日期

主题

内容

第一天

AIDD理论与相关概述

1. 人工智能药物发现（AIDD）介绍

2. 机器学习与深度学习在药物发现中的应用

3. 计算机辅助药物设计的概念以及方法概述

4. AIDD经典论文讲解

5. 分子指纹

6. 药物常见数据结构及数据处理方法

7. RDKit介绍及小分子结构分析

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、matplotlib

7. 图像/视频处理、语音处理、自然语言处理等领域的介绍

8. Jupyter Notebook入门及使用

部署人工智能实验平台

1. 深度学习框架基本情况

2. 深度学习框架运行的基本软硬件环境要求

3. 深度学习框架的安装

4. 运行讲师提供示例验证环境的安装的正确性

5. 熟悉实验资料和实验环境

6.Pytorch、Keras、TensorFlow安装

第二天

机器学习药物设计的应用实践

1. 机器学习经典算法概述

2. 线性回归

3. 逻辑回归

4. 人工神经网络

5. 支持向量机

6. 随机森林模型

7. 聚类算法模型及其应用

8. Sklearn库概述

9. Sklearn库概述的实战操作

10. 机器学习常见评估方法：准确率、召回率、混淆矩阵、F1分数、AUC指标、ROC曲线

11. 机器学习预测分子属性（ADMET预测）

深度学习的药物设计应用实践

1. 深度学习算法概述

2. 卷积神经网络算法及其应用

3. 循环神经网络及其应用

4. 图神经网络算法及其应用

5. 图卷积神经网络（GCN）介绍

6. 以实际数据集为例讲解基于图卷积神经网络的预测模型

7. 基于注意力机制的神经网络及其应用

8. 图注意力神经网络（GAN）介绍

9. 以实际数据集为例讲解基于注意力网络的预测模型

10. 深度学习算法常见的评估方法：MSE、RMSE、MAE、MAPE、目标识别交并比、图像分割交并比

11. 生物医药大模型介绍

人工智能实验平台的部署与案例实践

1. 深度学习框架运行的基本软硬件环境要求

2. 深度学习框架的安装

3. 验证环境安装的正确性

4. 常用深度学习框架介绍与案例演示

Pytorch、Tensorflow、Keras

第三天

分子结构可视化软件简介

1. ChemBioOffice介绍

2. PyMOL分子结构可视化软件介绍

蛋白质和小分子对接实战

1. Autodock软件原理及功能介绍

小分子配体结构处理

蛋白受体结构优化和处理

2. Autodock vina软件原理及功能介绍

3. 分子对接和对接结果分析

4. DS软件分析对接结果分析

5. 实例讲解与练习：HIV-对接

分子结构可视化软件SCI绘图实战

1. PyMOL软件高质量论文绘图实操

2. 蛋白-小分子相互作用分析图解

蛋白质结构预测原理及软件实战

1. 核酸二级结构和三级结构预测

2. AlphaFold Protein Structure Database介

3. I-TASSER：蛋白质结构预测

4. Rosetta：蛋白质结构预测