Conception de flux de travail IA pour la génération de molécules et la prédiction de propriétés

La conception de flux de travail IA pour la découverte précoce de médicaments relève autant de la connaissance de la chimie que de la sélection de modèles. Les représentations moléculaires que vous choisissez, les données sur lesquelles vous vous entraînez, la manière dont vous gérez l'incertitude et l'intégration avec les chimistes médicinaux façonnent la capacité du flux de travail à produire des candidats utiles ou du bruit coûteux. Ce cours aborde ces décisions de manière structurée. Vous réaliserez des exercices de conception écrits qui reflètent la manière dont une équipe de chimie computationnelle planifierait un flux de travail de découverte assisté par IA. L'accent est mis sur les compromis pratiques qui comptent lorsque les données sont rares et que le coût des prédictions erronées est élevé. Ce que vous apprendrez : - Choisir des représentations moléculaires, y compris les encodages SMILES, graphiques et 3D - Planifier des ensembles de données qui équilibrent les sources publiques, les données internes et l'augmentation synthétique - Comparer les approches génératives pour la conception de molécules, y compris les auto-encodeurs variationnels, les transformeurs et la diffusion - Construire des modèles prédictifs pour l'activité, la toxicité et les propriétés pharmacocinétiques avec une incertitude calibrée - Appliquer l'apprentissage actif et l'optimisation bayésienne pour prioriser les prochaines molécules à synthétiser - Concevoir des boucles de rétroaction avec les chimistes médicinaux qui comblent le fossé entre les modèles et le travail de laboratoire Le cours progresse de la représentation moléculaire à la modélisation générative, à la prédiction, à l'apprentissage actif et à la collaboration avec les chimistes. Un exercice écrit de synthèse vous demande de rédiger une conception d'une page pour un flux de travail de découverte assisté par IA ciblant un domaine thérapeutique spécifique. Ce cours est conçu pour les chimistes computationnels, les data scientists entrant dans l'industrie pharmaceutique et les étudiants en sciences de la vie ayant une certaine expérience logicielle. Aucune expérience approfondie en chimie médicinale n'est requise. Le cours traite le flux de travail comme un problème de conception et est informatif ; il ne fournit pas de conseils pour des décisions scientifiques ou médicales spécifiques.