Intelligence artificielle dans la découverte et le développement de médicaments

Aperçu

À PROPOS DU COURS :

Ce cours de 12 semaines, Intelligence Artificielle dans la Découverte et le Développement de Médicaments, est conçu pour doter les participants des connaissances et des compétences nécessaires pour exploiter l'IA dans le domaine de la découverte et du développement de médicaments, une tâche qui est en soi intimidante, coûteuse, chronophage et nécessiteuse en ressources. Le programme commence par des concepts fondamentaux, y compris le processus de découverte de médicaments et les techniques essentielles d'IA/ML, et progresse vers des sujets de pointe tels que la modélisation prédictive, la conception de médicaments basée sur l'IA générative et le repositionnement de médicaments.

En plus des cours théoriques, les participants acquerront une expérience pratique avec des outils et des logiciels d'IA largement utilisés à travers des tutoriels pratiques. Le cours se termine par un mini-projet, offrant une expérience pratique et permettant aux participants d'appliquer des méthodologies basées sur l'IA aux défis réels de la découverte de médicaments.

PUBLIC VISÉ :

Professionnels de la pharmacie, biologistes computationnels, chimistes computationnels, biotechnologistes PRÉREQUIS :

Les participants doivent avoir des connaissances de base en biologie, chimie et pharmacologie. Un vif intérêt pour le domaine de la découverte de médicaments et une introduction de base au langage de programmation Python sont souhaitables.

SOUTIEN INDUSTRIEL :

Industrie pharmaceutique telle que 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

---

Sujets

Informatique