計(jì)算機(jī)輔助藥物設(shè)計(jì)AIDD【小分子專(zhuān)題】

AIDD概述及藥物綜合數(shù)據(jù)庫(kù)學(xué)習(xí)

1. 人工智能輔助藥物設(shè)計(jì)AIDD概述
2. 安裝環(huán)境
   1. anaconda
   2. vscode
   3. 虛擬環(huán)境
3. 第三方庫(kù)基本使用方法
   1. numpy （數(shù)據(jù)計(jì)算工具）
   2. pandas （數(shù)據(jù)清洗工具）
   3. matplotlib （結(jié)果可視化繪圖工具）
   4. requests （數(shù)據(jù)庫(kù)爬蟲(chóng)工具）
4. 多種藥物綜合數(shù)據(jù)庫(kù)的獲取方式
   1. KEGG（requests爬蟲(chóng)）
   2. Chebi（libChEBIpy）
   3. PubChem（pubchempy / requests）
   4. ChEMBL（chembl_webresource_client）
   5. BiGG（curl）
5. DeepChem集成MoleculeNet數(shù)據(jù)庫(kù)介紹及下載

機(jī)器學(xué)習(xí)輔助藥物設(shè)計(jì)

1. 機(jī)器學(xué)習(xí)理論知識(shí)

   1. 機(jī)器學(xué)習(xí)種類(lèi)：
      1. 監(jiān)督學(xué)習(xí)
      2. 無(wú)監(jiān)督學(xué)習(xí)
      3. 強(qiáng)化學(xué)習(xí)
   2. 典型機(jī)器學(xué)習(xí)方法
      1. 決策樹(shù)
      2. 支持向量機(jī)
      3. 樸素貝葉斯
      4. 神經(jīng)網(wǎng)絡(luò)
      5. 卷積神經(jīng)網(wǎng)絡(luò)
   3. 模型的評(píng)估與驗(yàn)證：準(zhǔn)確率、精確率、召回率、F1分?jǐn)?shù)、ROC曲線、AUC計(jì)算，平均絕對(duì)誤差、均方差、R2分?jǐn)?shù)、可釋方差分?jǐn)?shù)，交叉驗(yàn)證等
   4. sklearn工具包基本使用

2. rdkit工具包的基本使用

3. RDKit安裝

   1. 化合物編碼方式和化合物相似性理論知識(shí)
   2. 基于RDKit的分子讀寫(xiě)
   3. 基于RDKit的分子繪制
   4. 基于RDKit的分子指紋與分子描述符
   5. 基于RDKit的化合物相似性與子結(jié)構(gòu)
   6. 基于 RDKit 與 Python3 的構(gòu)象與 RMSD 計(jì)算

4. 項(xiàng)目實(shí)戰(zhàn)

   1. 基于 Pytorch 和 RDKit 建立 QSAR 模型
   2. 基于 scikit-learn 將 pytorch 用于 QSAR 模型構(gòu)建
   3. 項(xiàng)目實(shí)戰(zhàn)1：基于ADME和Ro5的分子篩選
   4. 項(xiàng)目實(shí)戰(zhàn)2：基于化合物相似性的配體篩選
   5. 項(xiàng)目實(shí)戰(zhàn)3：基于化合物相似性的分子聚類(lèi)
   6. 項(xiàng)目實(shí)戰(zhàn)4: 基于機(jī)器學(xué)習(xí)的生物活性預(yù)測(cè)
   7. 項(xiàng)目實(shí)戰(zhàn)5：基于機(jī)器學(xué)習(xí)的分子毒性預(yù)測(cè)

圖神經(jīng)網(wǎng)絡(luò)輔助藥物設(shè)計(jì)

1. 圖神經(jīng)網(wǎng)絡(luò)基礎(chǔ)知識(shí)
   1. 框架介紹: PyG，DGL，TorchDrug
   2. 圖神經(jīng)網(wǎng)絡(luò)消息傳遞機(jī)制
   3. 圖神經(jīng)網(wǎng)絡(luò)數(shù)據(jù)集設(shè)計(jì)
   4. 圖神經(jīng)網(wǎng)絡(luò)節(jié)點(diǎn)預(yù)測(cè)、圖預(yù)測(cè)任務(wù)和邊預(yù)測(cè)任務(wù)實(shí)戰(zhàn)
2. 項(xiàng)目實(shí)戰(zhàn)1：基于圖神經(jīng)網(wǎng)絡(luò)的分子毒性預(yù)測(cè)
   1. SMILES分子數(shù)據(jù)集構(gòu)建PyG圖數(shù)據(jù)集
   2. 基于GNN進(jìn)行分子毒性預(yù)測(cè)
3. 項(xiàng)目實(shí)戰(zhàn)2：基于圖神經(jīng)網(wǎng)絡(luò)的蛋白質(zhì)-配體相互作用預(yù)測(cè)
   1. 蛋白質(zhì)分子圖形化，構(gòu)建PyG圖數(shù)據(jù)集
   2. 基于GIN進(jìn)行網(wǎng)絡(luò)搭建及相互作用預(yù)測(cè)

自然語(yǔ)言處理輔助藥物設(shè)計(jì)

1. 自然語(yǔ)言處理概述
   1. 文本類(lèi)語(yǔ)言的向量表示方法
   2. Encoder-Decoder模型
   3. 循環(huán)神經(jīng)網(wǎng)絡(luò)模型
   4. Seq2seq模型
   5. Attention注意力機(jī)制
   6. Transformer模型
2. 項(xiàng)目實(shí)戰(zhàn)
   1. 基于無(wú)監(jiān)督的Seq2Seq模型進(jìn)行分子表示學(xué)習(xí)
   2. 基于Transformer模型的反應(yīng)表示方法
   3. 基于自然語(yǔ)言處理的反應(yīng)分類(lèi)任務(wù)
   4. 基于BERT模型的反應(yīng)產(chǎn)量預(yù)測(cè)任務(wù)

藥物設(shè)計(jì)與分子生成

1. 分子生成模型概述
   1. 循環(huán)神經(jīng)網(wǎng)絡(luò)RNN
   2. 變分自動(dòng)編碼器VAE
   3. 生成對(duì)抗網(wǎng)絡(luò)GAN
   4. 強(qiáng)化學(xué)習(xí)RL
2. 基于RDKit提取反應(yīng)規(guī)則預(yù)測(cè)分子生成
   1. 基于 RDKit 處理化學(xué)信息學(xué)中的反應(yīng)方程式
   2. 基于 RDKit 繪制化學(xué)反應(yīng)
   3. 基于 RDKit 和 SMARTS 的化學(xué)反應(yīng)處理
   4. 基于RDKit的化學(xué)反應(yīng)指紋與化學(xué)反應(yīng)相似度計(jì)算
   5. 基于 RDKit 通過(guò) SMARTS 定義反應(yīng)模式來(lái)生成反應(yīng)產(chǎn)物
3. 基于深度學(xué)習(xí)的分子生成
   1. 基于圖數(shù)據(jù)的小分子化合物生成模型
   2. 基于MolGAN的分子生成
   3. 分子合成可行性評(píng)估

計(jì)算機(jī)輔助藥物設(shè)計(jì)【蛋白質(zhì)專(zhuān)題】

蛋白質(zhì)數(shù)據(jù)結(jié)構(gòu)

1. 數(shù)據(jù)庫(kù)介紹與相關(guān)數(shù)據(jù)爬取
   1. PDB數(shù)據(jù)庫(kù)
   2. UniProt數(shù)據(jù)庫(kù)
   3. KLIFS數(shù)據(jù)庫(kù)
2. 【基于RDKit的蛋白質(zhì)基本操作】
   1. 基于 RDKit 的氨基酸序列轉(zhuǎn)換為 SMILES
   2. 基于 RDKit 的肽和核酸序列轉(zhuǎn)換分子 Mol 對(duì)象
   3. 多肽 HELM 字符串格式與分子 Mol 格式間的轉(zhuǎn)換
   4. 從 ChEMBL 數(shù)據(jù)庫(kù)提取大分子 HELM 單體（XML 轉(zhuǎn)換為 DataFrame 并搜索部分結(jié)構(gòu))
   5. 基于RDKit的藥效團(tuán)特征與可視化
3. 【基于RDKit的藥效團(tuán)處理】
   1. RDKit 中的藥效團(tuán)特征
   2. RDKit：可視化藥效團(tuán)（Pharmacophore）
   3. RDKit | 基于 RDKit 從分子中提取 3D 藥效團(tuán)特征
   4. RDKit | 基于 RDKit 計(jì)算 3D 藥效團(tuán)指紋
4. 【基于RDKit的骨架 (Scaffold)】
   1. RDKit | 基于 RDKit 操縱分子結(jié)構(gòu)（骨架轉(zhuǎn)換）
   2. RDKit：化合物骨架分析（基于 Python3）
5. 【基于RDKit的片段 (Fragments)處理】
   1. RDKit 中的 RECAP 進(jìn)行分子裂解
   2. RDKit：基于 RECAP 生成片段
   3. RDKit | 可視化重要片段
   4. RDKit | 基于片段的分子生成（骨架 A + 骨架 B）
   5. RDKit | 基于多片段的分子生成（骨架 A + 骨架 B + 骨架 C）

激酶-Kinase相似性學(xué)習(xí)

1. 激酶基本理論介紹
2. Kinase相似性：序列
3. Kinase相似性：Kinase口袋（KiSSim指紋）
4. Kinase相似性：交互指紋
5. Kinase相似性：配體配置文件
6. Kinase相似性：比較不同的view

基于序列的蛋白質(zhì)屬性預(yù)測(cè)

1. 多重序列對(duì)比
2. 基于蛋白質(zhì)序列的深度學(xué)習(xí)和機(jī)器學(xué)習(xí)任務(wù)
3. 預(yù)測(cè)突變對(duì)TEM-1β-內(nèi)酰胺酶蛋白的影響
4. 基于蛋白質(zhì)的二級(jí)結(jié)構(gòu)預(yù)測(cè)殘基的屬性
5. 通過(guò)蛋白質(zhì)的溶化溫度預(yù)測(cè)蛋白質(zhì)的穩(wěn)定性

基于結(jié)構(gòu)的蛋白質(zhì)屬性預(yù)測(cè)

1. 蛋白質(zhì)結(jié)構(gòu)數(shù)據(jù)處理
2. 基于RDKit的蛋白質(zhì)動(dòng)態(tài)圖構(gòu)建
3. 基于幾何感知關(guān)系圖神經(jīng)網(wǎng)絡(luò)（GearNet）及其邊緣消息傳遞的擴(kuò)展（GearNet-Edge）的蛋白質(zhì)結(jié)構(gòu)表示模型

蛋白質(zhì)-配體相互作用預(yù)測(cè)PLI

1. 結(jié)合位點(diǎn)相似性和脫靶預(yù)測(cè)
2. 結(jié)合位點(diǎn)預(yù)測(cè)
3. 蛋白質(zhì)-配體對(duì)接
4. 蛋白質(zhì)-配體相互作用
5. NGLView高級(jí)教程
6. 分子動(dòng)力學(xué)模擬
7. 分析分子動(dòng)力學(xué)模擬
8. 基于圖神經(jīng)網(wǎng)絡(luò)的蛋白質(zhì)-配體相互作用預(yù)測(cè)（分類(lèi)任務(wù)）
9. 基于機(jī)器學(xué)習(xí)的分子對(duì)接來(lái)預(yù)測(cè)蛋白質(zhì)-配體的結(jié)合親和力（回歸任務(wù)）