Inteligencia Artificial en el Descubrimiento y Desarrollo de Medicamentos

Resumen

SOBRE EL CURSO:

Este curso de 12 semanas, Inteligencia Artificial en el Descubrimiento y Desarrollo de Medicamentos, está diseñado para equipar a los participantes con el conocimiento y las habilidades para aprovechar la IA en el ámbito del descubrimiento y desarrollo de medicamentos, que en sí mismo es una tarea desalentadora, costosa, prolongada e intensiva en recursos. El programa comienza con conceptos fundamentales, incluyendo la cadena de descubrimiento de medicamentos y las técnicas principales de IA/ML, progresando hacia temas de vanguardia como el modelado predictivo, diseño de fármacos basado en IA generativa y la reutilización de fármacos.

Junto con las conferencias teóricas, los participantes adquirirán experiencia práctica con herramientas y software de IA ampliamente utilizados a través de tutoriales prácticos. El curso culmina en un mini proyecto, ofreciendo experiencia práctica y permitiendo a los participantes aplicar metodologías impulsadas por IA a desafíos reales en el descubrimiento de medicamentos.

AUDIENCIA DESTINADA:

Profesionales de farmacia, biólogos computacionales, químicos computacionales, biotecnólogos. PRERREQUISITOS:

Los participantes deben tener conocimientos básicos de biología, química y farmacología.

Se desea un interés entusiasta en el dominio del descubrimiento de medicamentos y una introducción básica al lenguaje de programación Python. APOYO DE LA INDUSTRIA:

Industria farmacéutica como TCS Life Science, Laboratorios Dr.

Reddy's, Reliance Life Science, Suven Life Sciences Ltd.

Programa de estudio

• 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

---

Enseñado por

Prof. Rajnish Kumar

---

Asignaturas

Ciencias de la Computación