Intelligence artificielle dans la découverte et le développement de médicaments

Aperçu

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

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

---

Matières

Computer Science