，四天从九个模块的专业知识配合实际案例操作，从数据分析的角度出发，让你从AI小白到能够结合药学相关数据与AI技术结合出成果的学术弄潮儿。
新药先导化合物对于初学者，因缺乏对药物设计及先导化合物发现专业知识和专业软件计算技巧的掌握与深入理解，导致无从下手。本次计算机辅助药物设计系列专题课程从初学者角度出发，贴合实际项目需求。课堂上使用专业软件工具进行Step by step实操练习，实时答疑操作过程，保障远程操作也不出错，做出和老师一样的结果，非常适合零基础学员。
每节实战课都总结为数个知识点，整个学习一目了然，绝不迷失。
问题3：通过人工智能药物设计技术与新药先导化合物培训班我能学到什么？
人工智能药物设计本次课程共计四天，一共二十四个小时教学；整体分为五大模块十四个专题讲授，均采用“理论+实操”模式，系统讲授药物设计结合AI人工智能的研究技术，为你讲解其中关键诀窍，帮你打开用AI技术研究药物发现的大门。
新药先导化合物本次课程共计4天，采用“理论+实操”模式，详细讲授讲授数据库构建、分子对接、同源建模、虚拟筛选、测试集构建、结合自由能计算等，分别为满足学生不同的学习需求，每天答疑时间为学员设计属于自己关心的药物先导化合物筛选策略，另有多肽药物的虚拟筛选、抗肿瘤药物先导化合物的发现等各个热门案例实操。
问题4：培训时遇到疑问，怎么办？
课程采用边讲边练边答疑的模式，实战跟着老师一步一步操作，过程中通过班级微信群实时跟踪操作结果，遇到问题及时反馈、当堂解决，让你实战不出错！
本次课程采用在线直播的形式，学习方式灵活。课前建立专门答疑的班级微信群，学员在课前、课间、课后皆可与主讲老师随时沟通解答。
大家伙儿一定要带着问题来，权威老师帮你抽丝剥茧，和你一起打开成功的大门！
附件
