药物发现与化学信息学中的机器学习应用

发布时间：2026年
时长：3小时
大小：1.1GB
语言：英语

课程内容

学习将Python、人工智能与机器学习技术应用于化学信息学领域，掌握药物发现的计算方法与实操项目开发，从零搭建相关预测模型并完成部署。

学习目标

1. 运用Python编程技术解决药物设计与化学相关问题
2. 将机器学习技术应用于实际药物发现场景，预测分子的半数抑制浓度、毒性、药代动力学等属性
3. 精通化学数据的预处理与特征工程，提取并生成SMILES、分子指纹等化学相关的分子表征
4. 从零构建完整的定量构效关系模型与预测模型，完成化学数据预处理、描述符和指纹生成、模型训练等步骤
5. 开发并部署端到端的化学信息学项目，实现从数据处理、模型构建、预测分析到项目部署的全流程

前置要求

无任何前置知识要求，课程从零基础开始讲解，无需编程或化学相关背景。

课程介绍

本课程适用于所有学习水平的学习者，无论是刚接触编程和机器学习的新手，还是希望将人工智能应用于实际药物发现工作流的中级学习者，都能从中学习到实用知识。

课程讲解如何结合Python、机器学习、人工智能与化学信息学，构建现代计算药物发现中常用的实用解决方案，核心学习内容包括：科学计算所需的Python基础、数据处理与预处理、分子表征方式、机器学习模型的构建与评估、模型性能指标解读、虚拟筛选工作流、药代动力学过滤概念，以及实际药物发现项目的搭建方法。

课程采用实操项目驱动的教学方式，并非纯理论讲解，学习者将亲手构建化学信息学机器学习模型、定量构效关系模型，使用RDKit生成分子指纹，对化合物库进行虚拟筛选，并应用人工智能预测分子的生物活性。

课程结束后，学习者将理解机器学习在实际计算药物发现流程中的应用方式，掌握相关核心技能。

适用人群

1. 希望将编程与数据科学技能应用于药物发现和化学领域的程序员、数据科学家
2. 想要在研究中融入机器学习的化学家、生物信息学家、药剂师
3. 希望利用人工智能开展研究的生命科学专业学生与科研人员
4. 对人工智能与医疗健康交叉领域感兴趣的零基础学习者

英文标题

Machine Learning in Drug Discovery and Cheminformatics