AIDD专题
AIDD专题
01
课程特色
本次系列课程共四个专题，均采用在线直播的形式，课后提供无限次的回放视频，建立永不解散的课程群，长期互动答疑，学员学完后可以继续与专业老师同学交流问题，巩固学习内容，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；
专题四课程通过机器学习、深度学习的分类回归任务、 分子特征、模型评估、参数优化与模型选择、浅层机器学习分类虚拟筛选、集成机器学习方法、DNN，GCN，GAT等主流深度学习模型实操以及结合相关课题的应用实践等内容，带您真正的进入人工智能药物发现的领域。
02
课程大纲
时间 | 课程名称 | 课程内容 |
第一天 上午 | 计算机辅助药物分子设计 | 1.计算机辅助药物设计(CADD)简介 2.CADD的基本方法 2.1 分子对接 2.2 药效团 2.3 QSAR和QSPR 2.4 各类药学研究数据库的介绍 |
第一天 下午 | Anaconda3的安装配置 | 3.Anaconda3 3.1 Pandas 3.2 NumPy 3.3 RDKit 3.4 scikit-learn 3.5 Pytorch 3.6 Tensorflow 3.7 DeepChem 3.8 XGBoost |
第二天 上午 | AIDD简介 ——分类和回归任务 | 1.分类模型的构建与应用 1.1 逻辑回归算法原理 1.2 朴素贝叶斯算法原理 1.3 k最近邻算法原理 1.4 支持向量机算法原理 1.5 随机森林算法原理 1.6 梯度提升算法原理 2. 分子特征介绍 2.1 分子描述符 2.2 分子指纹 2.3 分子图 |
第二天 下午 | 基于浅层机器学习的药物发现（目标：引导学员自行实现基于其他三种算法如KNN，SVM，XGBoost的毒性预测模型，并用于小分子化合物的毒性预测） | 3.模型评估方法 3.1 交叉验证 3.2 外部验证 3.3 分类模型的常用评价指标 3.4 混淆矩阵 3.5 准确率 3.6 敏感性 3.7 特异性 4.参数优化与模型选择 4.1 超参数优化 4.2 模型选择的标准 模型实例讲解与练习（文献复现）： 给定数据集为例，基于随机森林算法的CYPs抑制剂相关毒性预测模型的构建与使用 |
第三天 上午 | 基于浅层学习的药物发现——回归任务 | 1.回归模型的构建与应用 2.回归模型的常用评价指标 2.1 MSE 2.2 MAE 2.3 R2 3.模型选择 3.1 超参数优化 3.2 最优模型选择 |
第三天 下午 | 基于浅层学习分类的虚拟筛选（目标：引导学员自行实现基于其他三种算法的pIC50值预测模型，并用于小分子化合物pIC50值的预测） | 模型实例讲解与练习（文献复现）： Ø 以微管蛋白为例，机器学习分类任务在药物发现中的实战作用 Ø 给定数据集为例，基于随机森林算法的pIC50值预测模型构建与使用 |
第四天 | 基于深度学习的药物发现 | 1.深度学习的发展历程 1.1 深度学习在药物开发中的应用 1.2 DNN 1.3 GCN 1.4 GAT 1.5 KGCN 1.6 FP-GNN 2.深度神经网络的常用框架介绍 2.1 PyTorch 2.2 TensorFlow 3.DEEPCHEM介绍与使用 模型实例讲解与练习（文献复现）： Ø DEEPCHEM集成的机器学习方法和加载使用 |
第五天 | 使用DNN，GCN，GAT等主流深度学习模型进行实操 | 实例讲解与练习（文献复现）： Ø 给定数据集为例，使用DNN，GCN，GAT等主流深度学习模型进行小分子抗乳腺活性预测 Ø 乳腺预测的基本思路，逻辑和课题设计 |
部分案例图示：
向下滑动查看
03
课程时间
2023年4月08日-4月09日
2023年4月14日-4月16日
在线直播5天
04
报名费用
课程名称 | 原价（元） | 优惠后价格（元） |
CADD专题 （六天） | 5900 | 5700 |
AMBER专题 （四天） | 3900 | 3700 |
AIDD专题 （五天） | 4900 | 4700 |
薛定谔专题 （两天） | 2600 | 2400 |
费用提供用于报销的正规机打发票及盖有公章的纸质通知文件；
如需开具会议费的单位请联系招生老师发送会议邀请函；
年底免费大赠送：(赠送的免费课程不开发票)
1) 报名CADD专题课程，可任选AMBER专题、薛定谔专题、AIDD专题课程之一免费参加
2) 报名AIDD专题课程，可任选AMBER专题、薛定谔专题课程之一免费参加
3) 报名AMBER专题课程，可免费参加薛定谔专题课程
05
联系方式