Entwurf von KI-Workflows für Molekulargenerierung und Eigenschaftsvorhersage

Der Entwurf von KI-Workflows für die frühe Wirkstoffentdeckung erfordert ebenso viel chemisches Verständnis wie die Auswahl von Modellen. Die von Ihnen gewählten molekularen Darstellungen, die Daten, auf denen Sie trainieren, die Art und Weise, wie Sie mit Unsicherheiten umgehen, und die Integration mit medizinischen Chemikern – all dies bestimmt, ob der Workflow nützliche Kandidaten oder teuren Rausch produziert. Dieser Kurs führt Sie strukturiert durch diese Entscheidungen. Sie werden schriftliche Designübungen durcharbeiten, die widerspiegeln, wie ein Team für computergestützte Chemie einen KI-gestützten Entdeckungsworkflow planen würde. Der Schwerpunkt liegt auf den praktischen Kompromissen, die wichtig sind, wenn Daten spärlich sind und die Kosten falscher Vorhersagen hoch sind. Was Sie lernen werden: - Auswahl molekularer Darstellungen, einschließlich SMILES, Graph und 3D-fähiger Kodierungen - Planung von Datensätzen, die öffentliche Quellen, interne Daten und synthetische Augmentierung ausbalancieren - Vergleich generativer Ansätze für das Moleküldesign, einschließlich variabler Autoencoder, Transformer und Diffusion - Erstellung von Vorhersagemodellen für Aktivität, Toxizität und pharmakokinetische Eigenschaften mit kalibrierter Unsicherheit - Anwendung von Active Learning und Bayes'scher Optimierung zur Priorisierung der nächsten zu synthetisierenden Moleküle - Entwurf von Feedbackschleifen mit medizinischen Chemikern, die die Lücke zwischen Modellen und Laborarbeit schließen Der Kurs schreitet von der molekularen Darstellung über generatives Modellieren, Vorhersage, Active Learning und Chemiker-Kollaboration voran. Eine abschließende schriftliche Übung fordert Sie auf, einen einseitigen Entwurf für einen KI-gestützten Entdeckungsworkflow für einen bestimmten therapeutischen Bereich zu erstellen. Dieser Kurs richtet sich an computergestützte Chemiker, Data Scientists, die in die Pharmaindustrie einsteigen, und Studenten der Biowissenschaften mit Softwarekenntnissen. Keine tiefgreifende Erfahrung in medizinischer Chemie erforderlich. Der Kurs behandelt den Workflow als Designproblem und ist informativ; er bietet keine Anleitung für spezifische wissenschaftliche oder medizinische Entscheidungen.