مدلسازی QSAR - اصول و کاربردها
✅ سرفصل و جزئیات آموزش
آنچه یاد خواهید گرفت:
- درک اصول مدلسازی QSAR در طراحی دارو
- مهارتهای عملی در توسعه و اعتبارسنجی مدلهای QSAR با استفاده از متدها و تکنیکهای مختلف
- برنامهریزی، اجرا و گزارشدهی مطالعات QSAR برای انتشار یا پروژهها
- انجام غربالگری مجازی با استفاده از مدلهای QSAR
- بهبود مهارتها و دانش در طراحی دارو با کمک کامپیوتر (CADD) از جمله برنامهریزی و اجرای گردشکارها
پیشنیازهای دوره
- دانش بسیار اولیه در زمینه طراحی دارو یا هر رشته مرتبط مانند شیمی دارویی یا بیوانفورماتیک
توضیحات دوره
در این دوره، موضوع مدلسازی کمی روابط ساختار-فعالیت (QSAR) در طراحی دارو با کمک کامپیوتر (CADD) را خواهید آموخت. شما مهارتهای عملی برای توسعه مدلهای QSAR به صورت مستقل را کسب میکنید که ابزار ارزشمند و افزودهای برای مهارتهای شما خواهد بود. این دوره به ویژه برای فعالان حوزه طراحی دارو، شیمی محاسباتی، بیوانفورماتیک یا رشتههای مرتبط مفید است. همچنین مفاهیم کلیدی یادگیری ماشین که در توسعه مدلهای QSAR به کار میرود، توضیح داده شدهاند.
در بخشهای ابتدایی، جنبههای نظری مدلسازی QSAR توضیح داده میشود که شامل دانش شیمیایی و آماری مورد نیاز برای انجام QSAR است.
پس از بخشهای نظری، بخشهای عملی شامل انجام تستهای عملی QSAR با استفاده از داده واقعی خواهد بود. تمامی داده در اختیار شما قرار میگیرند تا بتوانید همراه با تستها پیش بروید. در طول دوره از نرمافزار رایگان مدلسازی QSAR استفاده میشود که مدرن و کارآمد برای تمامی تسکها لازم است. در تست اول، هر مرحله از فرآیند مدلسازی QSAR به طور کامل توضیح داده و اجرا میشود. در تستهای بعدی مفاهیم جدید از جمله استفاده از متدهای انتخاب خودکار descriptor، استفاده از الگوریتمهای رگرسیون غیرخطی و انجام غربالگری مجازی با مدلهای QSAR معرفی میشود. در این بخشهای عملی، هر مفهوم ابتدا به صورت نظری توضیح داده شده و سپس در یک تست عملی نشان داده میشود. موضوعات تستها به شرح زیر است:
- تست 1 - توسعه گامبهگام مدل QSAR (متد MLR) با جزئیات
- تست 2 - توسعه مدل QSAR با استفاده از fingerprints و متد PLS
- تست 3 - توسعه مدل QSAR با متد غیرخطی kNN
- تست 4 - توسعه مدل QSAR با متدهای انتخاب خودکار descriptor
- تست 5 - انجام غربالگری مجازی روی پایگاه داده با استفاده از مدل QSAR
در بخش پایانی، نحوه برنامهریزی، اجرا و گزارشدهی مطالعات QSAR توضیح داده میشود. همچنین رهنمودهای کلی برای پیشرفت در تحلیل QSAR و نکات عمومی برای انتشار موفق مطالعه QSAR ارائه خواهد شد. این بخش، تمامی دانش نظری و عملی پیشین را گرد هم میآورد تا دیدگاهی روشن و تخصص کارآمد برای انجام مطالعات QSAR به شما بدهد. در کل، هدف دوره توضیح موضوع QSAR و اعطای مهارتهای عملی برای انجام مطالعات مدلسازی QSAR است.
این دوره برای چه کسانی مناسب است؟
- محققان یا دانشجویان در طراحی دارو، شیمی دارویی، شیمی انفورماتیک، بیوانفورماتیک یا هر زمینه مرتبط
مدلسازی QSAR - اصول و کاربردها
-
بررسی دوره و ساختار آن 06:28
-
مفاهیم اصلی QSAR 11:11
-
Descriptors مولکولی 16:10
-
بررسی تحلیل رگرسیون 13:34
-
پارامترهای رگرسیون 13:55
-
اعتبارسنجی مدل 13:17
-
گردشکار مدلسازی QSAR 02:16
-
آمادهسازی مجموعه داده 06:00
-
محاسبه Descriptors 01:27
-
تقسیمبندی مجموعه داده 03:11
-
ساخت مدل 04:30
-
تحلیل مدل 12:11
-
بررسی متد PLS 05:05
-
توسعه مدل با PLS 11:44
-
بررسی متدهای غیرخطی QSAR 10:01
-
توسعه مدل با متد kNN 08:07
-
متدهای انتخاب Descriptor 18:53
-
تست انتخاب Descriptor 16:09
-
غربالگری مجازی با QSAR 06:08
-
تست غربالگری مجازی 11:27
-
برنامهریزی مطالعه QSAR 15:43
-
گزارشدهی و انتشار مدل 09:30
مشخصات آموزش
مدلسازی QSAR - اصول و کاربردها
- تاریخ به روز رسانی: 1404/10/04
- سطح دوره:همه سطوح
- تعداد درس:22
- مدت زمان :03:36:57
- حجم :935.0MB
- زبان:دوبله زبان فارسی
- دوره آموزشی:AI Academy