دوره RDKit: کموانفورماتیک و کشف دارو در پایتون

آنچه یاد خواهید گرفت:

• به پکیج RDKit در پایتون برای تسک های کموانفورماتیک و طراحی دارو مسلط شوید. ماژول‌ها و مفاهیم اصلی این ابزار را برای مهارت یافتن در آن درک کنید.
• ویژگی‌های ضروری RDKit از جمله خواندن، نوشتن، دستکاری و ترسیم مولکول‌ها را و همچنین، محاسبه فینگرپرینت‌ها و توصیفگرها بیاموزید.
• از الگوریتم‌های پیشرفته RDKit برای تحلیل شباهت، تحلیل MCS (بزرگترین زیرساختار مشترک) و تولید کانفورمرهای سه‌بعدی استفاده کنید.
• RDKit را با scikit-learn برای توسعه مدل‌های یادگیری ماشین (رگرسیون و طبقه‌بندی) ادغام کرده و از آن‌ها در غربالگری مجازی استفاده کنید.
• اسکریپت‌ها و پروژه‌های مبتنی بر RDKit را برای گردش‌کارهای عملی کشف دارو، برنامه‌ریزی و اجرا کنید.
• طراحی داروی مبتنی بر قطعه را با استفاده از RDKit از طریق مدیریت و اتصال شرطی قطعات شیمیایی انجام دهید.
• RDKit را با Pandas برای تحلیل و دستکاری پیشرفته داده‌ شیمیایی ترکیب کنید.

پیش‌نیازهای دوره

• دانش اولیه در شیمی، طراحی دارو، کموانفورماتیک یا هر زمینه مرتبط
• درک بسیار ابتدایی از پایتون یا هر زبان برنامه‌نویسی دیگر

توضیحات دوره

در این دوره، شما ابزار RDKit را به دو روش، اول با بررسی سیستماتیک در ماژول‌ها و قابلیت‌های رایج این ابزار، و دوم با کار بر روی پروژه‌های معنی‌دار و واقعی یاد خواهید گرفت. محتوا به صورت گام به گام و با جزئیات در نوت‌بوک جوپیتر که یک ویرایشگر کد مناسب کاربر است، توضیح داده می‌شود.

در بخش خواندن و نوشتن مولکول‌ها، فرآیند خواندن فرمت‌های مختلف و نوشتن آن‌ها، علاوه بر مفاهیم مهم RDKit مانند پاکسازی مولکولی، توضیح داده خواهد شد.

در بخش مولکول‌ها، شیء مولکول در RDKit به همراه اشیاء مرتبط (اتم، پیوند و کانفورمر) توضیح داده می‌شود. این بخش شما را با چگونگی نمایش و مدیریت مولکول‌ها توسط RDKit آشنا می‌کند.

در بخش عملیات روی مولکول‌ها، عملیات رایج روی مولکول‌ها، از جمله افزودن و حذف هیدروژن‌ها، اصلاح برنامه‌نویسی‌شده مولکول‌ها و انجام تطبیق زیرساختار، توضیح داده خواهد شد.

در بخش توصیفگرها و فینگرپرینت‌ها، شما یاد خواهید گرفت که چگونه از RDKit برای محاسبه توصیفگرهای مولکولی و فینگرپرینت‌ها، متدهای مختلف محاسبه و انواع فینگرپرینت‌های موجود استفاده کنید.

در بخش ترسیم مولکول‌ها، شما چگونگی ترسیم مولکول‌ها، متدهای مختلف ترسیم، چگونگی سفارشی‌سازی گزینه‌های ترسیم، چگونگی برجسته کردن اتم‌ها و پیوندها و زمان استفاده از هر متد ترسیم را خواهید آموخت.

در بخش پروژه‌ها، شما یاد خواهید گرفت که چگونه مفاهیم مختلف RDKit را برای انجام پروژه‌ها و گردش‌کارهای واقعی و معنی‌دار در کموانفورماتیک و کشف دارو ترکیب کنید. شما همچنین یاد خواهید گرفت که چگونه RDKit را با دیگر پکیج‌های پایتون ادغام کنید، برای مثال، چگونه با RDKit و scikit-learn مدل‌های یادگیری ماشین برای غربالگری مجازی بسازید، و چگونه از RDKit با پکیج Pandas برای تحلیل داده‌ پیشرفته استفاده کنید. پروژه‌ها همچنین چگونگی استفاده از الگوریتم‌های RDKit مانند تحلیل MCS (بزرگترین زیرساختار مشترک)، تولید کانفورمر سه‌بعدی و تحلیل شباهت را نشان خواهند داد. این پروژه‌ها همچنین موضوعات پیشرفته‌تری مانند طراحی داروی مبتنی بر قطعه با RDKit را پوشش می‌دهند که شامل مدیریت و اتصال شرطی قطعات است.

این دوره برای چه کسانی مناسب است؟

• هر کسی که علاقه‌مند به یادگیری RDKit برای پایتون است.
• متخصصان کموانفورماتیک و کشف دارو که می‌خواهند متدهای محاسباتی را اعمال کنند یا پیاده‌سازی کنند.
• پژوهشگرانی که مدل‌های یادگیری ماشین برای داده شیمیایی می‌سازند.