Inteligencia Artificial en el Descubrimiento y Desarrollo de Medicamentos

Resumen

ABOUT THE COURSE:

This 12-week course, Artificial Intelligence in Drug Discovery and Development, is designed to equipparticipants with the knowledge and skills to leverage AI in the realm of drug discovery anddevelopment which itself is a daunting, expensive, time-consuming, and resource intensive task. Theprogram starts with foundational concepts, including the drug discovery pipeline and core AI/MLtechniques, progressing to cutting-edge topics like predictive modeling, generative AI-based drugdesign, and drug repurposing.

Alongside theoretical lectures, participants will gain practical experiencewith widely used AI tools and software through hands-on tutorials. The course culminates in a miniproject, offering hands-on experience and enabling participants to apply AI-driven methodologies toreal-world challenges in drug discovery.INTENDED AUDIENCE:

Pharmacy professional, computational biologists,computational chemists, BiotechnologistsPREREQUISITES:

The participants should have basic knowledge of biology, chemistry, and pharmacology.

The keen interest in the domain of drug discovery and a basic introduction to Python programming language is desirable.INDUSTRY SUPPORT:

Pharmaceutical industry such as TCS Life Science, Dr.Reddy's Laboratories, Reliance Life Science, Suven Life Sciences Ltd

Programa

• Semana 1: Introducción al Descubrimiento de Fármacos y la IA
Panorama del Proceso de Descubrimiento y Desarrollo de Fármacos
Introducción a la Inteligencia Artificial y el Aprendizaje Automático
Desafíos Clave en el Descubrimiento de Fármacos
• Semana 2: Técnicas Básicas de Aprendizaje Automático
Aprendizaje Supervisado vs. No Supervisado
Preprocesamiento de Datos e Ingeniería de Características
Métricas de Evaluación para el Descubrimiento de Fármacos
• Semana 3: Herramientas de IA y Software en el Descubrimiento de Fármacos
Introducción a Python para IA en el Descubrimiento de Fármacos
Panorama de Herramientas de IA Populares (por ejemplo, Scikit-learn, TensorFlow, PyTorch)
Tutorial Práctico: Implementación de Modelos Básicos
• Semana 4: Modelado Predictivo en el Descubrimiento de Fármacos
Modelos de Relación Estructura-Actividad (SAR)
Modelado QSAR para el Descubrimiento de Moléculas Líder
Estudios de Caso y Aplicaciones del Mundo Real
• Semana 5: Aprendizaje Profundo en el Desarrollo de Fármacos
Introducción a Redes Neuronales y Aprendizaje Profundo
Arquitecturas de Aprendizaje Profundo para Datos Biológicos
Sesión Práctica: Construcción de Modelos de Aprendizaje Profundo
• Semana 6: IA Generativa para el Diseño de Fármacos
Redes Generativas Antagonistas (GANs)
Codificadores Variacionales en el Diseño de Fármacos
Tutorial Práctico: Diseño de Moléculas con Modelos Generativos
• Semana 7: Reutilización de Fármacos con IA
Concepto de Reutilización de Fármacos
Enfoques de IA para la Reutilización de Fármacos
Estudios de Caso: Reutilización de Fármacos impulsada por IA Exitosa
• Semana 8: IA en Ensayos Clínicos y Consideraciones Regulatorias
IA para Optimización de Ensayos Clínicos
Consideraciones Éticas y Regulatorias en el Desarrollo de Fármacos impulsado por IA
• Semana 9: Temas Avanzados en IA para el Descubrimiento de Fármacos
Aplicaciones de Aprendizaje por Refuerzo
Integración de Datos Multimodales
Tendencias Futuras en IA para el Descubrimiento de Fármacos
• Semana 10: Aplicaciones en la Industria y Estudios de Caso
Estudios de Caso Respaldados por la Industria
Conferencias Invitadas de Expertos Farmacéuticos
Discusión sobre Tendencias y Desafíos en la Industria
• Semana 11: Preparación del Mini-proyecto
Selección de Proyecto y Desarrollo de Propuesta
Orientación sobre Metodología de Investigación y Recolección de Datos
Taller sobre Herramientas y Recursos para el Proyecto
• Semana 12: Presentaciones Finales y Cierre del Curso
Presentación de Mini-proyectos
Retroalimentación y Evaluación
Discusión sobre Oportunidades de Carrera y Networking en la Industria
• Recursos Adicionales
Materiales de Lectura Recomendados
Recursos en Línea y Comunidades para Aprendizaje Continuo

---

Impartido por

Prof. Rajnish Kumar

---

Materias

Computer Science