藥物人必備科研技能！CADD計(jì)算機(jī)輔助藥物設(shè)計(jì)聯(lián)合AIDD ...

數(shù)碼桃桃

CADD(Computer Aided Drug Design):計(jì)算機(jī)輔助藥物設(shè)計(jì)，依據(jù)生物化學(xué)、酶學(xué)、分子生物學(xué)以及遺傳學(xué)等生命科學(xué)的研究成果，針對這些基礎(chǔ)研究中所揭示的包括酶、受體、離子通道及核酸等潛在的藥物設(shè)計(jì)靶點(diǎn)，并參考其它類源性配體或天然產(chǎn)物的化學(xué)結(jié)構(gòu)特征，以計(jì)算機(jī)化學(xué)為基礎(chǔ)，通過計(jì)算機(jī)的模擬、計(jì)算和預(yù)算藥物與受體生物大分子之間的相互作用，考察藥物與靶點(diǎn)的結(jié)構(gòu)互補(bǔ)、性質(zhì)互補(bǔ)等，設(shè)計(jì)出合理的藥物分子。它是設(shè)計(jì)和優(yōu)化先導(dǎo)化合物的方法，特別是在食品、生物、化學(xué)、醫(yī)藥、植物、疾病方面應(yīng)用廣泛！
         AIDD（AI Drug Discovery & Design）：是近年來非常火熱的技術(shù)應(yīng)用，且已經(jīng)介入到新藥設(shè)計(jì)到研發(fā)的大部分環(huán)節(jié)當(dāng)中，為新藥發(fā)現(xiàn)與開發(fā)帶來了極大的助力。傾向于機(jī)器對數(shù)據(jù)庫信息的自我學(xué)習(xí)，可以對數(shù)據(jù)進(jìn)行提取和學(xué)習(xí)，一定程度上避免了化合物設(shè)計(jì)過程中的試錯(cuò)路徑，同時(shí)還會(huì)帶來很多全新的結(jié)構(gòu)，為藥物發(fā)現(xiàn)打破常規(guī)的結(jié)構(gòu)壁壘。覆蓋了機(jī)器學(xué)習(xí)和深度學(xué)習(xí)，能與新藥研發(fā)相結(jié)合并實(shí)質(zhì)性的應(yīng)用到靶點(diǎn)預(yù)測、高通量篩選、藥物設(shè)計(jì)、藥物的ADMET性質(zhì)預(yù)測等；且算力方面，由早期應(yīng)用于藥物發(fā)現(xiàn)領(lǐng)域的決策樹、隨機(jī)向量機(jī)等機(jī)器學(xué)習(xí)模型，進(jìn)展到深度神經(jīng)網(wǎng)絡(luò)、卷積神經(jīng)網(wǎng)絡(luò)、循環(huán)神經(jīng)網(wǎng)絡(luò)等深度學(xué)習(xí)算法。具體到新藥研發(fā)環(huán)節(jié)：如靶點(diǎn)識(shí)別，基于決策樹來預(yù)測與疾病相關(guān)的基因，有研究者發(fā)現(xiàn)了多種EF在信號(hào)通路和胞外定位中的調(diào)控作用，并進(jìn)一步基于靶點(diǎn)的結(jié)構(gòu)和幾何特征，選取一定量蛋白的數(shù)十個(gè)結(jié)合位點(diǎn)以及大量的非藥物結(jié)合位點(diǎn)，構(gòu)建隨機(jī)森林分類器來預(yù)測藥物靶點(diǎn)，并有研究者進(jìn)一步采樣提升了隨機(jī)森林算法，成功的從非藥物靶點(diǎn)中區(qū)分了藥物靶點(diǎn)。再如，活性篩選方面，AIDD可以對候選化合物進(jìn)行篩選，從而更快的篩選出作用于特定靶點(diǎn)且具有較高活性的化合物.
      基因組學(xué)（genomics）是對生物體所有基因進(jìn)行集體表征、定量研究及不同基因組比較研究的一門交叉生物學(xué)學(xué)科，基因組學(xué)的目的是對一個(gè)生物體所有基因進(jìn)行集體表征和量化，并研究它們之間的相互關(guān)系及對生物體的影響 。機(jī)器學(xué)習(xí)已經(jīng)被廣泛應(yīng)用于基因組學(xué)研究中，利用已知的訓(xùn)練集對數(shù)據(jù)的類型和應(yīng)答結(jié)果進(jìn)行預(yù)測，深度學(xué)習(xí)，可以進(jìn)行預(yù)測和降維分析。深度學(xué)習(xí)模型的能力更強(qiáng)且更靈活，在適當(dāng)?shù)挠?xùn)練數(shù)據(jù)下，深度學(xué)習(xí)可以在較少人工參與的情況下自動(dòng)學(xué)習(xí)特征和規(guī)律。調(diào)控基因組學(xué)，變異檢測，致病性評分成功應(yīng)用。深度學(xué)習(xí)可以提高基因組數(shù)據(jù)的可解釋性，并將基因組數(shù)據(jù)轉(zhuǎn)化為可操作的臨床信息。改善疾病診斷方案，了解應(yīng)該使用哪些藥物和給誰服用藥物，最大限度的減少副作用，最大限度的提高療效，所有這些都要求從基因組原始數(shù)據(jù)開始進(jìn)行分析。這將是一項(xiàng)非常耗時(shí)的過程，因?yàn)樯婕暗降淖兞刻嗔?，而深度學(xué)習(xí)恰恰能幫助縮短這 一過程，進(jìn)兩年國內(nèi)外頂尖課題組MIT、Harvard University、UPenn、清華大學(xué)、復(fù)旦大學(xué)等都在從事深度學(xué)習(xí)基因組學(xué)的研究，這一研究成果更是多次發(fā)表在Nature Reviews Genetics、Nature Methods、Science Advances、Cancer Cell、Nature Biotechnology 等知名國際頂刊上，為我們發(fā)表頂刊鑒定了基礎(chǔ)！
      由于國內(nèi)計(jì)算機(jī)輔助藥物設(shè)計(jì)與人工智能藥物發(fā)現(xiàn)與設(shè)計(jì)和深度學(xué)習(xí)基因組學(xué)研究發(fā)展緩慢，學(xué)習(xí)平臺(tái)文獻(xiàn)資料較少，培訓(xùn)學(xué)習(xí)迫在眉睫， 應(yīng)廣大科研人員要求，本單位經(jīng)過數(shù)月調(diào)研，決定聯(lián)合專家共同舉辦“CADD計(jì)算機(jī)輔助藥物設(shè)計(jì)+AIDD人工智能藥物發(fā)現(xiàn)與設(shè)計(jì)+深度學(xué)習(xí)在基因組學(xué)”專題培訓(xùn)班，本單位已經(jīng)舉辦九期培訓(xùn)，參會(huì)人員800余人，對于培訓(xùn)安排和培訓(xùn)質(zhì)量一致評價(jià)極高 ！
培訓(xùn)對象
全國各大高校、企業(yè)、科研院所從事人工智能、生命科學(xué)、代謝工程、有機(jī)合成、抗體工程、酶工程、天然產(chǎn)物、蛋白質(zhì)、藥物、生物信息學(xué)、植物學(xué)，動(dòng)物學(xué)、食品、化學(xué)化工，醫(yī)學(xué)、疾病、機(jī)器學(xué)習(xí)、基因組學(xué)、農(nóng)業(yè)科學(xué)、植物學(xué)、動(dòng)物學(xué)，臨床醫(yī)學(xué)、食品科學(xué)與工程、植物基因組、動(dòng)物傳染病、腫瘤免疫與靶向治療、 全基因組泛癌分析、人黏連蛋白折疊基因組機(jī)、有機(jī)合成、生物化學(xué)、病毒檢測、高通量測序、分子生物學(xué)、功能基因組、遺傳圖譜、基因挖掘變異、代謝組學(xué)、蛋白質(zhì)組學(xué)、轉(zhuǎn)錄組學(xué)、生物醫(yī)學(xué)、轉(zhuǎn)化研究、蛋白質(zhì)、癌癥、核酸、毒物學(xué)研究、生物信息、生物計(jì)算、生命科學(xué)、生態(tài)、腫瘤、遺傳、基因改造、細(xì)胞分化、微生物、生物醫(yī)學(xué)大數(shù)據(jù)分析與挖掘、數(shù)學(xué)類專業(yè)、計(jì)算機(jī)科學(xué)、醫(yī)學(xué)、疾病等研究的科研人員以及人工智能愛好者
培訓(xùn)目標(biāo)（完全適合零基礎(chǔ)）

      CADD計(jì)算機(jī)輔助藥物設(shè)計(jì)設(shè)計(jì)流程，讓學(xué)員能夠掌握包括PDB數(shù)據(jù)庫、靶點(diǎn)蛋白、蛋白質(zhì)-配體、蛋白-配體小分子、蛋白-配體結(jié)構(gòu)、notepad的介紹和使用、分子對接、蛋白-配體對接、虛擬篩選、蛋白-蛋白對接、蛋白-多糖分子對接、蛋白-水合對接、Linux安裝、gromacs分子動(dòng)力學(xué)全程實(shí)操、溶劑化分子動(dòng)力學(xué)模擬
      AIDD人工智能藥物發(fā)現(xiàn)與設(shè)計(jì)流程，讓學(xué)員能夠掌握包括配體人工智能藥物發(fā)現(xiàn)(AIDD)簡介、基于結(jié)構(gòu)的藥物發(fā)現(xiàn)與設(shè)計(jì)、基于配體的藥物發(fā)現(xiàn)與設(shè)計(jì)、常用工具的介紹與安裝（Anaconda3、Pandas、NumPy、RDKit、scikit-learn、Pytorch、Tensorflow、DeepChem）基于配體結(jié)構(gòu)的藥物發(fā)現(xiàn)——分類任務(wù)、模型評估方法、分類模型的常用評價(jià)指標(biāo)、變量篩選、參數(shù)格點(diǎn)搜索、基于配體結(jié)構(gòu)的藥物發(fā)現(xiàn)——回歸任務(wù)、深度學(xué)習(xí)與藥物發(fā)現(xiàn)、分子生成模型
     深度學(xué)習(xí)基因組學(xué)設(shè)計(jì)流程：深入學(xué)習(xí)與了解深度學(xué)習(xí)基本框架與邏輯，同時(shí)掌握基本的生物信息學(xué)軟件（Linux、R、python等）的使用，讓學(xué)員能更好的應(yīng)對基因組數(shù)據(jù)，挖掘出超越已有知識(shí)的新知識(shí)。而構(gòu)建好的深度學(xué)習(xí)模型去探求新的研究思路和尋找新的潛在生物學(xué)機(jī)制，更好的服務(wù)于自身的科學(xué)研究和探索的過程中。同時(shí)，學(xué)習(xí)已經(jīng)發(fā)表的高分文章結(jié)構(gòu)和數(shù)據(jù)，掌握深度學(xué)習(xí)和基因組學(xué)之間的關(guān)聯(lián)關(guān)系和分析思路及方法技巧，在多組學(xué)數(shù)據(jù)的基礎(chǔ)上，熟練應(yīng)用深度學(xué)習(xí)算法和應(yīng)用，讓學(xué)員能夠在學(xué)習(xí)理論知識(shí)的同時(shí)熟悉代碼實(shí)操，幫助科研工作者利用已有公共數(shù)據(jù)庫挖掘數(shù)據(jù)，獨(dú)自完成自己的課題研究項(xiàng)目，發(fā)表高分文獻(xiàn)
培訓(xùn)講師
主講老師來自國內(nèi)高校、中科院等單位，老師主要擅長深度學(xué)習(xí)、機(jī)器學(xué)習(xí)、藥物虛擬篩選、計(jì)算機(jī)輔助藥物設(shè)計(jì)、人工智能藥物發(fā)現(xiàn)、分子對接、分子動(dòng)力學(xué)等方面的研究，在我們單位長期進(jìn)行授課，講課內(nèi)容和授課方式以及敬業(yè)精神受到參會(huì)學(xué)員 的一致認(rèn)可和高度評價(jià)
基因組學(xué)主講老師來自國內(nèi)高校陳老師授課。在國內(nèi)外學(xué)術(shù)刊物發(fā)表論文數(shù)篇，包括Nature Communication, Cell Regeneration等知名期刊，研究方向?yàn)樯镄畔W(xué)，發(fā)育生物學(xué)和遺傳學(xué)等。利用多組學(xué)數(shù)據(jù)，通過深度學(xué)習(xí)算法進(jìn)行數(shù)據(jù)分析和挖掘，包括ChIP-seq，ATAC-seq，RNA-seq，CNV等

課表內(nèi)容
課程一： CADD計(jì)算機(jī)輔助藥物設(shè)計(jì)課表內(nèi)容
第一天
背景與理論知識(shí)以及工具準(zhǔn)備

1.PDB數(shù)據(jù)庫的介紹和使用
1.1數(shù)據(jù)庫簡介
1.2靶點(diǎn)蛋白的結(jié)構(gòu)查詢與選取
1.3靶點(diǎn)蛋白的結(jié)構(gòu)序列下載
1.4靶點(diǎn)蛋白的下載與預(yù)處理
1.5批量下載蛋白晶體結(jié)構(gòu)
pymol的介紹與使用
2.1軟件基本操作及基本知識(shí)介紹
2.2蛋白質(zhì)-配體相互作用圖解
2.3蛋白-配體小分子表面圖、靜電勢表示
2.4蛋白-配體結(jié)構(gòu)疊加與比對
2.5繪制相互作用力
3.notepad的介紹和使用
3.1 優(yōu)勢及主要功能介紹
3.2 界面和基本操作介紹
3.3插件安裝使用

一般的蛋白-配體分子對接講解

1.對接的相關(guān)理論介紹
1.1分子對接的概念及基本原理
1.2分子對接的基本方法
1.3分子對接的常用軟件
1.4分子對接的一般流程
2.常規(guī)的蛋白-配體對接
2.1收集受體與配體分子
2.2復(fù)合體預(yù)構(gòu)象的處理
2.3準(zhǔn)備受體、配體分子
2.4蛋白-配體對接
2.5對接結(jié)果的分析
以新冠病毒蛋白主蛋白酶靶點(diǎn)及相關(guān)抑制劑為例

第二天
虛擬篩選

1.小分子數(shù)據(jù)庫的介紹與下載
2.相關(guān)程序的介紹
2.1 openbabel的介紹和使用
2.2 chemdraw的介紹與使用
3.虛擬篩選的前處理
4.虛擬篩選的流程及實(shí)戰(zhàn)演示
案例：篩選新冠病毒主蛋白酶抑制劑
5.結(jié)果分析與作圖
6.藥物ADME預(yù)測
6.1ADME概念介紹
6.2預(yù)測相關(guān)網(wǎng)站及軟件介紹
6.3預(yù)測結(jié)果的分析

第三天：
拓展對接的使用方法
1.蛋白-蛋白對接
1.1蛋白-蛋白對接的應(yīng)用場景
1.2相關(guān)程序的介紹
1.3目標(biāo)蛋白的收集以及預(yù)處理
1.4使用算例進(jìn)行運(yùn)算
1.5關(guān)鍵殘基的預(yù)設(shè)
1.6結(jié)果的獲取與文件類型
1.7結(jié)果的分析
以目前火熱的靶點(diǎn)PD-1/PD-L1等為例。
2.涉及金屬酶蛋白的對接
2.1 金屬酶蛋白-配體的背景介紹
2.2蛋白與配體分子的收集與預(yù)處理
2.3金屬離子的處理
2.4金屬輔酶蛋白-配體的對接
2.5結(jié)果分析
以人類法尼基轉(zhuǎn)移酶及其抑制劑為例
3.蛋白-多糖分子對接
4.1蛋白-多糖相互作用
4.2對接處理的要點(diǎn)
4.3蛋白-多糖分子對接的流程
4.4蛋白-多糖分子對接
4.5相關(guān)結(jié)果分析
以α-糖苷轉(zhuǎn)移酶和多糖分子對接為例
4.核酸-小分子對接
4.1核酸-小分子的應(yīng)用現(xiàn)狀
4.2相關(guān)的程序介紹
4.3核酸-小分子的結(jié)合種類
4.4核酸-小分子對接
4.5相關(guān)結(jié)果的分析
以人端粒g -四鏈和配體分子對接為例。
操作流程介紹及實(shí)戰(zhàn)演示
第四天
拓展對接的使用方法

1.柔性對接
1.1柔性對接的使用場景介紹
1.2柔性對接的優(yōu)勢
1.3蛋白-配體的柔性對接
重點(diǎn)：柔性殘基的設(shè)置方法
1.4相關(guān)結(jié)果的分析
以周期蛋白依賴性激酶2（CDK2）與配體1CK為例
2.共價(jià)對接
2.1兩種共價(jià)對接方法的介紹
2.1.1柔性側(cè)鏈法
2.1.2兩點(diǎn)吸引子法
2.2蛋白和配體的收集以及預(yù)處理
2.3共價(jià)藥物分子與靶蛋白的共價(jià)對接
2.4結(jié)果的對比
以目前火熱的新冠共價(jià)藥物為例。
3.蛋白-水合對接
3.1水合作用在蛋白-配體相互作用中的意義及方法介紹
3.2蛋白和配體的收集以及預(yù)處理
3.3對接相關(guān)參數(shù)的準(zhǔn)備
重點(diǎn)：水分子的加入和處理
3.4蛋白-水分子-配體對接
3.5結(jié)果分析
以乙酰膽堿結(jié)合蛋白(AChBP)與尼古丁復(fù)合物為例

第五天
分子動(dòng)力學(xué)模擬Linux與gromacs
1. linux系統(tǒng)的介紹和簡單使用
1.1 linux常用命令行
1.2 linux上的常用程序安裝
1.3 體驗(yàn)：如何在linux上進(jìn)行虛擬篩選
2.分子動(dòng)力學(xué)的理論介紹
2.1分子動(dòng)力學(xué)模擬的原理
2.2分子動(dòng)力學(xué)模擬的方法及相關(guān)程序
2.3相關(guān)力場的介紹
3.gromacs使用及介紹
重點(diǎn)：主要命令及參數(shù)的介紹
4. origin介紹及使用
第六天
溶劑化分子動(dòng)力學(xué)模擬的執(zhí)行

1.一般的溶劑化蛋白的處理流程
2.蛋白晶體的準(zhǔn)備
3.結(jié)構(gòu)的能量最小化
4.對體系的預(yù)平衡
5.無限制的分子動(dòng)力學(xué)模擬
6.分子動(dòng)力學(xué)結(jié)果展示與解讀
以水中的溶菌酶為例
第七天
蛋白-配體分子動(dòng)力學(xué)模擬的執(zhí)行

1.蛋白-配體在分子動(dòng)力學(xué)模擬的處理流程
2.蛋白晶體的準(zhǔn)備
3.蛋白-配體模擬初始構(gòu)象的準(zhǔn)備
4.配體分子力場拓?fù)湮募臏?zhǔn)備
4.1 gaussian的簡要介紹
4.2 ambertool的簡要介紹
4.3生成小分子的力場參數(shù)文件
5.對復(fù)合物體系溫度和壓力分別限制的預(yù)平衡
6.無限制的分子動(dòng)力學(xué)模擬
7.分子動(dòng)力學(xué)結(jié)果展示與解讀
8.軌跡后處理及分析
以新冠病毒蛋白主蛋白酶靶點(diǎn)及相關(guān)抑制劑為例

部分模型案例圖片

登錄/注冊后可看大圖

登錄/注冊后可看大圖

             課程二：AIDD人工智能藥物發(fā)現(xiàn)與設(shè)計(jì)培訓(xùn)課表內(nèi)容
第一天
人工智能藥物發(fā)現(xiàn)
從CADD到AIDD的介紹
1.計(jì)算機(jī)輔助藥物設(shè)計(jì)(CADD)簡介
1.2.分子對接與分子動(dòng)力學(xué)背景介紹
1.3.人工智能藥物發(fā)現(xiàn)(AIDD)簡介
2.機(jī)器學(xué)習(xí)與深度學(xué)習(xí)在藥物發(fā)現(xiàn)中的背景介紹
2.1藥物發(fā)現(xiàn)與設(shè)計(jì)
2.2基于結(jié)構(gòu)的藥物發(fā)現(xiàn)與設(shè)計(jì)
2.3基于配體的藥物發(fā)現(xiàn)與設(shè)計(jì)
  工具的介紹與安裝
3.1Anaconda3/Pycharm安裝
3.2python 編程基礎(chǔ)
3.3Pandas基礎(chǔ)
3.4NumPy基礎(chǔ)
3.5RDKit基礎(chǔ)
3.6Pytorch基礎(chǔ)
3.7Tensorflow基礎(chǔ)
3.8DeepChem基礎(chǔ)
第二天

機(jī)器學(xué)習(xí)與藥物發(fā)現(xiàn)(分類任務(wù))

1.分類模型的構(gòu)建與應(yīng)用
1.1邏輯回歸算法原理
1.2樸素貝葉斯算法原理
1.3k最近鄰算法原理
1.4支持向量機(jī)算法原理
1.5隨機(jī)森林算法原理
1.6梯度提升算法原理
1.7多層感知機(jī)算法原理
1.8特征工程
1.9缺失值填補(bǔ)
2.特征歸一化
2.1變量篩選
2.2模型評估方法
2.3交叉驗(yàn)證
2.4外部驗(yàn)證
3.分類模型的常用評價(jià)指標(biāo)
3.1混淆矩陣
3.2準(zhǔn)確率
3.3敏感性
3.4特異性
3.5模型選擇
3.6格點(diǎn)搜索超參數(shù)調(diào)優(yōu)
3.7k折交叉驗(yàn)證
分類模型的實(shí)例講解與練習(xí)，以給定數(shù)據(jù)集為例，講解基于以上機(jī)器學(xué)習(xí)算法的生物活性或ADMET性質(zhì)預(yù)測模型。引導(dǎo)學(xué)員構(gòu)建自己的數(shù)據(jù)模型，并用于小分子化合物的活性或ADMET性質(zhì)預(yù)測。
第三天

機(jī)器學(xué)習(xí)與藥物發(fā)現(xiàn)(回歸任務(wù))

1.隨機(jī)森林回歸
2.支持向量機(jī)回歸
3.XGboost回歸
4.多層感知機(jī)回歸
5.神經(jīng)網(wǎng)絡(luò)回歸
6.回歸模型的常用評價(jià)指標(biāo)
6.1MSE
6.2RMSE
6.3MAE
6.4R2
QSAR/3D-QSAR模型
以給定數(shù)據(jù)集為例，講解基于上述幾種機(jī)器學(xué)習(xí)算法構(gòu)建生物活性如pIC50或ADMET性質(zhì)預(yù)測模型。
第四天
深度學(xué)習(xí)與藥物發(fā)現(xiàn)
1.深度學(xué)習(xí)的發(fā)展歷程與在藥物開發(fā)中的應(yīng)用
1.1多層感知機(jī)/人工神經(jīng)網(wǎng)絡(luò)
1.2基于梯度的學(xué)習(xí)
1.3反向傳播算法
1.4隨機(jī)梯度下降
1.5卷積神經(jīng)網(wǎng)絡(luò)介紹
1.6圖神經(jīng)網(wǎng)絡(luò)介紹
基于PyTorch的多層感知機(jī)算法的實(shí)例講解與練習(xí)
以給定數(shù)據(jù)集為例，講解基于多層感知機(jī)的化合物性質(zhì)預(yù)測模型。
以給定數(shù)據(jù)集為例，講解基于卷積神經(jīng)網(wǎng)絡(luò)的化合物圖像預(yù)測分類模型。
以給定數(shù)據(jù)集為例，講解基于圖神經(jīng)網(wǎng)絡(luò)對化合物的毒性分類預(yù)測模型。
第五天
分子生成模型

1.生成式對抗網(wǎng)絡(luò)(GANs)的基本原理
1.2生成器
1.3判別器
1.4循環(huán)神經(jīng)網(wǎng)絡(luò)(RNN)
1.5長短期記憶網(wǎng)絡(luò)(LSTM)
2.基于上下文的循環(huán)神經(jīng)網(wǎng)絡(luò)序列建模
3.基于字符串的小分子化合物生成模型
4.基于圖數(shù)據(jù)的小分子化合物生成模型
實(shí)例講解與練習(xí)，以給定數(shù)據(jù)集為例，構(gòu)建分子生成模型。

登錄/注冊后可看大圖

課程三：深度學(xué)習(xí)在基因組學(xué)應(yīng)用課表內(nèi)容

第一天
深度學(xué)習(xí)基礎(chǔ)
理論部分
深度學(xué)習(xí)基礎(chǔ)
1.有監(jiān)督學(xué)習(xí)中主要的神經(jīng)網(wǎng)絡(luò)算法
1.1全連接網(wǎng)絡(luò)
1.2深度卷積
1.3循環(huán)卷積
1.4圖卷積
2.多任務(wù)學(xué)習(xí)
3.多模態(tài)學(xué)習(xí)
4.遷移學(xué)習(xí)
5.非監(jiān)督學(xué)習(xí)方法：自動(dòng)編碼器和生成對抗網(wǎng)絡(luò)
實(shí)操內(nèi)容
1.R語言基礎(chǔ)
2.R（4.1.3）和Rstudio的安裝
3.R包安裝和環(huán)境搭建
4.數(shù)據(jù)結(jié)構(gòu)和數(shù)據(jù)類型
第二天
深度學(xué)習(xí)在基因組學(xué)中的應(yīng)用
理論部分
1.深度學(xué)習(xí)在基因組學(xué)中的應(yīng)用
2.決策樹算法
3.隨機(jī)森林算法
4.支持向量機(jī)(SVM)算法簡介
5.樸素貝葉斯
6.Xgboost
7.主成分分析PCA算法
8.聚類算法
9.DBSCAN算法
10.層次聚類算法
實(shí)操內(nèi)容
1.Linux操作系統(tǒng)
1.1 Linux操作系統(tǒng)的安裝與設(shè)置
1.2 網(wǎng)絡(luò)配置與服務(wù)進(jìn)程管理
1.3 Linux的遠(yuǎn)程登錄管理
1.4 常用的Linux命令
1.5 在Linux下獲取基因數(shù)據(jù)
1.6 利用Linux 探索基因組區(qū)域
1.7 Shell script與Vim編輯器
1.8 基因組文件下載與上傳
1.9 Linux權(quán)限管理
2.文件的身份
3.修改文件的所有者和所屬組
4.修改文件權(quán)限
第三天
1.卷積神經(jīng)網(wǎng)絡(luò)在基因組中的應(yīng)用
2.循環(huán)神經(jīng)網(wǎng)絡(luò)在基因組中的應(yīng)用
理論部分
1.功能基因組
2.結(jié)構(gòu)基因組
3.表觀基因組
4.基因組數(shù)據(jù)庫
5.基因表達(dá)
實(shí)操內(nèi)容
1.基因組環(huán)境搭建
2.Jupyter notebook的使用
3.Python語言基礎(chǔ)
4.卷積神經(jīng)網(wǎng)絡(luò)在基因組中的應(yīng)用
5.循環(huán)神經(jīng)網(wǎng)絡(luò)在基因組中的應(yīng)用
第四天
（Nature等頂刊復(fù)現(xiàn)）
1.DNA甲基化預(yù)測
2.RNA結(jié)合預(yù)測
3.RNA二級(jí)結(jié)構(gòu)預(yù)測
4.腫瘤RNA表達(dá)水平預(yù)測
理論部分
1.數(shù)據(jù)表示
2.張量運(yùn)算
3.神經(jīng)網(wǎng)絡(luò)中的“層”
4.由層構(gòu)成的模型
5.損失函數(shù)與優(yōu)化器
6.數(shù)據(jù)集分配
7.過擬合與欠擬合
8.基因組常用深度學(xué)習(xí)框架
9.Keras
9.1 Tensorflow
9.2 PyTorch
9.3 Caffe
9.4 Theano
9.5 CNTK
9.6 MXNet
9.7 PaddlePaddle
9.8 Deeplearning4j
9.9 ONNX
實(shí)操內(nèi)容
1.DNA甲基化預(yù)測
2.RNA結(jié)合預(yù)測
3.RNA二級(jí)結(jié)構(gòu)預(yù)測
4.腫瘤RNA表達(dá)水平預(yù)測
5.Pre-mRNA的m6A修飾預(yù)測
6.蛋白亞細(xì)胞定位預(yù)測
(實(shí)操通過復(fù)現(xiàn)多篇Nature等頂刊 講解代碼，跑代碼，助力學(xué)員發(fā)高分文獻(xiàn)
授課時(shí)間地點(diǎn)
CADD計(jì)算機(jī)輔助藥物設(shè)計(jì)專題培訓(xùn)班
2022.10.22 -----2022.10.23 全天授課(上午09:00-11:30 下午13:30-17:00)
2022.10.25-----2022.10.28 晚上授課(晚上19:00-22:00)
2022.10.29-----2022.10.30全天授課(上午09:00-11:30 下午13:30-17:00)
2022.10.31 -----2022.11.01晚上授課 (晚上19:00-22:00)
AIDD人工智能藥物發(fā)現(xiàn)與設(shè)計(jì)專題培訓(xùn)班
2022.10.29-----2022.10.30全天授課(上午09:00-11:30 下午13:30-17:00)
2022.11.01----2022.11.02 晚上授課(晚上1 9:00-22:00)
2022.11.05----2022.11.06全天授課(上午09:00-11:30 下午13:30-17:00)
深度學(xué)習(xí)在基因組學(xué)應(yīng)用專題培訓(xùn)
2022.10.22-2022.10.23 (09:00-11:30) - (13:30-17:00)
2022.10.29-2022.10.30 (09:00-11:30) - (13:30-17:00)
（騰訊會(huì)議直播上課 提供錄像回放 錄像永久觀看）
報(bào)名費(fèi)用
CADD計(jì)算機(jī)輔助藥物設(shè)計(jì)與AIDD人工智能藥物發(fā)現(xiàn)培訓(xùn)費(fèi)用
公費(fèi)價(jià)：每人每班￥5880元 （含報(bào)名費(fèi)、培訓(xùn)費(fèi)、資料費(fèi)）
自費(fèi)價(jià)：每人每班￥5480元 （含報(bào)名費(fèi)、培訓(xùn)費(fèi)、資料費(fèi)）
同時(shí)報(bào)名兩個(gè)班9980元 （原價(jià)11760元）
深度學(xué)習(xí)基因組學(xué)培訓(xùn)費(fèi)用
基因組學(xué)公費(fèi)價(jià)：每人每班￥4680元 （含報(bào)名費(fèi)、培訓(xùn)費(fèi)、資料費(fèi)）
基因組學(xué)自費(fèi)價(jià)：每人每班￥4280元 （含報(bào)名費(fèi)、培訓(xùn)費(fèi)、資料費(fèi)）
優(yōu)惠政策
優(yōu)惠1：提前報(bào)名繳費(fèi)學(xué)員+轉(zhuǎn)發(fā)到朋友圈或者到學(xué)術(shù)交流群可享受每人300元優(yōu)惠（僅限15名）
優(yōu)惠2：同時(shí)報(bào)名兩個(gè)班免費(fèi)贈(zèng)送一個(gè)班（CADD、AIDD、深度學(xué)習(xí)基因組學(xué)任意報(bào)兩班免費(fèi)贈(zèng)送一個(gè)班學(xué)習(xí)）
優(yōu)惠: 報(bào)名五個(gè)培訓(xùn)班以上包含五個(gè)，免費(fèi)贈(zèng)送三個(gè)培訓(xùn)名額
報(bào)名費(fèi)用可開具正規(guī)報(bào)銷發(fā)票及提供相關(guān)繳費(fèi)證明、邀請函，可提前開具報(bào)銷發(fā)票、文件用于報(bào)銷
證書：參加培訓(xùn)并通過考試的學(xué)員，可以申請獲得工業(yè)和信息化部工業(yè)文化發(fā)展中心頒發(fā)的“工業(yè)強(qiáng)國建設(shè)素質(zhì)素養(yǎng)提升尚工行動(dòng)”崗位能力適應(yīng)評測證書。該證書可在中心官網(wǎng)查詢，可作為能力評價(jià)，考核和任職的重要依據(jù)。評測證書查詢網(wǎng)址：http://www.miit-icdc.org（自愿申請，須另行繳納考試費(fèi)500元/人）
培訓(xùn)福利
報(bào)名繳費(fèi)成功贈(zèng)送報(bào)名班型全套預(yù)習(xí)視頻，課后學(xué)習(xí)完畢提供全程錄像視頻回放，針對與培訓(xùn)課程內(nèi)容進(jìn)行長期答疑，微信解疑群永不解散，參加本次課程的學(xué)員可免費(fèi)再參加一次本單位后期組織的相同的專題培訓(xùn)班（任意一期都可以）
授課方式及學(xué)員反饋
通過騰訊會(huì)議線上直播，從零基礎(chǔ)開始講解，600余頁電子PPT和教程＋預(yù)習(xí)視頻提前發(fā)送給學(xué)員，所有培訓(xùn)使用軟件都會(huì)發(fā)送給學(xué)員，附贈(zèng)安裝教程和指導(dǎo)安裝，培訓(xùn)采取開麥共享屏幕和微信群解疑，學(xué)員和老師交流、學(xué)員與學(xué)員交流，培訓(xùn)完畢后老師針對與培訓(xùn)內(nèi)容長期解疑，培訓(xùn)群不解散，往期培訓(xùn)學(xué)員對于培訓(xùn)質(zhì)量和授課方式一致評價(jià)極高
試看往期培訓(xùn)視頻
鏈接：https://pan.baidu.com/s/1LG9d0Idg4Ia5rA9br1ePag
提取碼：8888
（一）學(xué)員實(shí)操及科研問題老師解答

登錄/注冊后可看大圖

（二）學(xué)員對培訓(xùn)非常認(rèn)可，而且我們保證二次學(xué)習(xí)是免費(fèi)的

登錄/注冊后可看大圖

登錄/注冊后可看大圖

往期學(xué)員參會(huì)單位及報(bào)名流程

有來自四川大學(xué)、四川師范大學(xué)、中國科學(xué)院大學(xué)、西安電子科技大學(xué)、陜西科技大學(xué)、東北林業(yè)大學(xué)、渤海大學(xué)、海南大學(xué)、廣西中醫(yī)藥大學(xué)、北京化工大學(xué)、成都大學(xué)、香港浸會(huì)大學(xué)中醫(yī)藥學(xué)院、贛南師范大學(xué)、重慶陸軍勤務(wù)學(xué)院、齊魯工業(yè)大學(xué)、陜西科技大學(xué)、陜西師范大學(xué)、中科院大學(xué) 、浙江工商大學(xué)、成都中醫(yī)藥大學(xué)、上海交通大學(xué)、哈爾濱商業(yè)大學(xué)、中國人民解放軍海軍軍醫(yī)大學(xué)、西安電子科技大學(xué)、中國農(nóng)業(yè)大學(xué)、南昌大學(xué)、新疆醫(yī)科大學(xué)、山東農(nóng)業(yè)大學(xué)、合肥工業(yè)大學(xué)、清華大學(xué)、華中農(nóng)業(yè)大學(xué)、山東理工大學(xué)、北京工商大學(xué)、河南大學(xué)、江蘇大學(xué)、江南大學(xué)、大連工業(yè)大學(xué)、華南理工大學(xué)、華南農(nóng)業(yè)大學(xué)、成都中醫(yī)藥大學(xué)、東北林業(yè)大學(xué)、北京大學(xué)、浙江大學(xué)、浙江工業(yè)大學(xué)、中南大學(xué)、復(fù)旦大學(xué)、南京農(nóng)業(yè)大學(xué)、齊魯工業(yè)大學(xué)、東北大學(xué)、國防科技大學(xué)、江蘇海洋大學(xué)、華東理工大學(xué)、華中科技大學(xué)、湖北大學(xué)、中國醫(yī)學(xué)科學(xué)院、西南大學(xué)、中南大學(xué)湘雅醫(yī)院、山西省人民醫(yī)院、中國藥科大學(xué)、西安市中醫(yī)醫(yī)院、首都醫(yī)科大學(xué)附屬北京友誼醫(yī)院、上海市第十人民醫(yī)院、協(xié)和藥物研究所、中國農(nóng)業(yè)科學(xué)院基因組研究所、廣州中醫(yī)藥大學(xué)、上海中醫(yī)藥大學(xué)、上海理工大學(xué)、成都中醫(yī)藥大學(xué)、北京中醫(yī)藥大學(xué)、武漢大學(xué)、香港大學(xué)、安陽工學(xué)院、沈陽藥科大學(xué)、中山大學(xué)腫瘤防治中心、山東中醫(yī)藥大學(xué)、寧波大學(xué)、寧夏大學(xué)、山東大學(xué)、甘肅中醫(yī)藥大學(xué)、醫(yī)學(xué)院附屬仁濟(jì)醫(yī)院、杭州醫(yī)學(xué)院、廣州醫(yī)科大學(xué)附屬腫瘤醫(yī)院、中山大學(xué)孫逸仙紀(jì)念醫(yī)院、江蘇省中醫(yī)院、承德醫(yī)學(xué)院、中國中醫(yī)科學(xué)院廣安門醫(yī)院、中山大學(xué)附屬第五醫(yī)院、中山大學(xué)中山眼科中心、汕頭大學(xué)、揚(yáng)州大學(xué)、天津科技大學(xué)、吉林農(nóng)業(yè)大學(xué)、上海應(yīng)用技術(shù)大學(xué)、空軍軍醫(yī)大學(xué)、首都醫(yī)科大學(xué)附屬北京友誼醫(yī)院、中國科學(xué)院海洋研究所、中國科學(xué)院深圳先進(jìn)技術(shù)研究院、深圳灣實(shí)驗(yàn)室、江蘇省淡水水產(chǎn)研究所、廣東省科學(xué)院測試分析研究所(中國廣州分析測試中心)、中國科學(xué)院昆明植物研究所、中國科學(xué)院植物研究所、中國科學(xué)院蘇州納米技術(shù)與納米仿生研究所、江蘇省淡水水產(chǎn)研究所、中國食品發(fā)酵工業(yè)研究院、中國中醫(yī)科學(xué)院中藥研究所、中國科學(xué)院海洋研究所、深圳清華大學(xué)研究院、國科大杭州高等研究院、美國貝勒醫(yī)學(xué)院等高校，康希諾生物股份公司、青峰制藥、江蘇恒瑞、上海青玄生物、石藥集團(tuán)、正大天晴、宜昌人福藥業(yè)有限責(zé)任公司、江蘇中旗科技有限公司、長春金賽藥業(yè)有限責(zé)任公司、麗珠醫(yī)藥集團(tuán)股份有限公司、大連醫(yī)諾生物股份有限公司、南京盛德瑞爾醫(yī)藥科技有限公司、上海蘭天生物醫(yī)藥科技有限公司、深圳研順生物科技有限公司、中國農(nóng)業(yè)科學(xué)院蜜蜂研究所、上海森輝醫(yī)藥有限公司、上海碩迪生物技術(shù)有限公司、云南騰善生物科技有限公司、湖南九典制藥股份有限公司、北京先為達(dá)生物科技有限公司、廣東省深圳市南山區(qū)中科院深圳先進(jìn)院、無錫佰翱得生物科學(xué)有限公司、蘇州滬云新藥研發(fā)股份有限公司、深圳市靈蛛科技有限公司、濰坊易北特健康食品有限公司、江蘇三黍生物科技有限公司、蘇州浦合醫(yī)藥科技有限公司、麗珠醫(yī)藥集團(tuán)股份有限公司、蘭晟生物醫(yī)藥(蘇州)有限公司、甫康（上海）健康科技有限責(zé)任公司、南京盛德瑞爾醫(yī)藥科技有限公司、深圳市領(lǐng)治醫(yī)學(xué)科技有限公司、北京安必奇生物科技有限公司、國家納米科學(xué)中心、四川國康藥業(yè)有限公司、南通藥明康德醫(yī)藥科技有限公司、南京沛微生物科技有限公司、北京科諾信誠科技有限公司、天士力生物醫(yī)藥股份有限公司、澤達(dá)易盛(天津)科技股份有限公司、沈陽市青囊醫(yī)療科技有限責(zé)任公司、石家莊以嶺藥業(yè)股份有限公司、青島科博源生物技術(shù)有限公司、中科聚研（吉林）干細(xì)胞科技有限公司、廣州同雋醫(yī)藥科技有限公司、南通奧貝特化工有限公司、北京斯利安藥業(yè)有限公司、上海韻和生物醫(yī)藥有限公司、杭州百誠醫(yī)藥科技股份有限公司、上海倍勘生物技術(shù)有限公司、長春金賽藥業(yè)有限責(zé)任公司、浙江海正股份有限公司等公司的五百余名工程師老師學(xué)生參會(huì)，還有許多因?yàn)闀r(shí)間沖突沒法參加。這次，我們誠摯邀請您來參加！
報(bào)名咨詢請二維碼掃描下方微信

聯(lián)系人：劉老師
報(bào)名電話：13014570505( 微信同號(hào)）
電子郵箱：2413673971@qq.com
  QQ：2413673971

-----------------------------