Molekül Üretimi ve Özellik Tahmini için Yapay Zeka İş Akışları Tasarımı

Erken ilaç keşfi için yapay zeka iş akışları tasarlamak, model seçimi kadar kimya bilgisi de gerektirir. Seçtiğiniz moleküler temsiller, eğittiğiniz veriler, belirsizlikle başa çıkma şekliniz ve ilaç kimyagerleriyle entegrasyon, iş akışının faydalı adaylar mı yoksa pahalı gürültü mü ürettiğini şekillendirir. Bu kurs, bu kararları yapılandırılmış bir şekilde ele almaktadır. Bir hesaplamalı kimya ekibinin yapay zeka destekli bir keşif iş akışını nasıl planlayacağını yansıtan yazılı tasarım alıştırmaları yapacaksınız. Vurgu, verilerin seyrek olduğu ve yanlış tahminlerin maliyetinin yüksek olduğu durumlarda önemli olan pratik ödünleşimler üzerinedir. Öğrenecekleriniz: - SMILES, grafik ve 3D'ye duyarlı kodlamalar dahil olmak üzere moleküler temsilleri seçin - Halka açık kaynakları, dahili verileri ve sentetik artırmayı dengeleyen veri kümeleri planlayın - Varyasyonel otomatik kodlayıcılar, transformatörler ve difüzyon dahil olmak üzere molekül tasarımı için üretken yaklaşımları karşılaştırın - Kalibre edilmiş belirsizlikle aktivite, toksisite ve farmakokinetik özellikler için tahmin modelleri oluşturun - Sentezlenecek bir sonraki molekülleri önceliklendirmek için aktif öğrenme ve Bayes optimizasyonunu uygulayın - Modeller ve laboratuvar çalışmaları arasındaki boşluğu kapatan ilaç kimyagerleriyle geri bildirim döngüleri tasarlayın Kurs, moleküler temsilden üretken modellemeye, tahmine, aktif öğrenmeye ve kimyager işbirliğine doğru ilerler. Bir capstone yazılı alıştırması, belirli bir terapötik alana yönelik yapay zeka destekli bir keşif iş akışının bir sayfalık tasarımını hazırlamanızı ister. Bu kurs, hesaplamalı kimyagerler, ilaç sektörüne giren veri bilimcileri ve bazı yazılım geçmişi olan yaşam bilimleri öğrencileri için tasarlanmıştır. Derinlemesine ilaç kimyası deneyimi gerekmez. Kurs, iş akışını bir tasarım problemi olarak ele alır ve bilgilendiricidir; belirli bilimsel veya tıbbi kararlar için rehberlik sağlamaz.