|
会议详情 |
|
推荐会议：世界中医药学会联合会中医特色诊疗研究专业委员会第16届中医特色诊疗国际学术年会
发票类型：增值税专用发票 增值税普通发票 增值税普通发票
参会凭证：现场凭电话姓名参会 邮件/短信发送参会通知
主办单位：北京软研国际信息技术研究院
承办单位：互动派（北京）教育科技有限公司
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。
一、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。
二、时间安排：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）
问题1：课程讲师是否专业？
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。
问题2：课程是否适合小白/零基础的学员？
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。
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应用实践专题培训班我能学到什么？
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。
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！
三、培训内容
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 **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.
【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！
| 票种名称 | 价格 | 原价 | 票价说明 |
| 培训费（会议费） | ¥3900 | ¥3900 | 培训费（会议费） |
相关会议
2024-12-20泉州
商务会议
会议嘉宾
会议主办方
会议场地
会议PPT
APP参会
订单查询
开通会员
2021-06-26 09:00 至 2021-07-04 17:00
50人