日期

主题

内容

备注

第一天

网络药理学研究思路

1. 传统网络药理学的起源与核心思想

2. 传统方法的局限性与挑战

3. AI赋能网络药理学代表性进展

4. AI赋能网络药理学的技术框架和研究流程

5. SCI论文研读与案例分析

理论

人工智能技术实现环境与编程语言

1. Python概述

2. Python编程软件安装

3. Python基础数据结构

4. Python的循环与判断结构

5. 函数定义、类的定义

6. 第三方库的使用：numpy、pandas、matplot

7. Jupyter Notebook入门及使用

理论+

实战

第二天

基础构建与知识图谱嵌入应用

1. 知识图谱基础层构建：

演示疾病靶点的获取途径，完成KG三元组与异构图构建。实现类风湿关节炎疾病子图的交互式可视化。

2. 知识图谱嵌入与链接预测实战：

剖析知识图谱嵌入算法原理，应用负采样技术进行PyTorch自实现。完成“老药新用”场景下的drug-disease关系预测与候选药物排序。

3. 图神经网络的搭建与训练，完成drug-disease关系预测和模型评估。

实战

深度预测、网络分析与严谨科研方法学

1. 药物-靶点相互作用（DTI）预测：

讲解DTI原理，实操训练模型并生成候选药与靶点的预测。

2. 中药组方机制解析：

以经典的中药方剂为靶标进行拆方实操。进行药代动力学成分筛选，构建成分-靶点DTI及异构网络，量化评估“君臣佐使”的贡献度。

3. 验证与模型对比：

依托标准基准测试集，讲解不同模型、同类型负采样及功能一致性验证。

实战

第三天

网络药理学数据可视化

网络分析软件：Cytoscape

1）分析数据导入与导出

2）基本拓扑特征计算

3）重要节点识别

4）网络拓扑指标含义

5）子网络提取

6）网络可视化

7）图形导出

8）Cytoscape插件的安装和使用

理论+

实战

分子对接

1）对接软件的介绍：

AutoDock Vina（基于结构的分子对接）

GNINA（基于深度学习的分子对接）

2）分子对接流程介绍及实战：两种对接结果对比

3）分子对接结果相互作用分析及可视化

理论+

实战

中药有效成分查找和获取

中药有效成分及靶点查找和获取

1）常用中药数据及使用：TCMSP

2）靶点的预测：SwissTargetPrediction

3）基于分子指纹的靶点预测：bSDTNBI数据库

理论+

实战

网络药理学数据整理及分析

1. 蛋白质互作网络查询和可视化分析：STRING

2. Metascape功能富集分析和信号通路富集分析

3. 富集GO term BP，CC，MF三合一柱状图绘制

4. 通路气泡图的绘制

理论+

实战