Проектирование ИИ-рабочих процессов для генерации молекул и предсказания свойств

Проектирование ИИ-рабочих процессов для раннего открытия лекарств в равной степени зависит от знания химии и выбора модели. Выбираемые вами молекулярные представления, данные, на которых вы обучаетесь, способ обработки неопределенности и интеграция с химиками-медиками — все это определяет, будут ли рабочие процессы давать полезные кандидаты или дорогостоящий шум. Этот курс структурированно рассматривает эти решения. Вы выполните письменные упражнения по проектированию, которые отражают то, как команда вычислительной химии планировала бы рабочий процесс открытия лекарств с поддержкой ИИ. Акцент делается на практических компромиссах, которые имеют значение, когда данные скудны, а стоимость ошибочных предсказаний высока. Что вы узнаете: - Выбирать молекулярные представления, включая SMILES, графовые и 3D-aware кодировки - Планировать наборы данных, которые балансируют общедоступные источники, внутренние данные и синтетическую аугментацию - Сравнивать генеративные подходы для дизайна молекул, включая вариационные автокодировщики, трансформеры и диффузию - Создавать предиктивные модели для активности, токсичности и фармакокинетических свойств с калиброванной неопределенностью - Применять активное обучение и байесовскую оптимизацию для приоритизации следующих синтезируемых молекул - Разрабатывать циклы обратной связи с химиками-медиками, которые сокращают разрыв между моделями и лабораторной работой Курс проходит от молекулярного представления через генеративное моделирование, предсказание, активное обучение и сотрудничество с химиками. Итоговое письменное упражнение предлагает вам составить одностраничный дизайн рабочего процесса открытия лекарств с поддержкой ИИ, ориентированного на конкретную терапевтическую область. Этот курс предназначен для вычислительных химиков, специалистов по данным, входящих в фармацевтическую отрасль, и студентов, изучающих науки о жизни, с некоторым опытом в области программного обеспечения. Глубокий опыт в области медицинской химии не требуется. Курс рассматривает рабочий процесс как задачу проектирования и носит информационный характер; он не предоставляет руководства для конкретных научных или медицинских решений.