Ontwerpen van AI-workflows voor Molecuulgeneratie en Eigenschapvoorspelling

Het ontwerpen van AI-workflows voor vroege medicijnontdekking gaat evenzeer over chemische geletterdheid als over modelselectie. De moleculaire representaties die u kiest, de gegevens waarop u traint, de manier waarop u omgaat met onzekerheid en de integratie met medicinale chemici bepalen allemaal of de workflow nuttige kandidaten of dure ruis produceert. Deze cursus doorloopt die beslissingen op een gestructureerde manier. U werkt door geschreven ontwerpoefeningen die weerspiegelen hoe een computationeel chemisch team een AI-ondersteunde ontdekkingsworkflow zou plannen. De nadruk ligt op de praktische afwegingen die ertoe doen wanneer gegevens schaars zijn en de kosten van verkeerde voorspellingen hoog zijn. Wat u zult leren: - Moleculaire representaties kiezen, waaronder SMILES, grafiek en 3D-bewuste coderingen - Datasets plannen die publieke bronnen, interne gegevens en synthetische augmentatie balanceren - Generatieve benaderingen voor molecuulontwerp vergelijken, waaronder variationele autoencoders, transformers en diffusie - Voorspellende modellen bouwen voor activiteit, toxiciteit en farmacokinetische eigenschappen met gekalibreerde onzekerheid - Actief leren en Bayesiaanse optimalisatie toepassen om de volgende te synthetiseren moleculen te prioriteren - Feedbackloops ontwerpen met medicinale chemici die de kloof tussen modellen en laboratoriumwerk dichten De cursus vordert van moleculaire representatie via generatieve modellering, voorspelling, actief leren en samenwerking met chemici. Een afsluitende schriftelijke oefening vraagt u om een ontwerp van één pagina op te stellen voor een AI-ondersteunde ontdekkingsworkflow gericht op een specifiek therapeutisch gebied. Deze cursus is bedoeld voor computationele chemici, datawetenschappers die de farmaceutische sector betreden, en life sciences-studenten met enige softwareachtergrond. Er is geen diepgaande ervaring met medicinale chemie vereist. De cursus behandelt de workflow als een ontwerpprobleem en is informatief; het biedt geen begeleiding voor specifieke wetenschappelijke of medische beslissingen.