Intelligence artificielle dans la découverte et le développement de médicaments

Aperçu

Explorez les applications de l'IA dans la découverte de médicaments, de l'identification des cibles aux essais cliniques, avec des tutoriels pratiques et un mini-projet utilisant des bibliothèques Python, des modèles génératifs et de l'analytique prédictive.

Programme

- Semaine 1 : Introduction à la découverte de médicaments et à l'IA -- Vue d'ensemble du pipeline de découverte et de développement de médicaments -- Introduction à l'intelligence artificielle et à l'apprentissage automatique -- Les principaux défis de la découverte de médicaments - Semaine 2 : Techniques fondamentales de l'apprentissage automatique -- Apprentissage supervisé vs. apprentissage non supervisé -- Prétraitement des données et ingénierie des caractéristiques -- Métriques d'évaluation pour la découverte de médicaments - Semaine 3 : Outils et logiciels d'IA dans la découverte de médicaments -- Introduction à Python pour l'IA dans la découverte de médicaments -- Présentation des outils d'IA populaires (par exemple, Scikit-learn, TensorFlow, PyTorch) -- Tutoriel pratique : mise en œuvre de modèles de base - Semaine 4 : Modélisation prédictive dans la découverte de médicaments -- Modèles de relation structure-activité (SAR) -- Modélisation QSAR pour la découverte de leads -- Études de cas et applications réelles - Semaine 5 : Apprentissage profond dans le développement de médicaments -- Introduction aux réseaux neuronaux et à l'apprentissage profond -- Architectures d'apprentissage profond pour les données biologiques -- Session pratique : construire des modèles d'apprentissage profond - Semaine 6 : IA générative pour la conception de médicaments -- Réseaux antagonistes génératifs (GANs) -- Autoencodeurs variationnels (VAEs) dans la conception de médicaments -- Tutoriel pratique : concevoir des molécules avec des modèles génératifs - Semaine 7 : Réorientation de médicaments avec l'IA -- Concept de réorientation de médicaments -- Approches d'IA pour la réorientation de médicaments -- Études de cas : réorientations réussies de médicaments grâce à l'IA - Semaine 8 : IA dans les essais cliniques et considérations réglementaires -- IA pour optimiser les essais cliniques -- Considérations éthiques et réglementaires dans le développement de médicaments piloté par l'IA - Semaine 9 : Sujets avancés en IA pour la découverte de médicaments -- Applications de l'apprentissage par renforcement -- Intégration des données multimodales -- Tendances futures de l'IA pour la découverte de médicaments - Semaine 10 : Applications industrielles et études de cas -- Études de cas soutenues par l'industrie -- Conférences invitées par des experts pharmaceutiques -- Discussion sur les tendances et les défis de l'industrie - Semaine 11 : Préparation du mini-projet -- Sélection de projet et développement de la proposition -- Conseils sur la méthodologie de recherche et la collecte de données -- Atelier sur les outils et ressources pour les projets - Semaine 12 : Présentations finales et conclusion du cours -- Présentation des mini-projets -- Retour d'information et évaluation -- Discussion sur les opportunités de carrière et le réseautage industriel - Ressources supplémentaires -- Matériaux de lecture recommandés -- Ressources en ligne et communautés pour un apprentissage continu

Enseigné par

Prof. Rajnish Kumar

Étiquettes