Inteligência Artificial na Descoberta de Fármacos
1
2020-2021
02042311
Não especificado
Inglês
B-learning
1.0
Opcional
Curso Não Conferente de Grau
Conhecimentos de Base Recomendados
Não aplicável.
Métodos de Ensino
Perguntas de resposta/escolha múltipla.
Resultados de Aprendizagem
Depois da aula (e do estudo dos materiais fornecidos), o aluno deverá ser capaz de:
– listar 5-7 desafios enfrentados pela área da descoberta de fármacos e que a Inteligência Artificial (AI) pode ajudar a superar
– descrever em profundidade razoável alguns (2-3) exemplos em que uma metodologia de AI ofereceu melhorias sobre o estado-da-arte de técnicas “in silico”
– demonstrar razoável compreensão da superior aplicabilidade de certas metodologias da AI (relativamente a outras) na resolução de problemas específicos da descoberta de fármacos
– oferecer exemplos de recursos web e repositórios de dados online relevantes na área da descoberta de fármacos
– (OPCIONAL): descrever o processo de treino e teste de modelos de previsão de uma propriedade molecular usando o Google CoLab.
Estágio(s)
NãoPrograma
INTROD:O Processo de Descoberta de Fármacos e a Inteligência Artificial(AI):Moore defronta Eroom
Pesquisa de alvos farmacológicos, previsão de reações adversas e polifarmacologia:o desbravar de grandes volumes de dados de bioatividade
Rastreio Virtual na atualidade:o “triângulo amoroso” entre a Química Computacional, a Quimioinformática e a Aprendizagem(A.) Automática (ML)
Previsões de prop. moleculares a partir de pequenos volumes de dados e através de técnicas de ML “simples”:solubilidade e permeação como estudos de caso
OP:Sessão prática:modelagem da solubilidade aquosa usando RDKit e IPython Notebooks no Google CoLab
Gerar novas moléculas com as prop. desejadas através de A. Profunda por Reforço
Reposicionamento de medicamentos contra a COVID-19 através da AI:perspetivas, desafios e direções
AI na estratificação de pacientes e terapias personalizadas:chegou a hora?
CF:Dez regras para impulsionar a descoberta de fármacos com a ajuda da Ciência de Dados:uma perspetiva da Novartis.
Métodos de Avaliação
Avaliação
Perguntas de resposta/escolha múltipla: 100.0%
Bibliografia
A brief collection of keyword lookups before the lecture:
– PubChem, ChEMBL, RCSB Protein Data Bank, ZINC database, DrugBank
– Innovative Medicines Initiative (IMI), The Melloddy project, Drug Discovery Catapult
– Click2Drug, RDKit, Conda, IPython Notebooks, Google CoLab, R (CRAN)
– Benevolent.AI, ExScientia, AtomWise, InSilico Medicine
References:
– DOI: https://doi.org/10.1038/s41563-019-0338-z
– DOI: https://doi.org/10.1093/bib/bby061