تصميم تدفقات عمل الذكاء الاصطناعي لتوليد الجزيئات والتنبؤ بالخصائص

تصميم تدفقات عمل الذكاء الاصطناعي لاكتشاف الأدوية المبكر يعتمد على الإلمام بالكيمياء بقدر اعتماده على اختيار النموذج. تمثيلات الجزيئات التي تختارها، والبيانات التي تدرب عليها، والطريقة التي تتعامل بها مع عدم اليقين، والتكامل مع كيميائيي الأدوية، كلها تشكل ما إذا كانت تدفقات العمل تنتج مرشحين مفيدين أم ضوضاء مكلفة. هذه الدورة تستعرض هذه القرارات بطريقة منظمة. ستعمل من خلال تمارين تصميم مكتوبة تعكس كيف يخطط فريق الكيمياء الحاسوبية لتدفق عمل مدعوم بالذكاء الاصطناعي. التركيز على المقايضات العملية التي تهم عندما تكون البيانات متفرقة وتكون تكلفة التنبؤات الخاطئة عالية. ما ستتعلمه: - اختيار تمثيلات الجزيئات بما في ذلك SMILES، والرسوم البيانية، والتشفيرات المدركة ثلاثية الأبعاد - تخطيط مجموعات البيانات التي توازن بين المصادر العامة والبيانات الداخلية والزيادة الاصطناعية - مقارنة الأساليب التوليدية لتصميم الجزيئات بما في ذلك التشفير التلقائي المتغير (variational autoencoders)، والمحولات (transformers)، والانتشار (diffusion) - بناء نماذج تنبؤية للنشاط والسمية والخصائص الدوائية الحركية مع عدم يقين معاير - تطبيق التعلم النشط (active learning) والتحسين البايزي (Bayesian optimization) لتحديد أولويات الجزيئات التالية للتصنيع - تصميم حلقات تغذية راجعة مع كيميائيي الأدوية التي تسد الفجوة بين النماذج والعمل المخبري تتقدم الدورة من تمثيل الجزيئات عبر النمذجة التوليدية والتنبؤ والتعلم النشط وتعاون الكيميائيين. تطلب تمرين تصميم ختامي مكتوب منك صياغة تصميم من صفحة واحدة لتدفق عمل اكتشاف مدعوم بالذكاء الاصطناعي يستهدف مجالًا علاجيًا محددًا. تم تصميم هذه الدورة للكيميائيين الحاسوبيين وعلماء البيانات الذين يدخلون مجال الأدوية وطلاب علوم الحياة الذين لديهم بعض الخلفية في البرمجة. لا تتطلب خبرة عميقة في كيمياء الأدوية. تتعامل الدورة مع تدفق العمل كمشكلة تصميم وهي معلوماتية؛ لا تقدم إرشادات لاتخاذ قرارات علمية أو طبية محددة.