计算机辅助药物设计及AI辅助药物研发的学习重要性
CADD(Computer Aided Drug Design):计算机辅助药物设计，依据生物化学、酶学、分子生物学以及遗传学等生命科学的研究成果，针对这些基础研究中所揭示的包括酶、受体、离子通道及核酸等潜在的药物设计靶点，并参考其它类源性配体或天然产物的化学结构特征，以计算机化学为基础，通过计算机的模拟、计算和预算药物与受体生物大分子之间的相互作用，考察药物与靶点的结构互补、性质互补等，设计出合理的药物分子。它是设计和优化先导化合物的方法，CADD的应用，包括基于结构的药物设计（SBDD）、基于配体的药物设计（LBDD）、高通量虚拟筛选（HTVS）等技术，突破了传统的先导物发现模式，极大地促进了先导化合物发现和优化。特别是在食品、生物、化学、医药、植物、疾病方面应用广泛！靶点的发现与确证是现代新药研发的第一步，也是新药创制过程中的瓶颈之一。CADD的应用可以加快靶点发现的速度，提高靶点发现的准确度，从而推进新药研发。
AIDD（AIDrug Discovery & Design）：是近年来非常火热的技术应用，且已经介入到新药设计到研发的大部分环节当中，为新药发现与开发带来了极大的助力。随着医药大数据的积累和人工智能技术的发展，运用AI技术并结合大数据的精准药物设计也不断推动着创新药物的发展。在新型冠状病毒的治疗方案中，通过一系列计算机辅助药物生物计算的方法发现一大类药物分子可以有效阻止新冠病毒的侵染，为治疗新冠提供了新思路。倾向于机器对数据库信息的自我学习，可以对数据进行提取和学习，一定程度上避免了化合物设计过程中的试错路径，同时还会带来很多全新的结构，为药物发现打破常规的结构壁垒。
药物研发是一个复杂且昂贵的过程，很多候选药物最终无法进入市场。通过应用CADD和AIDD的技术，可以在实验室阶段评估和筛选候选药物，减少不合适和无效药物的开发，降低研发失败的风险。也可以帮助研究人员预测药物分子与靶标之间的相互作用，优化药物分子的结构和性质，从而设计出更有效、更具靶向性的药物。通过分析基因组、蛋白质结构和疾病信息，设计出对特定患者更有效的药物。而且通过这两项技术，也能帮助科学家在药物研发中探索新的治疗领域，发现潜在的药物靶标和治疗方案，为疾病治疗开辟新的路径。
CADD计算机辅助药物设计专题课程：让学员能够掌握包括PDB数据库、靶点蛋白、蛋白质-配体、蛋白-配体小分子、蛋白-配体结构、notepad的介绍和使用、分子对接、蛋白-配体对接、虚拟筛选、蛋白-蛋白对接、蛋白-多糖分子对接、蛋白-水合对接、Linux安装、gromacs分子动力学全程实操、溶剂化分子动力学模拟。
AIDD人工智能药物发现与设计课程：让学员了解药物发现的前沿背景，学习人工智能领域的各类常见算法，熟悉工具包的安装与使用，掌握一定的算法编程能力，能够运用计算机方法研究药物相关问题。通过大量的案例讲解和实践操作，具备一定的AIDD模型构建和数据分析能力。
CADD主讲老师来自国内高校、中科院等单位，老师主要擅长深度学习、机器学习、药物虚拟筛选、计算机辅助药物设计、人工智能药物发现、分子对接、分子动力学等方面的研究
AIDD授课老师，有十余年的计算机算法研究和程序设计经验。研究方向涉及生物信息学，深度学习，药物靶标识别，药物不良反应等。参与了国自然基金2项，主持了省厅级科研项目3项。一作身份发表SCI论文数篇，包括BMC Bioinformatics, Journal of Biomedical Informatics, International Journal of Molecular Sciences等知名期刊。
课程目录
CADD计算机辅助药物设计专题课程
第一天上午
背景与理论知识以及工具准备
1.PDB数据库的介绍和使用
1.1数据库简介
1.2靶点蛋白的结构查询与选取
1.3靶点蛋白的结构序列下载
1.4靶点蛋白的下载与预处理
1.5批量下载蛋白晶体结构
2.Pymol的介绍与使用
2.1软件基本操作及基本知识介绍
2.2蛋白质-配体相互作用图解
2.3蛋白-配体小分子表面图、静电势表示
2.4蛋白-配体结构叠加与比对
2.5绘制相互作用力
3.notepad的介绍和使用
3.1优势及主要功能介绍
3.2界面和基本操作介绍
3.3插件安装使用
下午
一般的蛋白
-配体分子对接讲解
1.对接的相关理论介绍
1.1分子对接的概念及基本原理
1.2分子对接的基本方法
1.3分子对接的常用软件
1.4分子对接的一般流程
2.常规的蛋白-配体对接
2.1收集受体与配体分子
2.2复合体预构象的处理
2.3准备受体、配体分子
2.4蛋白-配体对接
2.5对接结果的分析
以新冠病毒蛋白主蛋白酶靶点及相关抑制剂为例
第二天
虚拟筛选
1.小分子数据库的介绍与下载
2.相关程序的介绍
2.1 openbabel的介绍和使用
2.2 chemdraw的介绍与使用
3.虚拟筛选的前处理
4.虚拟筛选的流程及实战演示
案例：筛选新冠病毒主蛋白酶抑制剂
5.结果分析与作图
6.药物ADME预测
6.1ADME概念介绍
6.2预测相关网站及软件介绍
6.3预测结果的分析
第三天
拓展对接的使用方法
1.蛋白-蛋白对接
1.1蛋白-蛋白对接的应用场景
1.2相关程序的介绍
1.3目标蛋白的收集以及预处理
1.4使用算例进行运算
1.5关键残基的预设
1.6结果的获取与文件类型
1.7结果的分析
以目前火热的靶点
PD-1/PD-L1等为例。
2.涉及金属酶蛋白的对接
2.1金属酶蛋白-配体的背景介绍
2.2蛋白与配体分子的收集与预处理
2.3金属离子的处理
2.4金属辅酶蛋白-配体的对接
2.5结果分析
以人类法尼基转移酶及其抑制剂为例
3.蛋白-多糖分子对接
4.1蛋白-多糖相互作用
4.2对接处理的要点
4.3蛋白-多糖分子对接的流程
4.4蛋白-多糖分子对接
4.5相关结果分析
以α-糖苷转移酶和多糖分子对接为例
5.核酸-小分子对接
5.1核酸-小分子的应用现状
5.2相关的程序介绍
5.3核酸-小分子的结合种类
5.4核酸-小分子对接
5.5相关结果的分析
以人端粒
g -四链和配体分子对接为例。
操作流程介绍及实战演示
第四天
拓展对接的使用方法
1.柔性对接
1.1柔性对接的使用场景介绍
1.2柔性对接的优势
1.3蛋白-配体的柔性对接
重点：柔性残基的设置方法
1.4相关结果的分析
以周期蛋白依赖性激酶
2（CDK2）与配体1CK为例
2.共价对接
2.1两种共价对接方法的介绍
2.1.1柔性侧链法
2.1.2两点吸引子法
2.2蛋白和配体的收集以及预处理
2.3共价药物分子与靶蛋白的共价对接
2.4结果的对比
以目前火热的新冠共价药物为例。
3.蛋白-水合对接
3.1水合作用在蛋白-配体相互作用中的意义及方法介绍
3.2蛋白和配体的收集以及预处理
3.3对接相关参数的准备
重点：水分子的加入和处理
3.4蛋白-水分子-配体对接
3.5结果分析
以乙酰胆碱结合蛋白
(AChBP)与尼古丁复合物为例
第五天
分子动力学模拟（linux与gromacs使用安装）
1. linux系统的介绍和简单使用
1.1 linux常用命令行
1.2 linux上的常用程序安装
1.3体验：如何在linux上进行虚拟筛选
2.分子动力学的理论介绍
2.1分子动力学模拟的原理
2.2分子动力学模拟的方法及相关程序
2.3相关力场的介绍
3.gromacs使用及介绍
重点：主要命令及参数的介绍
4.origin介绍及使用
第六天
溶剂化分子动力学模拟的执行
1.一般的溶剂化蛋白的处理流程
2.蛋白晶体的准备
3.结构的能量最小化
4.对体系的预平衡
5.无限制的分子动力学模拟
6.分子动力学结果展示与解读
以水中的溶菌酶为例
第七天
蛋白-配体分子动力学模拟的执行
1.蛋白-配体在分子动力学模拟的处理流程
2.蛋白晶体的准备
3.蛋白-配体模拟初始构象的准备
4.配体分子力场拓扑文件的准备
4.1高斯的简要介绍
4.2 ambertool的简要介绍
4.3生成小分子的力场参数文件
5.对复合物体系温度和压力分别限制的预平衡
6.无限制的分子动力学模拟
7.分子动力学结果展示与解读
8.轨迹后处理及分析
以新冠病毒蛋白主蛋白酶靶点及相关抑制剂为例
AIDD人工智能药物发现与设计课程
第一天
人工智能与药物发现用工具的介绍与安装
从CADD到AIDD的介绍
1.计算机辅助药物设计(CADD)简介
1.2.分子对接与分子动力学背景介绍
1.3.人工智能药物发现(AIDD)简介
2.机器学习与深度学习在药物发现中的背景介绍
2.1药物发现与设计
2.2基于结构的药物发现与设计
2.3基于配体的药物发现与设计
3.1Anaconda3/Pycharm安装
3.2python 编程基础
3.3Pandas基础
3.4NumPy基础
3.5RDKit基础
3.6Pytorch基础
3.7Tensorflow基础
3.8DeepChem基础
第二天
机器学习与药物发现(分类任务)
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
1.3k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
1.7多层感知机算法原理
1.8特征工程
1.9缺失值填补
2.特征归一化
2.1变量筛选
2.2模型评估方法
2.3交叉验证
2.4外部验证
3.分类模型的常用评价指标
3.1混淆矩阵
3.2准确率
3.3敏感性
3.4特异性
3.5模型选择
3.6格点搜索超参数调优
3.7k折交叉验证
分类模型的实例讲解与练习，以给定数据集为例，讲解基于以上机器学习算法的生物活性或ADMET性质预测模型。引导学员构建自己的数据模型，并用于小分子化合物的活性或ADMET性质预测。
第三天
机器学习与药物发现(回归任务)
1.随机森林回归
2.支持向量机回归
3.XGboost回归
4.多层感知机回归
5.神经网络回归
6.回归模型的常用评价指标
6.1MSE
6.2RMSE
6.3MAE
6.4R2
QSAR/3D-QSAR模型
以给定数据集为例，讲解基于上述几种机器学习算法构建生物活性如pIC50或ADMET性质预测模型。
第四天
深度学习与药物发现
1.深度学习的发展历程与在药物开发中的应用
1.1多层感知机/人工神经网络
1.2基于梯度的学习
1.3反向传播算法
1.4随机梯度下降
1.5卷积神经网络介绍
1.6图神经网络介绍
基于PyTorch的多层感知机算法的实例讲解与练习
以给定数据集为例，讲解基于多层感知机的化合物性质预测模型。
以给定数据集为例，讲解基于卷积神经网络的化合物图像预测分类模型。
以给定数据集为例，讲解基于图神经网络对化合物的毒性分类预测模型
第五天
分子生成模型
1.生成式对抗网络(GANs)的基本原理
1.2生成器
1.3判别器
1.4循环神经网络(RNN)
1.5长短期记忆网络(LSTM)
2.基于上下文的循环神经网络序列建模
3.基于字符串的小分子化合物生成模型
4.基于图数据的小分子化合物生成模型
授课时间安排：
CADD计算机辅助药物设计专题培训班
2023.7.29 -----2023.7.30 全天授课(上午09.00-11.30 下午13.30-17.00)
2023.8.1-----2023.8.4晚上授课(晚上19.00-22.00)
2023.8.5-----2023.8.6全天授课(上午09.00-11.30 下午13.30-17.00)
2023.8.8-----2023.8.9晚上授课(晚上19.00-22.00)
AIDD人工智能药物发现与设计专题培训班
2023.8.5 -----2023.8.6 全天授课(上午09.00-11.30 下午13.30-17.00)
2023.8.8-----2023.8.9晚上授课(晚上19.00-22.00)
2023.8.12-----2023.8.13全天授课(上午09.00-11.30 下午13.30-17.00)
课程特色
1、课程特色--全面的课程技术应用、原理流程、实例联系全贯穿
2、学习模式--理论知识与上机操作相结合，让零基础学员快速熟练掌握
3、课程服务答疑--主讲老师将为您实际工作中遇到的问题提供专业解答
福利及授课方式：
福利：报名缴费成功赠送报名班型全套预习视频，课后学习完毕提供全程录像视频回放，针对与培训课程内容进行长期答疑，微信解疑群永不解散，参加本次课程的学员可免费再参加一次本单位后期组织的相同的专题培训班（任意一期都可以）
授课方式：
通过腾讯会议线上直播，理论+实操的授课模式，老师手把手带着操作，从零基础开始讲解，电子PPT和教程开课前一周提前发送给学员，所有培训使用软件都会发送给学员，有什么疑问采取开麦共享屏幕和微信群解疑，学员和老师交流、学员与学员交流，培训完毕后老师长期解疑，培训群不解散，往期培训学员对于培训质量和授课方式一致评价极高！
最后，对以上专题直播内容感兴趣的老师，可私信详细了解或者V.X交流学习：LIv51666
